- 在主机侧安装交叉编译系统。如需了解更多信息,请参阅 安装。
- 下载要使用的模型(如,
resnet50
),并使用scp
命令将其复制到开发板上。 - 在目标侧安装模型。
tar -xzvf <model>.tar.gz cp -r <model> /usr/share/vitis_ai_library/models
默认情况下,这些模型位于目标侧的 /usr/share/vitis_ai_library/models 目录中。
注释: 如果您要使用自己的模型,则无需安装 AMD 模型包。 - 从 https://github.com/Xilinx/Vitis-AI 使用 git clone 来克隆对应 Vitis AI Library。
- 在工作空间下创建文件夹。以下示例使用的是 classification。
mkdir classification
- 创建 demo_classification.cpp 源文件。主流程如下图所示。请参阅 Vitis-AI/examples/vai_runtime/resnet50/src/main.cc,获取完整的代码示例。
- 如下所示创建 build.sh 文件,或者从 Vitis AI Library 演示复制该文件并对其进行修改。
#/bin/sh CXX=${CXX:-g++} $CXX -O2 -fno-inline -I. -o demo_classification demo_classification.cpp -lopencv_core -lopencv_video -lopencv_videoio -lopencv_imgproc -lopencv_imgcodecs -lopencv_highgui -lglog -lxir -lunilog -lpthread -lvart-runner
- 对程序进行交叉编译。
sh -x build.sh
- 使用
scp
命令将可执行程序复制到目标开发板。scp demo_classification root@IP_OF_BOARD:~/
- 在目标开发板上执行程序。运行该程序前,请确保目标开发板上已安装 Vitis AI Library,并准备好您要测试的图像。
./demo_classification /usr/share/vitis_ai_library/models/resnet50/resnet50.xmodel resnet50_0 demo_classification.jpg