文章目录

文章目录

概要

注意事项

实现效果 

准备步骤

1.运行build.sh，生成模型对应的可执行文件

2.下载官方xmodel

3.准备视频

具体实现 

概要

通过黑金的开发板自定义dpu运行vitisai的例程

本文章参考Vitis-AI/tools/Vitis-AI-Library 在 2.0 ·Xilinx/Vitis-AI (github.com)Xilinx官方文档

注意事项

如果开发板没有自己的定制化平台，请先参照我的另一篇文章创建自己开发板的硬件加速平台，确保能运行简单的resnet50分类例程

实现效果 

256*512的视频大概27帧 

准备步骤

1.运行build.sh，生成模型对应的可执行文件

打开Vitis-AI-2.0/demo/Vitis-AI-Library/samples 可以看到所有的vitis ai官方例程

以其中的yolov4为例

 进入yolov4后通过运行以下命令

<code>source  <path to petalinux_sdk>/environment-setup-cortexa72-cortexa53-xilinx-linux

进入环境（关闭窗口后，如果要重新生成可执行文件，在新打开的窗口要再运行一次以上命令）

通过

bash -x build.sh

得到yolov4的可执行脚本

即这四个文件

将其通过mobaxterm的ssh传入板子（将文件拖至下图区域即可）

2.下载官方xmodel

在vitis ai的GitHub库中找到model zoo，进入yolov4模型的下载链接

Vitis-AI/models/AI-Model-Zoo/model-list/dk_yolov4_coco_416_416_0.36_38.2G_2.0/model.yaml at 2.0 · Xilinx/Vitis-AI (github.com) 

即该链接，复制通过浏览器下载，或者打开板子，通过wget下载

<code>https://www.xilinx.com/bin/public/openDownload?filename=yolov4_leaky_spp_m_pruned_0_36-zcu102_zcu104_kv260-r2.0.0.tar.gz

将压缩包放入之前可执行文件所在的文件中并通过以下命令解压

tar -xzvf yolov4_leaky_spp_m_pruned_0_36-zcu102_zcu104_kv260-r2.0.0.tar.gz

3.准备视频

自行准备.webm格式的视频（视频名以01结尾）

如果没有可以在 浏览器先下MP4，然后通过以下链接转成webm格式https://www.aconvert.com/cn/video/mp4-to-webm/

具体实现 

1.进入文件夹，运行以下四个命令给与可执行权限

chmod +x test_accuracy_yolov4_mt

chmod +x test_jpeg_yolov4

chmod +x test_video_yolov4

chmod +x test_performance_yolov4

2.运行可执行文件

格式为  ./<可执行文件名> <模型路径/模型名.model> <视频路径/视频名.webm> -t 8

./test_video_yolov4 yolov4_leaky_spp_m_pruned_0_36/yolov4_leaky_spp_m_pruned_0_36.xmodel adas01.webm -t 8