本文及后续更新都会放在个人主页~ 欢迎来看看
https://lgyserver.top/index.php/2023/05/08/xilinx-vitis-ai%e9%87%8f%e5%8c%96%e9%83%a8%e7%bd%b2yolov5%e8%87%b3dpu-pynq/

概要

本文章记述了从YOLOv5源代码使用Xilinx Vitis AI进行量化并部署到DPU上的全流程。在开Pynq环境下运行测试通过。

环境

主机: Ubuntu 22.04 + Vivado 2022.2 + Vitis AI 2.5.0 （使用Docker安装）+ CUDA 11.3

开发板：Xilinx Kria KV260 + Pynq 3.0 + DPU Pynq 2.5.1

版本是很重要的！
本代码使用Pynq作为程序界面，因此DPU-PYNQ的版本支持性决定了大多数的版本需求。Ubuntu和Vivado的版本一般来讲没有关系，但要注意Vivado是否支持Kria的芯片型号。截止本文发文时，DPU-PYNQ的包版本为2.5.1，在官方描述中只支持到Vitis
AI 2.5.0 和Pynq 3.0。笔者经过测试发现在最新的Vitis AI
3.0.0量化编译出来的xmodel没有办法被DPU-PYNQ调用，具体体现为python kernel直接挂掉且没有报错信息，Vitis AI 2.5.0就没有这个问题。

量化模型

在如下Vitis AI的Github官方仓库中有很多模型的运行表现，并有很多已经量化好的模型供测试，位于model zoo文件夹下，并且官方对常见的模型进行了benchmark，使用方法详见文档。

再开始之前，我们要先clone一下Vitis AI的仓库，下面的操作都是在Vitis AI仓库的根目录执行的

git clone Xilinx/Vitis-AI

安装Vitis AI环境

先给出官方文档，比较推荐的方式是采用Docker安装。

如果你只想安装一个CPU版本的Vitis AI用于编译用途，事情就简单了，Xilinx为CPU平台已经构建了Docker Image, 在Ubuntu安装好Docker后直接运行以下指令就好了（安装Docker的方式请参阅网上其他教程）：

docker pull xilinx/vitis-ai-<Framework>-<Arch>:<Version>

其中，预构建支持的Framework和Arch如下：

Desired Docker	Framework	Arch
PyTorch cpu-only	pytorch	cpu
TensorFlow 2 cpu-only	tensorflow2	cpu
TensorFlow 1.15 cpu-only	tensorflow	cpu
PyTorch ROCm	pytorch	rocm
TensorFlow 2 ROCm	tensorflow2	rocm
PyTorch with AI Optimizer ROCm	opt-pytorch	rocm
TF2 with AI Optimizer ROCm	opt-tensorflow2	rocm

注意这里的Version一定要考虑其他依赖支不支持这个版本的Vitis AI，别上来直接latest。本文中拉取Pytorch的CPU版镜像（2.5.0）用于编译，运行

docker pull xilinx/vitis-ai-pytorch-cpu:2.5.0

但是，如果你想使用起来电脑上NVIDIA GPU的CUDA核，就要采取一些复杂的操作了，需要用Xilinx的Dockerfile构建自己的镜像。可以参见这里的官方文档。（可能需要修改Dockerfile适应中国大陆网络）

进入Vitis AI根目录，修改一下docker_run.sh

找到docker_run_params , 删掉不存在的挂载参数

    # -v /opt/xilinx/dsa:/opt/xilinx/dsa \
    # -v /opt/xilinx/overlaybins:/opt/xilinx/overlaybins \

执行下面指令即可进入Vitis AI环境：

./docker_run.sh xilinx/vitis-ai-pytorch-cpu:latest

如果你没有修改过其他参数，那么Docker内的/workspace目录就是主机的Vitis-AI仓库根目录。

量化编译yolov5

该部分可参考UG1414文档。大体流程如下：

首先克隆原始的Yolov5仓库，这里用的是ultralytics/yolov5，虽然ultralytics/ultralytics也有yolov5，但因为增加了很多训练trick，导致源代码比较难修改，故采用前者。

克隆完后，安装所需要的依赖

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

修改模型

关于yolov5模型结构的介绍有很多，在此不一一介绍，一个比较显著的特点是，yolov5调整了激活函数，由ReLU改为了SiLU，但SiLU函数是不被DPU支持的，因此在训练之前，需要把激活函数换成ReLU或者LeakyReLU，找到yolov5仓库下的models文件夹，修改目标网络的yaml文件，加上以下文字：

act: nn.ReLU()

