1 Pytorch flow for Vitis AI

官方网址

这篇 tutorial 介绍了 Vitis AI Pytorch 的设计流程，阐述了如何将神经网络的Python描述转化为编译后的模型运行在 Xilinx 的评估板上。本项目用到的数据集是MNIST。

设计流程

网络结构

这个网络里在卷积层和激活函数里用到了一个叫做“Bnorm”的层。Bnorm是Batch Normalization，中文批处理化。下面这篇文章简单介绍了BN的概念。

批处理化解析

开始之前需要确认满足系统要求，从docker hub里安装容器，设置评估板，建立工作环境。详细内容参考：

Vitis AI User Guide

本例程使用Pytorch，因此建立 Vitis AI 环境后，输入：

Vitis-AI /workspace > conda activate vitis-ai-pytorch

Step 0 ：训练模型

export BUILD=./build
export LOG=${BUILD}/logs
mkdir -p ${LOG}
python -u train.py -d ${BUILD} 2>&1 | tee ${LOG}/train.log

“Train.py”文件会执行CNN的训练并把训练出来的浮点模型以pth文件形式保存到./build/float_model文件夹里的“f_model.pth”文件里。