使用ZYNQ7010安装PYNQ，基于PaddleLite实现目标检测+图片分类
目前只使用HPS实现了目标检测和图片分类，现在正在尝试使用HS端加速卷积，，，
步骤一、烧录PYNQ镜像到TF卡
略
步骤二、ssh链接至开发板，使用apt-get安装依赖
sudo apt-get update && sudo apt-get install git curl -y && sudo apt-get install gcc g++ make wget unzip libopencv-dev pkg-config screen -y && sudo apt-get upgrade -y
步骤三、克隆PaddleLite仓库
sudo git clone https://gitee.com/wowowoll/Paddle-Lite-Demo
步骤四、进入仓库并下载依赖
cd Paddle-Lite-Demo/PaddleLite-armlinux-demo/ && sudo sh download_models_and_libs.sh && cd object_detection_demo
步骤五、安装依赖
apt-get install -y --no-install-recommends gcc g++ make wget python unzip patchelf python-dev
步骤六、修改配置文件
修改run.sh，将第四行前面加上#，第五行的#去掉，修改后效果： #TARGET_ARCH_ABI=armv8 # for RK3399, set to default arch abi TARGET_ARCH_ABI=armv7hf # for Raspberry Pi 3B 修改object_detection_demo.cc，在include的最后一行加上 #include <fstream> using namespace std;
步骤七、编译运行
sh run.sh
如图是目标检测Demo的运行结果
接下来是图片分类Demo
然后是Yolo Demo
出乎意料的是，只使用ZYNQ7010的HPS进行预测，速度就已经很快了，你猜猜我是跟哪个FPGA做比较的？嘿嘿
而且ZYNQ7010只要二三百块钱就能买一块。。。如果接受矿板，一百块钱就可以搞一个。
查手册一看，原来是ZYNQ7000系列的ARM核带有NEON/FPU，真香~
第二部分：FPGA加速CONV
暂无
