使用PYNQ和Vitis AI的智能辦公室熱辦公桌

描述

介紹

在這個項目中，我將為 Smart Office Hot Desking 安排創建一個應用程序。

• 現代辦公室正在采用“Hot Desking”的概念。以“先到先得”的方式更有效地利用共享空間和辦公桌。然而，面臨的問題是工人可能會浪費更多時間來尋找空置的辦公桌。跟蹤入住率并在預訂系統中更新也很乏味。借助基于邊緣的圖像處理能力，我們可以檢測區域內的人員并確定辦公桌是否被占用。

在技??術方面，我將使用 Ultra96-V2 演示 Vitis AI Model Zoo 和 PYNQ 的 DPU IP 內核的編譯流程。

我將從頭開始編譯。從頭開始編譯將使以后修改硬件設計更容易。我覺得獲取環境設置的過程令人困惑，因此我將幫助您逐步記錄它。

PYNQ & Vitis AI 工作流程說明

在我們開始之前，重要的是要知道 Ultra96-V2 使用 Xilinx Zynq UltraScale+? MPSoC。我們可以稱它為基于 ARM 的 FPGA，這意味著既有處理系統（PS）又有可編程邏輯（PL）。

我將使用 PYNQ，我們在其中制作在 PS 上運行的 Python 腳本。使用預編譯的 PYNQ 覆蓋（或比特流），在 PL 中配置深度學習處理器單元 (DPU)。在 PS 上運行的軟件可以使用 DPU 來加速圖像識別任務。

使用的額外硬件

除了 Ultra96-V2 捆綁包之外，您可能還需要這些附加硬件。

1. USB 攝像頭

• 我使用了羅技 C170 USB 相機。
• 通常，大多數羅技網絡攝像頭都應該開箱即用。其他帶有 Linux 驅動程序的品牌也應該可以使用。

2. 有源 Mini-DisplayPort 適配器

• 我使用了 PowerColor Active Mini Displayport 到單鏈路 DVI 適配器
• Ultra96-V2 僅輸出純 DisplayPort 信號，因此需要有源適配器。
• 為了獲得更好的搜索結果，您可以嘗試搜索“兼容 ATI Eyefinity”的適配器。眾所周知，Eyefinity 適配器處于活動狀態。

注意：如果您的預算有限，則可以不使用這些。例如，可以改用 IP 攝像機。有一些應用程序可以將您的智能手機用作 IP 攝像機。如果您使用 USB 或遠程 SSH 進行連接，則可能不需要 mini-DP 適配器。

準備 PYNQ 映像

我們將首先將 PYNQ 加載到板上并進行一些測試。從官網下載Avnet Ultra96-V2 v2.5 PYNQ鏡像。

• http://www.pynq.io/board.html

您可以在社區板下找到它。

根據這些說明將圖像寫入 SD 卡。

• https://pynq.readthedocs.io/en/latest/appendix.html#writing-the-sd-card

插入你的 SD 卡。在 Ubuntu 上，您將能夠在Disks應用程序中看到您的開發板。在這種情況下，設備名稱是/dev/sdb。

卸載分區

$ umount /dev/sdb

下一個命令的設備名稱要非常小心，我們將用 PYNQ 映像覆蓋 SD 卡的內容。

您可以使用dd命令將 PYNQ 映像寫入 SD 卡。我決定使用顯示進度的dcfldd

$ sudo dcfldd bs=4M if=ultra96v2_v2.5.img of=/dev/sdb
1536 blocks (6144Mb) written.
1574+1 records in
1574+1 records out

啟動 PYNQ

插入 SD 卡并按下電源按鈕啟動板。

將 Micro USB 電纜從您的 PC 連接到 Ultra96-V2。您將在 PC 上看到一個新的以太網接口。

您現在可以通過此鏈接在瀏覽器中訪問 Jupyter Notebook http://192.168.2.1:9090

如果升級為密碼，則為“xilinx”。

連接到 WiFi

我們需要將開發板連接到 Wifi，因為我們將下載一些東西。如果您有 USB 轉以太網適配器，您也可以使用它并跳過本節。

有一個帶有腳本的 Jupyter Notebook 可以幫助您連接到 Wifi。導航到notebooks/common/wifi.ipynb，您可以從這里將腳本修改為您自己的 Wifi 憑據。

