一、AMD与Xilinx
2022年2月14日AMD完成了对Xilinx的收购
AMD总裁兼首席执行官苏姿丰博士(Dr. Lisa Su)表示:“对赛灵思的收购将一系列高度互补的产品、客户和市场,以及差异化的 IP 和世界一流的人才汇集在一起,把我们打造成为行业高性能和自适应计算的领导者。赛灵思领先的
FPGA、自适应 SoC、人工智能引擎和软件专业知识将赋能AMD,带来超强的高性能和自适应计算解决方案组合,并帮助我们在可预见的约 1350 亿美元的云计算、边缘计算和智能设备市场机遇中占据更大份额。”
至此 英特尔 英伟达 AMD成为了三足鼎立的局势,刚接触xilinx的时候没记得xilinx官方有AMD的logo,现在有了,现在的xilinx也更牛。
二、ubuntu系统
https://china.xilinx.com/products/som/kria/kv260-vision-starter-kit/kv260-get
ting-started/getting-started.html
镜像安装,开机教程
https://xilinx.github.io/kria-apps-docs/home/build/html/index.html
配套例程以及使用教程
三、Petalinux系统
https://www.xilinx.com/member/forms/download/xef.html?filename=petalinux-sdimage-2021.1-update1.wic.xz
镜像下载
https://xilinx.github.io/kria-apps-docs/kv260/2021.1/build/html/docs/smartcamera/docs/app_deployment.html
配套例程以及使用教程
四、DPU系统
https://china.xilinx.com/member/forms/download/design-license-xef.html?filename=xilinx-kv260-dpu-v2022.2-v3.0.0.img.gz
镜像下载
Vitis AI Library 用户指南
镜像安装教程,软件开发教程。
五、DPU-ResNet50 实验
ResNet50模型以其深度和准确性,在图像分类、物体检测、人脸识别等任务中都表现出色。其引入的残差学习概念,有效地解决了深度神经网络中的梯度消失和网络退化问题。未来,ResNet50模型在更多领域的应用,值得我们期待。
5.1、DPU镜像
账号:root 密码:root
5.2、ResNet50
系统安装后可以看文件中有Vitis-AI文件夹
5.3、运行系统自带算法程序
在此文件目录下新建images文件夹,在网上找想要识别的图片放在这里。
使用命令行运行示例程序:
cd ~/Vitis-AI/examples/vai_runtime/resnet50
./resnet50 /usr/share/vitis_ai_library/models/resnet50/resnet50.xmodel
运行结果显示如下:
root@xilinx-kv260-starterkit-20222:~/Vitis-AI/examples/vai_runtime/resnet50# ./resnet50 /usr/share/vitis_ai_library/models/resnet50/resnet50.xmodel
WARNING: Logging before InitGoogleLogging() is written to STDERR
I0921 20:01:14.215875 4129 main.cc:292] create running for subgraph: subgraph_conv1
Image : 001.jpg
top[0] prob = 0.549634 name = jacamar
top[1] prob = 0.259629 name = bee eater
top[2] prob = 0.074385 name = coucal
top[3] prob = 0.021312 name = bulbul
top[4] prob = 0.012926 name = robin, American robin, Turdus migratorius
Image : 001.png
top[0] prob = 0.906801 name = school bus
top[1] prob = 0.045147 name = jeep, landrover
top[2] prob = 0.012935 name = snowplow, snowplough
top[3] prob = 0.007845 name = garbage truck, dustcart
top[4] prob = 0.004758 name = moving van
root@xilinx-kv260-starterkit-20222:~/Vitis-AI/examples/vai_runtime/resnet50#
5.4、resnet50可识别内容
以下是一些ResNet50可以用于识别的任务:
1.物体检测:ResNet50可以作为Faster R-CNN等物体检测模型的基础网络,进行物体检测任务,由于其深度和准确性,在这类任务中表现优秀。
2.人脸识别:通过对ResNet50模型进行微调,可以用于人脸识别任务,实现高精度的人脸识别。
3.情感识别:ResNet50也可以结合卷积神经网络进行人脸情感识别,从给定的静态图像或动态视频序列中分离出特定的面部状态,以确定待识别对象的心理情绪。
4.图像分类:ResNet50在ImageNet数据集上取得了很好的性能,因此可以用于其他类似的图像分类问题,包括但不限于数码宝贝的识别分类。