训练&finetune

可以参考yolov5仓库下的说明文档，在其他机器上训练好或者finetune好导出成pytorch的pt文件即可。

量化

模型的量化可以参考Vitis-AI给出的demo, 可以看到量化分为calib和test两步，calib负责生成模型校准信息，test负责量化后xmodel的导出。

量化之前，需要对yolov5的代码再做一点修改，官方文档中指出量化模型应该仅包含forward方法，但在yolov5的源文件中（models/yolo.py），可以看到以下代码

    def forward(self, x):
        z = []  # inference output
        for i in range(self.nl):
            x[i] = self.m[i](x[i])  # conv
            bs, _, ny, nx = x[i].shape  # x(bs,255,20,20) to x(bs,3,20,20,85)
            x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous()

            if not self.training:  # inference
                if self.dynamic or self.grid[i].shape[2:4] != x[i].shape[2:4]:
                    self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i)

                if isinstance(self, Segment):  # (boxes + masks)
                    xy, wh, conf, mask = x[i].split((2, 2, self.nc + 1, self.no - self.nc - 5), 4)
                    xy = (xy.sigmoid() * 2 + self.grid[i]) * self.stride[i]  # xy
                    wh = (wh.sigmoid() * 2) ** 2 * self.anchor_grid[i]  # wh
                    y = torch.cat((xy, wh, conf.sigmoid(), mask), 4)
                else:  # Detect (boxes only)
                    xy, wh, conf = x[i].sigmoid().split((2, 2, self.nc + 1), 4)
                    xy = (xy * 2 + self.grid[i]) * self.stride[i]  # xy
                    wh = (wh * 2) ** 2 * self.anchor_grid[i]  # wh
                    y = torch.cat((xy, wh, conf), 4)
                z.append(y.view(bs, self.na * nx * ny, self.no))

        return x if self.training else (torch.cat(z, 1),) if self.export else (torch.cat(z, 1), x)

这段代码在inference的时候，将预测的xy相对位置加上了grid坐标乘以stride来映射回原图，返回一个检测头的输出。但在这些步骤应该属于后处理的一部分，在量化的时候需要删掉，仅仅保留最纯正的网络输出x就可以了。

def forward(self, x):
        z = []  # inference output
        for i in range(self.nl):
            x[i] = self.m[i](x[i])  # conv
            bs, _, ny, nx = x[i].shape  # x(bs,255,20,20) to x(bs,3,20,20,85)
            if self.grid[i].shape[2:4] != x[i].shape[2:4]:
                self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i)
        return x

修改完后就可以开始写量化程序了，调用vai_q_pytorch的包可以很轻松的完成这一点，

import os
import sys
import argparse
import random
import torch
import torchvision
import torch.nn as nn
import torch.nn.functional as F
from pytorch_nndct.apis import torch_quantizer, dump_xmodel
from common import *

from models.common import DetectMultiBackend
from models.yolo import Model

DIVIDER = '-----------------------------------------'

def quantize(build_dir,quant_mode,batchsize):

  dset_dir = build_dir + '/dataset'
  float_model = build_dir + '/float_model'
  quant_model = build_dir + '/quant_model'

  # use GPU if available   
  if (torch.cuda.device_count() > 0):
    print('You have',torch.cuda.device_count(),'CUDA devices available')
    for i in range(torch.cuda.device_count()):
      print(' Device',str(i),': ',torch.cuda.get_device_name(i))
    print('Selecting device 0..')
    device = torch.device('cuda:0')
  else:
    print('No CUDA devices available..selecting CPU')
    device = torch.device('cpu')

  # load trained model
  model = DetectMultiBackend("./v5n_ReLU_best.pt", device=device)

  # force to merge BN with CONV for better quantization accuracy
  optimize = 1

  # override batchsize if in test mode
  if (quant_mode=='test'):
    batchsize = 1
  
  rand_in = torch.randn([batchsize, 3, 960, 960])
  quantizer = torch_quantizer(quant_mode, model, (rand_in), output_dir=quant_model) 
  quantized_model = quantizer.quant_model

