# HOW_to_Use_KV260_Deploy_YOLO_Application

**Repository Path**: Shi_Calvin/how_to_use_kv260_deploy_yolo_application

## Basic Information

- **Project Name**: HOW_to_Use_KV260_Deploy_YOLO_Application
- **Description**: 使用KV260板部署YOLO应用的实践过程
- **Primary Language**: 其他
- **License**: LGPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 4
- **Forks**: 2
- **Created**: 2024-10-16
- **Last Updated**: 2025-12-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# HOW_to_Use_KV260_Deploy_YOLO_application

#### 介绍
使用KV260板部署YOLO应用的实践过程

#
# KV260部署一个yolo的过程.md
# 介绍
## 目前KV260 AI-model支持 
   - IVS_XCLASS_YOLOV3
   - IVS_XCLASS_FACEDETECT
   - IVS_XCLASS_CLASSFICATION
   - IVS_XCLASS_SSD
   - IVS_XCLASS_REID
   - IVS_XCLASS_REFINEDET
   - IVS_XCLASS_TFSSD
   - IVS_XCLASS_YOLOV2
   - IVS_XCLASS_NOTFOUND
## 我的配置
    VMware虚拟机 ，Docker Image Version:  1.4.1.978 ，Vitis AI Git Hash:  9f3d6db ，Ubuntu 18.04.6 LTS 


#
# 准备一个模型
### AI软件工程师负责

-  1. 准备一个训练好的模型 - 这个步骤是普通的AI模型
    - 注意事项 
        - 1:  如果自己训练需要保证环境兼容，已知Vitis AI DOCKER在CUDA11下是有问题的。
                可以不用在docker里做编译
        - 2： 模型的算子需要被DPU支持
                查一下B站文章
        - 3： DK模型不能直接使用，它需要被转换，具体转换参考Vitis官方手册和教程
- 2. 训练好模型之后，我们需要去剪枝和量化模型
    - 注意事项
        - 1： 对于KV260而言，30G左右的模型是能够流畅运行的极限了，所以模型剪枝的越小，系统就越流 畅。如果不剪枝的话，对于YOLO模型来说，就会很慢。
- 3. 需要使用Vitis AI的工具去量化模型
    - 注意事项
        - 1： Vitis的量化器，效果并不是特别好，可以自己量化一遍再给Vitis量化器来使用。

### 从量化好的模型转换到Xmodel的文件
- 重要参考工具文献：
    1.4 UG1354 Vitis AI Library User Guide
- 包含介绍、安装、库和例子、编程实例
- 注意事项：
    - 不同版本的代码又可能不兼容 
- AI library API的框图
![AI library API] （C:\kv260_SoM\KV260_YOLO\AI library API.png)

1. 对于KV260的example而言，我们使用的是API_1, API_1一般情况下，不知需要Xmodel，还需要其他文件，一般情况是需要protext 和 label.json 。其中，有些文件需要用户自己生成。所以我们在部署YOLO时，也要准备对应文件。

2. 可以从Model Zoo获得对应的量化后的模型。

3. 量化后的模型需要在Vitis AI docker中进行编译。
    -

/opt/Xilinx/share/vitis_ai_library/models/kv260-smartcam/yolov2-voc/
    --yolov2_voc.xmodel
    --yolov2_voc.prototxt
    --label.json
/opt/Xilinx/share/ivas/smartcam/new_yolov3
    --preprocess.json
    --drawresult.json
    --aiinference.json