Alveo U200 および U250 データセンター アクセラレータ カード用のサンプルは、次の手順で実行します。
- Docker コンテナーをロードして実行します。
$./docker_run.sh -X xilinx/vitis-ai-cpu:<x.y.z>
- モデル ディレクトリの vai_lib_u200_u250_models.tar.gz パッケージをダウンロードして、解凍します。
$cd /workspace/Vitis-AI-Library $wget -O vai_lib_u200_u250_models.tar.gz https://www.xilinx.com/bin/public/openDownload?filename=vai_lib_u200_u250_models.tar.gz $sudo tar -xvf vai_lib_u200_u250_models.tar.gz --absolute-names
注記: すべてのモデルは /usr/share/vitis_ai_library/models ディレクトリにダウンロードされます。現在サポートされているネットワークは、classification、facedetect、facelandmark、reid、yolov3 です。 - Collective Knowledge (CK) を使用して Imagenet2012 の最小限の検証セットをダウンロードするには、Alveo サンプル を参照してください。
- 環境を設定します。
$source /workspace/alveo/overlaybins/setup.sh $export LD_LIBRARY_PATH=$HOME/.local/${taget_info}/lib/:$LD_LIBRARY_PATH
-
クラウドの場合 (Alveo U50LV/U55C カード、Versal VCK5000 カード) セクションに従って、Vitis AI ライブラリ全体をコンパイルします。classification イメージのテスト サンプルを実行します。
$HOME/build/build.${taget_info}/${project_name}/test_classification <model_dir> <img_path>
例:
$~/build/build.Ubuntu.18.04.x86_64.Release/Vitis-AI-Library/classification/test_classification inception_v1 <img_path>
- classification 精度のテスト サンプルを実行します。
$HOME/build/build..${taget_info}/${project_name}/test_classification_accuracy <model_dir> <img_dir_path> <output_file>
例:
$~/build/build.Ubuntu.18.04.x86_64.Release/Vitis-AI-Library/classification/test_classification_accuracy inception_v1 <img_dir_path> <output_file>