資料介紹
描述
這是如何為 Alinx 制造的AXU2CGA/B Zynq UltraScale+ FPGA 開發(fā)板創(chuàng)建硬件加速器平臺的分步教程,該平臺 可用于在 Xilinx Vitis 工具集下運行具有加速功能的 GNU Radio 應用程序。
添加 EA4GPZ 開發(fā)的gr-satellites并構建您自己的 OOT 模塊也包含在這套教程中。
這是第 4/4 部分:在 Colab 和 Vitis-AI 中構建 AI 模型
如果你正在尋找這組教程的其他部分,你可以直接去那里:
- 第 1 部分 - 創(chuàng)建 Vivado 硬件設計
- 第 2 部分 - 軟件 - 構建 PetaLinux 和 GNU Radio
- 第 3 部分 - 使用 DPU 創(chuàng)建 Vitis 平臺和應用程序
- 第 4 部分 - 在 Colab 和 Vitis-AI 中構建 AI 模型
獲取射頻數據集
RF 數據集可以從RF Datasets For Machine Learning網站免費下載。選擇RADIOML 2018.01A數據集并下載2018.01.OSC.0001_1024x2M.h5.tar.gz文件。
您應該提供您的聯系信息以供下載,但該數據集是免費的。您需要大約 20 GB 的磁盤可用空間來下載。
還有另一個選項可以將數據集的大小減少到僅約 6%。這足以開始。本教程使用精簡的數據集(僅約 1.2 GB),可以從隨附的 Jupyter Notebook 腳本中提供的鏈接下載。
這是用于減少原始大型數據集的腳本:
您可以跳過此下載步驟并直接跳到下一步,以防萬一您不想下載和使用整個數據集。
否則,如果您想將原始數據集作為一個整體使用,請?zhí)D到Xilinx 教程 - RF 調制識別GitHub 頁面并使用他們的原始腳本來構建模型。在這種情況下,您可以跳過本教程的剩余部分。
獲取 Jupyter Notebook Scrips
本教程中提供了兩個 Jupyter 腳本。第一個將在Google Colab上運行,第二個將在Xilinx Vitis-AI Docker 映像上運行。
克隆s59mz/test-dpu GitHub 存儲庫并記下 Jupyter 子目錄中的兩個 Jupyter 筆記本腳本。我們稍后會需要它。
- rf_classification-Colab.ipynb
- rf_classification-Vitis-AI.ipynb
$ git clone http://github.com/s59mz/test-dpu
$ cd test-dpu/
$ ls jupyter/
rf_classification-Vitis-AI.ipynb
rf_classification-Colab.ipynb
reduce_dataset.ipynb
注意:reduce_dataset.ipynb可用于手動減少原始數據集,如上一節(jié)所述。
獲取 arch.json 文件
這是為 DPU 編譯模型的非常重要的文件。該文件位于模型目錄中:
$ ls models/*.json
models/arch_b1152.json
$ cat models/arch_b1152.json
{"fingerprint":"0x100002062010103"}
注意:指紋可以通過在 FPGA 板上運行以下命令直接從目標板上讀?。?/font>
$ export XLNX_VART_FIRMWARE=/media/sd-mmcblk1p1/dpu.xclbin
$ xdputil query
注意:編輯arch.json文件并手動更新指紋參數,以防您更改 DPU 構建配置(dpu_conf.vh 文件)
構建和訓練 AI 模型
我們將構建的 AI 模型使用TensorFlow框架。我們使用Google Colab服務來訓練模型,因為我們可以免費使用他們非常強大的顯卡進行計算,但僅限于有限的時間(幾個小時)。
在 Colab 斷開您與他們的服務之間的連接之前,請務必將您訓練的模型下載并保存到您的計算機上。您可以在第二天重復整個過程,任意多次,但每次都必須從頭開始。
- 打開您的網絡瀏覽器(推薦使用 Google Chrome 或 Firefox)并打開Google Colab網頁。
- 將第一個腳本rf_classification-Colab.ipynb上傳到 Colab(文件 > 上傳筆記本)。如果您還沒有登錄,您應該使用您的 Google 帳戶登錄。
- 展開窗口左側的文件圖標,這樣您就可以在那里看到一些新創(chuàng)建的文件 (sample_data)。
- 將 Runtime 設置為 GPU:Runtime > Change Runtime type > GPU并保存,如果可用,否則使用 CPU,但訓練時間會更長。
- 啟動腳本:Runtime > Run all并等待大約半小時。
剛剛發(fā)生了什么?
