开发者分享|Multi-Scaler IP 的 Linux 示例以及 Debug (上)

部署运行你感兴趣的模型镜像
关注、星标公众号,精彩内容每日送达
来源:网络素材

AMD Vivado™ Design Tool 工程:

  1. 打开 Vivado 2022.2,按照 PG325 -> ch.6 Example Design 的步骤,打开 Multi-scaler 的 Example,步骤如下:

To open the example project, perform the following:

Select the Video Multi-Scaler IP from the Vivado IP catalog.

Double-click the selected IP or right-click the IP and select Customize IP from the menu.

Configure the build-time parameters in the Customize IP window and click OK. The Vivado IDE generates an example design matching the build-time configuration.

In the Generate Output Products window, select Generate or Skip. If Generate is selected, the IP output products are generated after a brief moment.

Right-click Video Multi-Scaler in the Sources panel, and select Open IP Example Design from the menu.

In the Open IP Example Design window, select example project directory, and click OK.

  1. Example 工程打开之后,在 BD 工程里加入 AXI GPIO IP 和 Slice,加入 AXI GPIO 和 Slice 是为了替换 PS GPIO EMIO。AXI GPIO 和 Slice IP 配置如下:

c462f800041a8e4413ec18133b6fca41.pngc1b86d3916b6dc2ca76f459784766b16.png
  1. 删除原先 GPIO EMIO 到 Multi-Scaler IP 的 Reset 连线。把 AXI GPIO 和 Slice 直接连接到 Multi-Scaler IP 的Reset 管脚,如下:

2f1c6e9970838452988f15fa71d8bb54.png
  1. 或者打开 Vivado 2022.2 GUI 界面,确保重建 BD 工程的 Tcl 文件”multi_scaler_22_2.tcl”在当前路径下,然后运行”source ./multi_scaler_22_2.tcl”,重建 BD 工程,如下所示:

2457442e458156e0b649a88d292dd32d.png
  1. 当 BD 工程建好之后,选中 BD 文件,按右键,选择”Create HDL Wrapper”。

eea3407a39c797c8731a1a7cb34f5414.png
  1. 在“Create HDL Wrapper”对话框中,选择”Let Vivado manage wrapper and auto-update”,如下:

39f97f49a3ad2139f4cbf3c4761e7966.png
  1. 然后点击“Generate Bitstream”。

e333537313a9a3abfb54badab17ead65.png
  1. Bitstream 成功生成后,选择 File -> Export -> Export Hardware。

75afb92846d091b86bdcd27ec873a1e8.png
  1. 选择“Next”。

5abf1ad04bd8aecb74d28a830f9bc951.png
  1. 选择“Include Bitstream”。

7c996113c61b84f33a1e6c585d5df992.png
  1. 选择“Export XSA”的路径。

830bbe8e42aedeaeb8f73d9e2088a69c.pngbef0ac052ddd71084f518fe3542aefc0.jpeg

想要了解FPGA吗?这里有实例分享,ZYNQ设计,关注我们的公众号,探索

您可能感兴趣的与本文相关的镜像

EmotiVoice

EmotiVoice

AI应用

EmotiVoice是由网易有道AI算法团队开源的一块国产TTS语音合成引擎,支持中英文双语,包含2000多种不同的音色,以及特色的情感合成功能,支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。

### 解决 'Unable to write: No space left on device (28)' 错误 此错误表明磁盘空间不足,导致无法写入数据。可通过以下方法解决: - **清理磁盘空间**:删除不再需要的文件,例如日志文件、临时文件、旧的备份等。可以使用系统自带的磁盘清理工具,或者手动删除一些大文件。在Linux系统中,可以使用`du`和`df`命令来查找和清理大文件。例如,使用`du -sh /*`查看各个目录的大小,然后删除不必要的大文件。 ```bash du -sh /* ``` - **扩展磁盘容量**:如果磁盘空间确实不够用,可以考虑扩展磁盘容量。对于云服务器,可以增加磁盘大小;对于本地服务器,可以更换更大容量的硬盘。 - **调整存储位置**:将数据存储到其他有足够空间的磁盘或分区。可以修改RunUMAP函数的输出路径,指向有足够空间的位置。 ### 解决 'search_k/n_trees settings were unable to find 30 neighbors for all items' 错误 该错误意味着UMAP算法在当前的`search_k`和`n_trees`设置下,无法为所有数据点找到30个邻居。可以尝试以下解决方法: - **调整`search_k`和`n_trees`参数**:增大`search_k`和`n_trees`的值,以增加搜索的范围和深度,提高找到邻居的概率。例如: ```python import umap import numpy as np # 示例数据 data = np.random.rand(100, 10) # 调整search_k和n_trees参数 umap_model = umap.UMAP(n_neighbors=30, search_k=500, n_trees=20) transformed_data = umap_model.fit_transform(data) ``` - **检查数据质量**:确保输入的数据没有缺失值或异常值。可以对数据进行预处理,如去除缺失值、标准化数据等。 ```python import pandas as pd import numpy as np from sklearn.preprocessing import StandardScaler # 示例数据 data = pd.DataFrame(np.random.rand(100, 10)) # 去除缺失值 data = data.dropna() # 标准化数据 scaler = StandardScaler() scaled_data = scaler.fit_transform(data) ``` - **增加数据量**:如果数据量过少,可能无法找到足够的邻居。可以尝试增加数据量,或者使用数据增强技术来扩充数据。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值