或者，如果您熟悉 Linux 系統，也可以發出以下命令。

# Scan Wifi
$ ifconfig wlan0 up
$ iwlist wlan0 scan

# Connect to WEP access point
$ iwconfig wlan0 essid "YOUR_SSID_NAME" key s:YOUR_PASSWORD

# Connect to WPA access point
$ wpa_passphrase YOUR_SSID_NAME YOUR_PASSWORD > /etc/wpa_supplicant.conf
$ sudo wpa_supplicant -c /etc/wpa_supplicant.conf -i wlan0 -B

從這里我們可以從 Web 界面打開一個新終端。

使用 Vitis AI 升級到最新的 PYNQ

在接下來的步驟中，我們將在終端中發出一些命令來下載和安裝大量的包。估計需要1小時。

我建議安裝 USB 風扇或任何冷卻裝置，因為 Ultra96-V2 會變得非常燙手。當它變熱時，處理器將開始熱調節并減慢進程。

從 Jupyter Notebooks 打開終端。

從 Github 存儲庫下載并編譯 Vitis AI PYNQ DPU。這是使用 Vitis-AI 升級 PYNQ 的步驟（可能需要大約一個小時才能完成）：

$ git clone --recursive --shallow-submodules https://github.com/Xilinx/DPU-PYNQ.git
$ cd DPU-PYNQ/upgrade
$ make

安裝pynq-dpu python包

pip3 install pynq-dpu

將 pynq-dpu 筆記本下載到您的主文件夾中

cd $PYNQ_JUPYTER_NOTEBOOKS
pynq get-notebooks pynq-dpu -p .

測試 USB 網絡攝像頭功能

連接您的 USB 網絡攝像頭并測試功能。

這里我使用的是 Logitech C170，它是由 PYNQ 自動檢測到的。您可以使用此命令確認這一點。

$ lsusb
Bus 001 Device 004: ID 046d:082b Logitech, Inc. Webcam C170

在 Jupyter 中，打開位于./notebooks/common/usb_webcam.ipynb 的筆記本，您可以運行它來查看您的網絡攝像頭是否正常工作。

現在我們已經驗證了該板功能齊全。現在我們可以編譯來自 Vitis AI Zoo 的 PYNQ DPU 圖像和模型。

準備編譯環境

我們需要安裝 Xilinx Vitis 和 Xilinx Runtime (XRT) 版本 2020.1。對于 Vitis 和 XRT 2020.1，支持的最新操作系統是 Ubuntu 18.04.2 LTS。

不支持 Ubuntu 20.04，我無法成功安裝。因此，我在虛擬機中安裝了所有東西。

在此鏈接下載 Xilinx 運行時 (XRT) 的 .deb 文件

• https://www.xilinx.com/support/download/index.html/content/xilinx/en/downloadNav/embedded-platforms.html

使用此命令安裝它。

sudo apt install ./xrt_202010.2.6.655_18.04-amd64-xrt.deb

接下來，下載將安裝 Vitis 2020.1 的 Xilinx Unified Web 安裝程序。您需要注冊一個 Xilinx 帳戶。按照本網站上的說明進行操作

https://www.xilinx.com/html_docs/xilinx2020_1/vitis_??doc/juk1557377661419.html

將您的 swappiness 設置為較低的值也很有用，因為構建過程使用大量 RAM。它告訴操作系統在換出到硬盤之前使用更多的 RAM。

• https://askubuntu.com/questions/103915/how-do-i-configure-swappiness

要更改系統 swappiness 值，請以 root 身份打開 /etc/sysctl.conf

sudo gedit /etc/sysctl.con

然后，通過添加此行來更改 swappiness。我選擇使用值 1。這意味著系統將使用多達 99% 的 RAM（剩余 1%），然后再將其交換到硬盤。

應用更改。

sudo sysctl -p

現在我們準備編譯...