- 該腳本首先從我的 Google Drive 下載縮減的數據集。您可以更改 Cell #2 (!wget...) 中的路徑以使用您自己的數據集。您應該會看到一個新文件reduce_rf_dataset_XYZ.hdf5出現在左側。
- 經過一些數據處理和準備后,模型將被訓練,您可以在檢查點文件夾中看到一些保存的檢查點狀態(tài)。
- 腳本完成后,您會注意到另一個新文件:保存的最佳訓練模型,名為rf-model-best.h5 。
- 將經過訓練的模型rf-model-best.h5 下載到您的計算機,然后 Colab 會因不活動而斷開您與服務的連接。
- 訓練后的模型也可以在GitHub存儲庫中找到(使用不同的名稱):rfClassification_fp_model.h5
- 探索結果。這是一個混淆矩陣,我們僅使用數據集中 6% 的樣本得到了 10 個 epoch 的訓練。
- 不完美,但足以作為在真實 FPGA 上測試模型的起點。
- 隨意使用來自數據集的更多數據樣本或更長的訓練時間(epochs)再次重復整個過程,甚至可以根據需要改進模型以獲得更準確的結果。
- 但是,請記?。耗刻焓褂?Google Colab 的時間是有限的(大概 2 小時左右)。因此,每次下載模型后都要關閉會話(連接 > 管理會話 > 終止)。
在 Vitis-AI 上編譯模型
現在,由于我們有一個名為rf-model-best.h5的浮點模型,我們需要對其進行量化、校準和編譯,以便在真實 FPGA 的 DPU 單元上使用它。
此過程的詳細信息超出了本教程的范圍。隨意地:
- 探索提供的腳本rf_classification-Vitis-AI.ipynb
- 閱讀Vitis-AI的官方 GitHub 頁面。
以下是主要步驟:
docker pull xilinx/vitis-ai-cpu:latest
- 將Vitis-AI GitHub 存儲庫克隆到您的主機。
git clone --recurse-submodules https://github.com/Xilinx/Vitis-AI
- 將先前克隆的rf_classification-Vitis-AI.ipynb腳本復制到 Vitis-AI 存儲庫以及上一節(jié)中訓練好的模型rf-model-best.h5 。您可以創(chuàng)建一個新的my_model目錄和一個子目錄fp_model來復制您的訓練模型。
- 還將arch_b1152.json文件復制到同一目錄,除非您也更新 Jupyter 腳本,否則不要更改文件名。
$ cd Vitis-AI
$ mkdir -p my_model/fp_model
$ cp ~/test-dpu/jupyter/rf_classification-Vitis-AI.ipynb my_model
$ cp ~/Downloads/rf-model-best.h5 my_model/fp_model
$ cp ~/test-dpu/models/arch_b1152.json my_model
$ cd my_model
$ ls
arch_b1152.json fp_model rf_classification-Vitis-AI.ipynb
- 使用 bash 腳本從my_model目錄啟動 Docker 映像。
$ ../docker_run.sh xilinx/vitis-ai
- 當 Docker 啟動時,通過執(zhí)行conda activate命令切換到 TensorFlow2。
- 通過運行以下命令(在 Docker 內部)啟動Jupyter Notebook :
$ jupyter notebook --no-browser --ip=0.0.0.0 --NotebookApp.token='' --NotebookApp.password=''
- 現在,打開主機上的 Web 瀏覽器并打開名為http://localhost:8888/的網頁
- 點擊之前復制的腳本rf_classification-Vitis-AI.ipynb
- 運行腳本:Kernel > Restart & Run All并等待幾分鐘得到編譯好的模型。
- 注意:校準所需的縮減數據集(1.2 GB) 將從我的 Google Drive 下載到您的計算機。您可以修改腳本并使用自己的數據集進行校準。
- 然后,將創(chuàng)建一個新的量化模型,該模型由先前下載的校準數據集進行優(yōu)化。它位于quantize_results/quantized_model.h5目錄中。
- 最后,將創(chuàng)建一個新目錄vai_c_output 。
- 里面是我們的rfClassification.xmodel文件,準備上傳到我們的目標板。
在目標板上測試模型
現在,我們準備在真實硬件上測試模型。
- 將SD 卡上的原始rfClassification.xmodel文件復制或替換為新文件。它位于 test-dpu/models 目錄的引導分區(qū)中。
$ pwd
/media/sd-mmcblk1p1/test-dpu/models
- 如果您更改模型的名稱,您還應該更新測試腳本以及 RF Claasification GNU Radio 模塊。否則,只需將原始文件替換為新文件即可。
- 從第 3 部分運行準確性測試:
$ pwd
/media/sd-mmcblk1p1/test-dpu
$ ./run_test_accuracy.sh
Number of RF Samples Tested is 998
Batch Size is 1
Top1 accuracy = 0.53
最后...
再次在 GNU Radio 上啟動RF 調制分類應用程序。
$ pwd
/media/sd-mmcblk1p1/test-dpu
$ ./run_rf_classification.sh
就這樣 !
如果您成功通過所有四個部分來到這里,恭喜!