  # create a Data Loader
  test_dataset = CustomDataset('../../train/JPEGImages',transform=test_transform)

  test_loader = torch.utils.data.DataLoader(test_dataset,
                                            batch_size=batchsize, 
                                            shuffle=False)

  t_loader = torch.utils.data.DataLoader(test_dataset,
                                            batch_size=1 if quant_mode == 'test' else 10, 
                                            shuffle=False)

  # evaluate 
  test(quantized_model, device, t_loader)

  # export config
  if quant_mode == 'calib':
    quantizer.export_quant_config()
  if quant_mode == 'test':
    quantizer.export_xmodel(deploy_check=False, output_dir=quant_model)
  
  return

def run_main():

  # construct the argument parser and parse the arguments
  ap = argparse.ArgumentParser()
  ap.add_argument('-d',  '--build_dir',  type=str, default='build',    help='Path to build folder. Default is build')
  ap.add_argument('-q',  '--quant_mode', type=str, default='calib',    choices=['calib','test'], help='Quantization mode (calib or test). Default is calib')
  ap.add_argument('-b',  '--batchsize',  type=int, default=50,        help='Testing batchsize - must be an integer. Default is 100')
  args = ap.parse_args()

  print('\n'+DIVIDER)
  print('PyTorch version : ',torch.__version__)
  print(sys.version)
  print(DIVIDER)
  print(' Command line options:')
  print ('--build_dir    : ',args.build_dir)
  print ('--quant_mode   : ',args.quant_mode)
  print ('--batchsize    : ',args.batchsize)
  print(DIVIDER)

  quantize(args.build_dir,args.quant_mode,args.batchsize)

  return

if __name__ == '__main__':
    run_main()

量化的代码里面，调用了torch_quantizer来进行量化，量化后的模型一定要用数据集运行一遍（evaluate），可以是没有标签的纯图片，因为这些图片仅用于校准量化参数，不进行反向传播。

执行python文件来生成量化配置

python quantize.py -q calib

关注在此期间产生的Warning，比如未能识别的OP，这都是导致后面需要DPU分子图执行的原因。此时build/quant_model已经有生成的py了，需要接着运行test来生成xmodel

python quantize.py -q test -b 1

有了这个xmodel，我们需要用xilinx提供的compiler去把这个xmodel编译成DPU支持的，基于XIR的xmodel，运行如下指令：

vai_c_xir -x ./build/quant_model/DetectMultiBackend_int.xmodel -a /opt/vitis_ai/compiler/arch/DPUCZDX8G/KV260/arch.json -o ./ -n my_model

不知道是不是因为我安装的问题，我编译的GPU版本Vitis AI Docker找不到vai_c_xir这条指令，因此我使用GPU的Vitis AI量化生成xmodel以后，用CPU的预构建Docker来生成的最终xmodel

注意观察最终出来的DPU subgraph number是不是1，不是1的话请检查你的模型是不是有DPU不支持的OP，在遇到不支持的OP的时候，DPU会分为多个子图执行，由PS处理完后再发送给DPU，拖慢效率。生成的xmodel可以用netron查看网络输入输出结构。

仔细查看你的模型结构！
一定要用netron查看网络输入输出结构，这点非常重要，因为输出以后的xmodel是一个量化模型，和原模型直接python跑不一样，在上板子部署的过程中需要将输入图片量化，并将量化输出转为浮点后再进行NMS等后处理流程。

我采用了自己训练的12分类的yolov5n模型，观察upload节点的输入如下图：

也就是说，输入图片是一个xint8的定点数，小数点在第6位，size是1960960*3。

有了生成的xmodel，模型部分的任务就结束了，接下来要进行部署

部署

部署前准备

首先我们需要一个DPU Design 的 Hardware，可以用Vivado手动Block Design搭一个，不过这会牵扯到很多麻烦的地址设置，我会另写文章单独讲，在这里我们简单用一下Xilinx搭建的标准DPU Hardware，在DPU-PYNQ仓库的boards文件夹下就有。根据README构建Design，需要安装xrt和Vitis。官方的脚本写的比较死板，只认2022.1的版本，可以编辑check_env.sh绕过检查

cd DPU-PYNQ/boards
source <vitis-install-path>/Vitis/2022.2/settings64.sh
source <xrt-install-path>/xilinx/xrt/setup.sh
make BOARD=kv260_som

