FC2カウンター FPGAの部屋 ”Deploying the Dobble Challenge on the Ultra96-V2”をやってみる1
fc2ブログ

FPGAやCPLDの話題やFPGA用のツールの話題などです。 マニアックです。 日記も書きます。

FPGAの部屋

FPGAの部屋の有用と思われるコンテンツのまとめサイトを作りました。Xilinx ISEの初心者の方には、FPGAリテラシーおよびチュートリアルのページをお勧めいたします。

”Deploying the Dobble Challenge on the Ultra96-V2”をやってみる1

”Training The Dobble Challenge”をやってみる2”の続き。

前回は、 ”Training The Dobble Challenge”の残りを行って、Dobble の画像を増やして学習し、テスト・データでの精度が向上するのを確認できた。
今回は、”Deploying the Dobble Challenge on the Ultra96-V2”をやってみることにする。

なお、書いてないと思うのだが、”Deploying the Dobble Challenge on the Ultra96-V2”をやる前に、スクリプトがあるリポジトリ https://github.com/AlbertaBeef/dobble_classification_on_ultra96v2.git を git clone する必要があった。これが分かるまでに 2 時間くらい悩んでしまった。。。

最初に Vitis-AI を git clone した。
git clone https://github.com/Xilinx/Vitis-AI.git
Dobble_34_210712.png

Vitis-AI に入って、スクリプトがあるリポジトリを git clone した。
cd Vitis-AI
git clone https://github.com/AlbertaBeef/dobble_classification_on_ultra96v2.git

Dobble_35_210712.png

Vitis-AI/dobble_classification_on_ultra96v2/files のファイルを示す。スクリプトが並んでいる。
Dobble_36_210712.png

docker 仕様の Vitis-AI を起動する。
./docker_run.sh xilinx/vitis-ai:1.3.411
Dobble_37_210712.png

ライセンスに聞かれるが Enter キーを押していく。
Dobble_38_210712.png

この後、初回では、パッケージをダウンロードしまくった。
Vitis-AI が起動した。
Dobble_39_210712.png

/workspace/dobble_classification_on_ultra96v2/files ディレクトリに cd した。
ファイルが見える。
Dobble_40_210712.png

環境を設定するスクリプトの 0_setenv.sh を実行した。
source 0_setenv.sh
Dobble_41_210712.png

次の学習はパスして、学習済みモデルを使用することにした。
keras_model.zip に学習済みモデルが入っている。
Dobble_42_210712.png

/workspace/dobble_classification_on_ultra96v2/files/build/keras_model ディレクトリに dobble_model.h5 を入れた。
Dobble_43_210712.png

Keras のモデルから TensorFlow互換のフリーズグラフに変換する。
Vitis-AI で取り扱うには、TensorFlow互換のフリーズグラフにする必要があるそうだ。
source ./2_keras2tf.sh
Dobble_44_210712.png
Dobble_45_210712.png

/workspace/dobble_classification_on_ultra96v2/files/build/freeze ディレクトリに frozen_graph.pb が生成された。
Dobble_46_210712.png

TensorFlow互換のフリーズグラフを評価する前に””The Dobble Challenge”をやってみる2”で書いた dobble_dataset ディレクトリを dobble_classification_on_ultra96v2/files ディレクトリにコピーした。
Dobble_47_210712.png

TensorFlow互換のフリーズグラフを評価する。
source ./3_eval_frozen.sh
Dobble_48_210712.png
Dobble_49_210712.png

モデルの精度は 99.42 % だったようだ。精度が高い。

ログを貼っておく。

(vitis-ai-tensorflow) Vitis-AI /workspace/dobble_classification_on_ultra96v2/files > source ./3_eval_frozen.sh
-----------------------------------------
EVALUATING THE FROZEN GRAPH..
-----------------------------------------
Using TensorFlow backend.
100% (12 of 12) |########################| Elapsed Time: 0:00:10 Time:  0:00:10

------------------------------------
TensorFlow version :  1.15.2
3.6.12 |Anaconda, Inc.| (default, Sep  8 2020, 23:10:56) 
[GCC 7.3.0]
------------------------------------
Command line options:
 --graph      :  ./build/freeze/frozen_graph.pb
 --input_node :  conv2d_1_input
 --output_node:  activation_2/Softmax
 --batchsize  :  100
 --gpu        :  0
------------------------------------


TEST DATA SETS:
Shape of test data (X) is : (1267, 224, 224, 3)
Shape of test data (y) is : (1267, 58)
Graph accuracy with validation dataset: 0.9942
-----------------------------------------
EVALUATION COMPLETED
-----------------------------------------

  1. 2021年07月13日 04:01 |
  2. Vitis-AI
  3. | トラックバック:0
  4. | コメント:0

コメント

コメントの投稿


管理者にだけ表示を許可する

トラックバック URL
https://marsee101.blog.fc2.com/tb.php/5293-bdff1056
この記事にトラックバックする(FC2ブログユーザー)