為 Ultra96-V2 編譯 DPU-PYNQ

我們將密切參考本指南：

• https://github.com/Xilinx/DPU-PYNQ/blob/master/boards/README.md

首先，從 Xilinx DPU-PYNQ 存儲庫中克隆構建文件

git clone --recursive --shallow-submodules https://github.com/Xilinx/DPU-PYNQ.git
cd DPU-PYNQ/boards

我們必須對構建文件進行一些更改，因為最初是在 Vitis 2019.2 中設計的，但現在我們正在使用更新的版本進行編譯。

在boards文件夾中，編輯check_env.sh

搜索2019.2，改成2020.1

也去/vitis-ai-git/DPU-TRD/dpu_ip/dpu_eu_v3_2_0編輯component.xml

搜索2019.2，改成2020.1

最后，如果您想對 DPU IP 配置進行任何更改，請轉到boards/Ultra96/dpu_conf.vh。就我而言，我將內存更改為 RAM_USAGE_HIGH。

我們準備開始編譯！

打開終端并獲取 Xilinx 工具

source /opt/Xilinx/Vitis/2020.1/settings64.sh
source /opt/xilinx/xrt/setup.sh

開始編譯（注：Ultra96和Ultra96-V2使用相同）

$ make BOARD=Ultra96

一段時間后，構建將再次失敗，因為它檢查的是版本2019.2而不是2020.1.

在DPU-PYNQ/boards目錄中查找。這是因為有一個名為 的新文件夾PYNQ-derivative-overlays。構建腳本克隆了另一個名為PYNQ-derivative-overlays. 它負責將 DPU IP 置于 PYNQ 基礎覆蓋之上。

轉到PYNQ-derivative-overlays/dpu/并編輯dpu.tcl

再次從 2019.2 更改為 2020.1

然后繼續制作過程。

$ make BOARD=Ultra96

完成后，您將看到以下文件。這些文件是 PYNQ 的比特流覆蓋。

我會將這些文件上傳到 Juypyter 實例中的一個名為 mymodel 的文件夾中。

在右上角，單擊新建 > 文件夾

然后在文件夾中，單擊上傳并選擇 3 個文件。

從 Vitis Model Zoo 編譯 YoloV3

請注意：模型特定于您編譯的 DPU（即，一種 DPU 配置的模型與另一種不兼容）。例如，這意味著如果您更改編譯時使用的內核數量，您還必須重新編譯模型。

準備 docker 文件

cd DPU-PYNQ/host
mkdir -p docker
cp -rf ../vitis-ai-git/docker_run.sh .
cp -rf ../vitis-ai-git/docker/PROMPT.txt docker
chmod u+x docker_run.sh

安裝泊塢窗

sudo apt install docker -y
sudo groupadd docker
newgrp docker

運行 docker 實例

./docker_run.sh xilinx/vitis-ai-cpu:latest

進入實例后，您可以編譯模型

cp ../boards/Ultra96/dpu.hwh ./
./compile.sh Ultra96 tf_yolov3_voc_416_416_65.63G_1.1

完成后，您將在目錄中看到模型，dpu_tf_yolov3.elf.

也將其上傳到您的 Jupyter 實例。

示例筆記本

在pynq_dpu/dpu_yolo_v3.ipynb有一個示例，它將測試 YoloV3 模型

現在制作一個副本（File > Make a Copy）并修改代碼以指向包含我們自己編譯的比特流和模型的mymodel文件夾

運行所有單元格（單元格 > 運行全部）

驗證圖像分類成功

哇，我們終于準備好申請了！

申請代碼

最后，在所有硬件設置和測試后，我編寫了軟件來創建我自己的Smart Office Hot Desking 應用程序。第二個將利用數據顯示基于座位可用性的儀表板。這是我第一次使用 Xilinx 硬件了解邊緣上的 FPGA 和 AI。因此，剛開始時，我在開發工具和習慣環境方面遇到了最大的困難，因此，我盡我所能詳細展示了設置過程。感謝您一直閱讀到最后！