20
2022
03

使用ZYNQ7010安装PYNQ,基于PaddleLite实现目标检测+图片分类

目前只使用HPS实现了目标检测和图片分类,现在正在尝试使用HS端加速卷积,,,

步骤一、烧录PYNQ镜像到TF卡

    略

步骤二、ssh链接至开发板,使用apt-get安装依赖

sudo apt-get update && sudo apt-get install git curl -y && sudo apt-get install gcc g++ make wget unzip libopencv-dev pkg-config screen -y && sudo apt-get upgrade -y

步骤三、克隆PaddleLite仓库

sudo git clone https://gitee.com/wowowoll/Paddle-Lite-Demo

步骤四、进入仓库并下载依赖

cd Paddle-Lite-Demo/PaddleLite-armlinux-demo/ && sudo sh download_models_and_libs.sh && cd object_detection_demo

步骤五、安装依赖

apt-get install -y --no-install-recommends gcc g++ make wget python unzip patchelf python-dev

步骤六、修改配置文件

修改run.sh,将第四行前面加上#,第五行的#去掉,修改后效果:
#TARGET_ARCH_ABI=armv8 # for RK3399, set to default arch abi
TARGET_ARCH_ABI=armv7hf # for Raspberry Pi 3B

修改object_detection_demo.cc,在include的最后一行加上
#include <fstream>
using namespace std;

步骤七、编译运行

sh run.sh

image.png

如图是目标检测Demo的运行结果

接下来是图片分类Demo

image.pngimage.png

然后是Yolo Demo

image.png

出乎意料的是,只使用ZYNQ7010的HPS进行预测,速度就已经很快了,你猜猜我是跟哪个FPGA做比较的?嘿嘿

而且ZYNQ7010只要二三百块钱就能买一块。。。如果接受矿板,一百块钱就可以搞一个。

查手册一看,原来是ZYNQ7000系列的ARM核带有NEON/FPU,真香~

第二部分:FPGA加速CONV

暂无

« 上一篇 下一篇 »

返回顶部
请先 登录 再评论,若不是会员请先 注册