【瑞苏盈科 水星XU5 开发套件】#7 基于vitis AI的项目开发

北方.

1、工程项目开发的流程在xilinx Vitia之前的FPGA开发都是硬开发，主要是和各种逻辑打交道，熟悉与非门，时钟，总线等，并且通过JTAG下载运行。
随着系统的复杂，以及AI成为广泛应用的模型，vitis AI使得FPGA开发越来越趋向于软件开发，但是这个过程非常不容易，需要同时具有底层硬件的只是，所以知识树的学习曲线非常陡峭。而且，快速迭代的软件，即使是原厂的FAE也会遇到很难重现的问题。因为评测的时间有限，vivado开发流程等都没有很顺利执行下去，所以就集中在vitis AI开发介绍一下过程。


2、Vitis是综合硬件加速和训练模型的开发环境，直接调用dpu硬件加速和AI模型，剩下的工作就是通过API接口编程，现有的API只是支持C++和python，在多数情况下，已经是足够了。
参考Vitis AI Library User Guide (xilinx.com)
首先，需要下载vitis-ai源代码，
git clone --recurse-submodules https://github.com/Xilinx/Vitis-AI

然后创建交叉编译的环境，在host主机上编程和调试
cd Vitis-AI/setup/mpsoc/VART./host_cross_compiler_setup.sh
然后这个sdk环境先创建一下
source ~/petalinux_sdk_2021.1/environment-setup-cortexa72-cortexa53-xilinx-linux
进入到独立的sample目录就可以形成可执行文件
cd ~/Vitis-AI/demo/Vitis-AI-Library/samples/classificationbash -x build.sh
在测试的过程中，用多种方式都没有创建sdk文件，所以交叉编译就没有完成。
其实，完全可以直接在开发板上进行板载的开发，这样原生的开发环境，可以最大限度减少环境创建的时间损耗。在原厂影像中，没有找到cc，gcc等编译工具，make的过程显示不能完成。在上一个帖子中，也列举了如何去寻找和发现板载环境，这些确实是没有，但是，这些是可以通过下载到本地，用cmake等源码编译实现，还可以用yum install直接安装ycoto的包文件。

还有一个选择就是python开发，板载python3，使用python包和vart API就可以快速开发python AI代码，参见
Python APIs (xilinx.com)
其中最突出的特点就是需要定义一个runner
vart.Runner create_runner(xir.Subgraph subgraph, String mode)
在AI模型载入，输入输出缓存定义好之后，就可以直接启动runnner，这个和其他的开发有所不同，这个是黑盒子，和tensorflow的静态图开发相匹配，具体可以参考源代码分析。

3、 在AI开发的过程中，其实更多的工作不是上述内容，而是AI的开发和模型的训练。这个就需要使用vitis开发的docker影像。这个包至少18G所以，需要比较大的硬盘，耗时也比较多。

运行docker run cpu就进入了 vitis -ai的docker 环境，



随后就可以开始AI的模型训练等开发过程。
开发板中的resnet就是从Vitis AI训练编译的程序。

jobszheng5

看上去操作起来还是挺简单的啊

day_day

光是电脑配置这块就劝退了……