Vitis AI 加速 GMSL 摄像头人脸检测 - 第四部分
DPU加速器创建
本教程中使用的 Vitis 加速器构建流程采用基本平台，利用 FPGA 加速器的各种赛灵思对象 (.xo) 文件中的链接，生成最终的 FPGA 二进制文件 (.xclbin)。本教程在 DPU 上使用单个 .xo。构建 DPU 加速器请运行
make repos/Vitis-AI/DPU-TRD/prj/Vitis/binary_container_1/dpu.xo
目标如下所示
第一步是将 dpu/dpu_conf.vh 复制到构建目录中。此文件包含 DPU IP 所需的配置。该文件已存在于 Vitis-AI 存储库中，但出于演示目的，本教程构建了不同的配置。该设计具体采用了 B2304 配置，而其他一切均为默认配置。
第二步是使用 Vitis-AI 存储库中提供的生成文件构建 dpu.xo。
Vitis 平台创建
下一个构建步骤是创建 Vitis 平台。Vitis 平台包含先前构建的基础 Vivado 项目和来自 Petalinux 项目的各种组件，例如引导文件、Linux 镜像和 sysroot。要创建 Vitis 平台，请运行以下命令:
source
make vitis_platform_workspace/vitis_ai_multicam_plat/export/vitis_ai_multicam_plat/vitis_ai_multicam_plat.xpfm
目标如下所示
主要任务是使用赛灵思软件命令行工具 (xsct) 获取 scripts/build_vitis_platform.tcl。如下所示
该脚本执行多项 Vitis 命令。首先，基于前面步骤中的 .xsa 文件创建一个平台项目。注意，此设计使用 Petalinux 构建应用程序。如果首选在 Vitis 本身中构建应用程序，那么应该将 -sysroot 标志添加到域创建调用中，以便应用程序将针对定制的 rootfs 进行构建。然后创建一个 Linux 域，指向 petalinux 构建中的 linux 镜像。为域设置一些附加属性，然后生成平台以创建 .xpfm 文件。
将 dpu.xo 文件与基本平台链接，以创建最终的 FPGA 二进制文件 (.xclbin)，使用以下命令
make repos/Vitis-AI/DPU-TRD/prj/Vitis/binary_container_1/dpu.xclbin
调用 Vitis v++，如下所示
该步骤将 dpu/prj_config 文件作为输入，通知 Vitis 如何将 DPU 加速器连接到平台的其余部分
时钟的 freqHz 属性与时钟向导的实际输出频率相匹配。根据块设计中的 sptag 属性进行连接。
模型编译
下一步是构建神经网络自身的模型。这涉及到（在工具 docker 容器内）调用Vitis-AI dlet 命令来生成 DPU 配置文件 (DCF)，然后为本教程中使用的特定模型（密集盒）生成 DPU 可执行文件。利用以下命令来构建
make repos/Vitis-AI/Rebuild-Model-Zoo/compiled_output/cf_densebox_wider_360_640_1.11G/dpu_densebox.elf
由于现有的 Vitis-AI 库组织方式，该 make 目标准备文件结构以便于调用 docker 容器内的事物的方式较为繁杂
第一个任务是从 Vivado 项目中的 system.hdf 中提取 hwh 文件。Vitis AI 工具使用此文件来解析有关 DPU 配置的各种信息。该文件是创建 DCF 的 DLet Vitis-AI 工具的输入项。
接下来，将 scripts/launch_docker.sh 复制到 Vitis-AI 库中。该文件类似于 Vitis-AI 库附带的 repos/Vitis-AI/docker_run.sh，只是稍微修改为
- 添加 -d switch 在后台运行 docker 容器
- 添加 --name model_builder 开关，以便过后能够与其连接并在 docker 容器内执行命令
scripts/build_model.sh 也被复制到 Vitis-AI 库中。这个脚本实际上是在 docker 容器中执行的
该脚本首先设置 Vitis-AI 工具环境，调用 dlet，然后运行 scripts/rebuild-model-zoo.py。build-model-zoo.py 调用 vai_c_caffe 生成 DPU 可执行文件。
现在目录结构已确认正确，将执行 launch_docker.sh 来启动 docker 容器。然后在该容器中执行 build model.sh。最后，停止 docker 容器，并清理外来文件。
SD卡镜像
生成文件的最后一步是将所有必要的二进制文件复制到 sd_card 目录。
make sd_card
Bootgen 也在这个步骤中调用来创建最终的 BOOT.BIN，其中包含由Vitis v++创建的比特流。
演示
要运行演示，请遵循“快速入门”章节中从“准备SD卡”开始的步骤。
小结
本教程展示了构建加速实时摄像头流上实时神经网络处理的自定义 Vitis AI 平台所需的所有步骤。从 FPGA 平台设计开始，展示了启用 DPU 加速器的特殊注意事项。而后对软件设计做出阐释，以强调在 Linux 中启用 DPU 接口所需的步骤。 最后，Vitis 平台开发，并与 Vitis AI 的 DPU 可执行输出集成以完成设计。完成本教程后，系统设计人员将具备利用 Xilinx 独特的机器学习加速技术在定制设计中进行部署所需的所有技能。
