CSU-GH / XilinxWinterCampProject

Use PYNQ to implement AI models

XilinxWinterCampProject

项目任务

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

项目平台

软件平台

Vitis 2020.1

硬件平台

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）

项目流程

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。

参考

Accelerating-CNN-with-FPGA

About

Use PYNQ to implement AI models

Apache License 2.0

Languages

Language:VHDL 40.0%Language:Verilog 27.2%Language:C 24.2%Language:Tcl 3.3%Language:C++ 2.5%Language:SystemVerilog 1.5%Language:V 0.6%Language:Assembly 0.3%Language:Makefile 0.1%Language:HTML 0.1%Language:JavaScript 0.1%Language:Objective-C 0.1%Language:Stata 0.1%Language:Shell 0.0%Language:SuperCollider 0.0%Language:CartoCSS 0.0%Language:Forth 0.0%Language:Batchfile 0.0%Language:CMake 0.0%Language:Pascal 0.0%Language:PureBasic 0.0%