隨時在此博客上發(fā)表評論。
- LabView工具包WebSocket-API主機下載 68次下載
- AXU2CGB Zynq UltraScale板上的GNU Radio工具包 第1部分
- AXU2CGB Zynq UltraScale板上的GNU Radio工具包 第3部分
- 如何在arduino IDE上安裝STM32的開發(fā)板工具包 3次下載
- AXU2CG FPGA XLINX核心板原理圖 36次下載
- 布局電源板以將EMI降至最低:第2部分
- 如何使用KEELOQ3開發(fā)工具包作為開發(fā)工具來在目標板上仿真和調試固件
- 如何使用入門工具包開發(fā)工具在目標板上仿真和調試固件的詳細資料概述
- 如何使用PIC32MX1/2/5入門工具包在目標板上仿真和調試固件的詳細概述
- 如何使用高性能工具包作為開發(fā)工具在目標板上仿真和調試固件
- PIC32以太網入門工具包的中文介紹和使用的詳細概述
- 如何使用PIC32MZ嵌入式連接(EC)入門工具包的詳細使用說明
- 電壓基準如何影響ADC性能,第2部分 10次下載
- 使用觸摸傳感器的設備的輸入和控制,第2部分:控制器和開發(fā)包 5次下載
- 多媒體啟動工具包
- 軟件無線電安全之GNU Radio基礎知識 3079次閱讀
- NPOI WEG報表工具包簡介 808次閱讀
- ADI公司設計工具:ADIsimRF第2部分 948次閱讀
- ADC眼中的虛擬評估,第2部分 624次閱讀
- Arm?ML處理器 嵌入式評估工具包介紹 1797次閱讀
- 基于Xilinx Zynq ultraScale+ 系列FPGA的AXU2CGB 開發(fā)板評測 9051次閱讀
- 實時控制技術滿足實時工業(yè)通信發(fā)展的需求 —— 第2部分 993次閱讀
- firefly NCC S1--MDK - SSD模型工具包介紹 2068次閱讀
- 米爾科技Zynq UltraScale+ MPSoC技術參考手冊介紹 2975次閱讀
- 北大語言計算與機器學習研究組推出一套全新中文分詞工具包pkuseg 3647次閱讀
- Xilinx基于ARM的Zynq-7000和Zynq UltraScale+ MPSoC及RFSoC器件是否存在安全漏洞 2620次閱讀
- Zynq UltraScale+ MPSoC 上的多個Linux UIO設計 3219次閱讀
- 細數工具包Kanzi? UI及Kanzi Connect?其中每個插件實現的功能 1w次閱讀
- Ti推出面向Zynq UltraScale+ MPSoC的電源參考設計 3588次閱讀
- 混合信號系統接地揭秘之第二部分 1663次閱讀
下載排行
本周
- 1山景DSP芯片AP8248A2數據手冊
- 1.06 MB | 532次下載 | 免費
- 2RK3399完整板原理圖(支持平板,盒子VR)
- 3.28 MB | 339次下載 | 免費
- 3TC358743XBG評估板參考手冊
- 1.36 MB | 330次下載 | 免費
- 4DFM軟件使用教程
- 0.84 MB | 295次下載 | 免費
- 5元宇宙深度解析—未來的未來-風口還是泡沫
- 6.40 MB | 227次下載 | 免費
- 6迪文DGUS開發(fā)指南
- 31.67 MB | 194次下載 | 免費
- 7元宇宙底層硬件系列報告
- 13.42 MB | 182次下載 | 免費
- 8FP5207XR-G1中文應用手冊
- 1.09 MB | 178次下載 | 免費
本月
- 1OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234315次下載 | 免費
- 2555集成電路應用800例(新編版)
- 0.00 MB | 33566次下載 | 免費
- 3接口電路圖大全
- 未知 | 30323次下載 | 免費
- 4開關電源設計實例指南
- 未知 | 21549次下載 | 免費
- 5電氣工程師手冊免費下載(新編第二版pdf電子書)
- 0.00 MB | 15349次下載 | 免費
- 6數字電路基礎pdf(下載)
- 未知 | 13750次下載 | 免費
- 7電子制作實例集錦 下載
- 未知 | 8113次下載 | 免費
- 8《LED驅動電路設計》 溫德爾著
- 0.00 MB | 6656次下載 | 免費
總榜
- 1matlab軟件下載入口
- 未知 | 935054次下載 | 免費
- 2protel99se軟件下載(可英文版轉中文版)
- 78.1 MB | 537798次下載 | 免費
- 3MATLAB 7.1 下載 (含軟件介紹)
- 未知 | 420027次下載 | 免費
- 4OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234315次下載 | 免費
- 5Altium DXP2002下載入口
- 未知 | 233046次下載 | 免費
- 6電路仿真軟件multisim 10.0免費下載
- 340992 | 191187次下載 | 免費
- 7十天學會AVR單片機與C語言視頻教程 下載
- 158M | 183279次下載 | 免費
- 8proe5.0野火版下載(中文版免費下載)
- 未知 | 138040次下載 | 免費
評論
查看更多