- 次のコマンドで scp を使用して、サンプルとホストからターゲットへ vitis_ai_runtime_r2.5.0_image_video.tar.gz をダウンロードします。
scp vitis_ai_runtime_r2.5.0_image_video.tar.gz root@[IP_OF_BOARD]:~/
-
vitis_ai_runtime_r2.5.0_image_video.tar.gz パッケージを解凍します。
tar -xzvf vitis_ai_runtime_r2.5.0_image_video.tar.gz -C ~/Vitis-AI/demo/VART
- モデルをダウンロードします。モデルのダウンロード リンクは、モデルの YAML ファイルに記述されています。
Vitis-AI/model_zoo
で YAML ファイルを見つけて、対応するプラットフォームのモデルをダウンロードできます。ここでは、resnet50
の例を示します。wget https://www.xilinx.com/bin/public/openDownload?filename=resnet50-zcu102_zcu104_kv260-r2.5.0.tar.gz -O resnet50-zcu102_zcu104_kv260-r2.5.0.tar.gz scp resnet50-zcu102_zcu104_kv260-r2.5.0.tar.gz root@[IP_OF_BOARD]:~/
- ターゲット上でモデルを解凍し、インストールします。注記:
/usr/share/vitis_ai_library/models
フォルダーが存在しない場合は、先にこのフォルダーを作成します。mkdir -p /usr/share/vitis_ai_library/models
次のコマンドを実行して、モデル パッケージをインストールします。
tar -xzvf resnet50-zcu102_zcu104_kv260-r2.5.0.tar.gz cp resnet50 /usr/share/vitis_ai_library/models -r
- ターゲット ボードでサンプルのディレクトリに移動します。ここでは、resnet50 の例を示します。
cd ~/Vitis-AI/examples/VART/resnet50
- サンプル デザインを実行します。
./resnet50 /usr/share/vitis_ai_library/models/resnet50/resnet50.xmodel
注記: 上記の実行可能なプログラムが存在しない場合は、ホスト上でプログラムをクロス コンパイルします。注記: アプリケーションをターゲット上でネイティブにコンパイルすることもできます。ターゲット上で次のコマンドを実行します。sh -x build.sh
注記: ビデオ入力のサンプルの場合、公式システム イメージには「webm」および「raw」形式のみがデフォルトでサポートされます。その他の形式のビデオ データを使用する場合は、関連するパッケージをシステムにインストールします。
次の表に、すべての Vitis AI サンプルの実行コマンドを示します。
ID | サンプル名 | コマンド |
---|---|---|
1 | resnet50 | ./resnet50 /usr/share/vitis_ai_library/models/resnet50/resnet50.xmodel |
2 | resnet50_pt | ./resnet50_pt /usr/share/vitis_ai_library/models/resnet50_pt/resnet50_pt.xmodel ../images/001.jpg |
3 | resnet50_ext | ./resnet50_ext /usr/share/vitis_ai_library/models/resnet50/resnet50.xmodel ../images/001.jpg |
4 | resnet50_mt_py | python3 resnet50.py 1 /usr/share/vitis_ai_library/models/resnet50/resnet50.xmodel |
5 | inception_v1_mt_py |
python3 inception_v1.py 1 /usr/share/vitis_ai_library/models/inception_v1_tf/inception_v1_tf.xmodel |
6 | pose_detection | ./pose_detection video/pose.webm /usr/share/vitis_ai_library/models/sp_net/sp_net.xmodel /usr/share/vitis_ai_library/models/ssd_pedestrian_pruned_0_97/ssd_pedestrian_pruned_0_97.xmodel |
7 | video_analysis | ./video_analysis video/structure.webm /usr/share/vitis_ai_library/models/ssd_traffic_pruned_0_9/ssd_traffic_pruned_0_9.xmodel |
8 | adas_detection | ./adas_detection video/adas.webm /usr/share/vitis_ai_library/models/yolov3_adas_pruned_0_9/yolov3_adas_pruned_0_9.xmodel |
9 | segmentation | ./segmentation video/traffic.webm /usr/share/vitis_ai_library/models/fpn/fpn.xmodel |
10 | squeezenet_pytorch | ./squeezenet_pytorch /usr/share/vitis_ai_library/models/squeezenet_pt/squeezenet_pt.xmodel |