[经验]

【米尔FZ3深度学习计算卡试用体验】深度学习体验自定义硬件

liujing

2020-11-20 15:32:04

2962 开发板试用

``1 官方自带镜像试用1.1 深度学习之图像分类

由于之前的误操作，SD数据被rm掉，后面工作人员重新发了一份镜像，前期由于烧写镜像方法的错误导致镜像一直烧写不成功，后面更换烧写软件为balenaEtcher后烧写成功。如图1所示：

图1 balenaEtcher烧写软件

然后就可以体验深度学习计算卡的魅力了。

根据官方用户手册的指示，开始操作。根据之前的连接演示，成功以串口进行连接，屏幕也已点亮，如图2所示。

图2 自带系统图形化界面

操作指令以及相关工程文件结构如图3所示。

图3 文件结构

操作演示的结果如图4所示。

图4 图像分类结果显示

根据图4的结果为cestbon，置信度为1。

下面演示图像分类视频版。

输入以下指令：

./video_classify../configs/resnet50/drink.json

桌面环境已打开。运行结果如图5所示。

图5 图像分类视频结果

Resnet50的算法提示超时，驱动也已重新启动，失败于莫名的原因，下面换另一种检测算法：

图6 mobilenetvl分类结果

根据上图可知，该算法也出现超时的错误。

再换一种算法：

图7 Inceptionv2分类结果

同样的错误出现，可能是由于摄像头或者DP转接线的问题，笔者使用的摄像头和转接线如图8所示。

图8 外设

转接线是官方数据线，但是兼容性一般，摄像头是罗技摄像头。上图显示基于视频的图像分类实验失败，可能是外设的相关原因也可能是操作的不当，看看其他的怎么样的结果。

1.2 深度学习之图像检测

基于图片的图像分类采取以下指令：

./image_detection../configs/vgg-ssd/screw.json

其采取的算法为vgg-ssd的，显示结果如图9所示。

图9 目标检测结果

下面试用视频的目标检测算法：

./video_detection../configs/vgg-ssd/screw.json

这次成功，检测演示视频如下所示。由于视频上传比较麻烦只上传图片了。

1 自定义平台

由于开发的需求，需要自定义硬件平台，并试用摄像头等驱动，百度的平台比较完善，并且也有自己的训练框架，但是与笔者的相关开不太符合因此需要搭建自定义平台，首先搭建硬件平台。

该款硬件的主控芯片为：XCZU3EG-SFVC784

其硬件原理图如图10所示。

图10 原理图

由图可知，其USB、UART、DP、GEM等需要的硬件接口都在PS侧，因此不需要额外的配置相关PL逻辑代码，在配置平台中配置好相关的接口也即MIO的设置、CLOCK的配置、DDR的参数配置。相关的硬件配置如图所示：

(发烧友文章长度限制，已删除)

最终的硬件框图如图11所示。

图11 硬件原理图

最后配置相关的接口，主要AXI_HP、GP、以及加速时钟等供DPU的使用，最后编译并导出xsa文件，至此硬件平台便已经搭建完成

只看该作者 淘帖0 举报

精选推荐

AI模型部署边缘设备的奇妙之旅：目标检测模型

529 浏览 0 评论
AI模型部署边缘设备的奇妙之旅：如何在边缘端部署OpenCV

2000 浏览 0 评论
tms320280021 adc采样波形，为什么adc采样频率上来波形就不好了？

1174 浏览 0 评论
基于米尔全志T527开发板的OpenCV进行手势识别方案

1674 浏览 0 评论
AI模型部署边缘设备的奇妙之旅：如何实现手写数字识别

1439 浏览 0 评论

搜索历史

【米尔FZ3深度学习计算卡试用体验】深度学习体验自定义硬件

相关推荐

评论

精选推荐

热门帖

站长推荐 /6