超级会员免费看
本文介绍了如何在百度EdgeBoard fzu3上使用Vitis AI运行CIFAR_10数据集的DenseNet-121模型进行分类。首先详细阐述了CIFAR_10数据集和DenseNet网络结构，接着描述了从模型下载、Docker环境设置、模型转换和量化，到最终在DPU上部署的完整步骤。Vitis AI的量化过程确保了模型精度，同时支持多种深度学习框架。
在百度edgeboard fzu3上运行CIFAR10 Classification，介绍Vitis AI TensorFlow设计过程，将Python描述的网络模型运行在Xilinx DPU上。
CIFAR_10数据集
输入图片32x32x8 RGB images，完整CIFAR数据集有60k图片，将数据集进行划分，50k进行训练，10k用来验证。
DenseNet结构
DenseNet-121组成：
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zxWB5HX7-1630813493654)(./pic/densenet.png)]](https://i-blog.csdnimg.cn/blog_migrate/8d2734c5dbd877ba73b60d9f2ee19917.png)
注：上图针对ImageNet。
步骤
- 拷贝文件
cp -r /mnt/hgfs/ubuntu/DenseNetX/ ~/
- 下载模型
Vitis AI 1.2版本模型不能下载，使用Vitis AI1.3版本的模型，解压模型keras_model.zip，将k_model
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
