- 利用Vitis AI部署CNN模型到ZCU104开发板
- 记录延迟、功耗、时序等信息
- 未经优化
- 软件优化
- 优化卷积操作
- 硬件优化
- 通过Pipeline优化CNN的推理过程
- Vitis 2020.1
- 由于没有官方ZCU104的开发板,因此我们使用了xczu5ev芯片(ZCU104的芯片为xczu7ev,虽然不完全兼容,但是只需要做少许需改即可适配ZCU104提供的资源)
- 使用 Vitis HLS 2020.1 设计高层图像处理函数,并将模块打包封装为IP
- 在 Vivado 工程中将第一步设计好的IP加入到Block Design中
- 通过 Vivado 2020.1 生成 XSA 文件(需包含Bitstream)
- 通过3生成的XSA文件创建Vitis 2020.1的Application Project
- 编译通过之后即可上板测试。