我在综合的时候出现了timing不符合的错误，导致综合失败，我的解决方法是更换综合Strategy，修改/prj_config，[vivado]部分的最下面增加prop=run.impl_1.strategy=Performance_Explore，可以综合成功，不知道原来哪里出了问题。

脚本运行完后，会生成三个文件

dpu.bit
dpu.hwh
dpu.xclbin

再加上之前生成的

my_model.xmodel

需要的文件都准备完成，接下来可以在pynq上进行部署。

安装DPU-PYNQ

配置好PYNQ环境后，需要单独安装DPU-PYNQ，这是一个包，提供了控制DPU的Python接口，位于下面的仓库中

可以直接通过pip安装

pip install pynq-dpu --no-build-isolation
cd $PYNQ_JUPYTER_NOTEBOOKS
pynq get-notebooks pynq-dpu -p .

运行后就可以使用pynq_dpu包了，并且会出现使用pynq_dpu的示例文件。

部署Yolov5

终于来到了激动人心的部署环节！为了让模型能运行起来，在ps需要做的是

部署DPU overlay，加载模型
前处理 + 量化输入
运行DPU推理
反量化输出 + 后处理
我们将一个个解决这些问题。

首先引入pynq-dpu包，这个包是针对pynq的封装，DpuOverlay是继承了Pynq Overlay的

from pynq_dpu import DpuOverlay
overlay = DpuOverlay("yolo5.bit")
overlay.load_model("yolo5.xmodel")

几个需要注意的点：

DpuOverlay的参数需要是bit文件，并且在同一路径下应该有同名的.xclbin和.hwh文件
编译生成的xmodel需要是上文vai_c_xir生成的xmodel，用test阶段生成的xmodel没用，且对于pynq-dpu来说，目前仅支持Vitis AI 2.5.0生成的xmodel。高版本编译生成的xmodel会导致notebook内核挂起。

然后定义输入输出的缓冲区：

dpu = overlay.runner
inputTensors = dpu.get_input_tensors()
outputTensors = dpu.get_output_tensors()

shapeIn = tuple(inputTensors[0].dims)
shapeOut0 = (tuple(outputTensors[0].dims))
shapeOut1 = (tuple(outputTensors[1].dims))
shapeOut2 = (tuple(outputTensors[2].dims))

outputSize0 = int(outputTensors[0].get_data_size() / shapeIn[0])
outputSize1 = int(outputTensors[1].get_data_size() / shapeIn[0])
outputSize2 = int(outputTensors[2].get_data_size() / shapeIn[0])

input_data = [np.empty(shapeIn, dtype=np.int8, order="C")]
output_data = [np.empty(shapeOut0, dtype=np.int8, order="C"), 
               np.empty(shapeOut1, dtype=np.int8, order="C"),
               np.empty(shapeOut2, dtype=np.int8, order="C")]
image = input_data[0]

在上面的代码中，outputTensors的大小应该和Netron中的一致。在本文中是1*120*120*36，1*60*60*36和1*30*30*36，对应yolov5-nano的三个检测头。

在netron中，DPU计算后输出的outputTensors表示为download节点的数据类型，不是最后节点中的fix2float后的类型，这一步需要在cpu上自己做，如下图。

然后可以根据原来的全精度模型的推理代码写出DPU版本的推理代码，首先要对输入图像进行前处理。yolov5的输入是归一化后的像素值，且大小恒定，因此我们用原始代码中的letterbox进行大小裁剪后在对其进行归一化，然后对其进行int8量化。

im0 = cv2.imread('a.jpg')
im = letterbox(im0, new_shape=(960,960), stride=32)[0]  # padded resize
im = im.transpose((2, 0, 1))  # HWC to CHW
im = np.ascontiguousarray(im)  # contiguous
im = np.transpose(im,(1, 2, 0)).astype(np.float32) / 255 * (2**6) # norm & quant
if len(im.shape) == 3:
            im = im[None]  # expand for batch dim

在这段代码中，将图片进行padding后转置（opencv的通道和torch的通道位置不一样），并在最后一步/255归一化后*2^6，为什么是6次方呢？这时候就要用到图里的信息，上面贴过upload节点的数据，小数点是第六位的，因此是6次方，这里需要根据你的模型自己调整。

接下来将处理后的图像reshape成DPU input shape后送入DPU执行就可以了

image[0,...] = im.reshape(shapeIn[1:])
job_id = dpu.execute_async(input_data, output_data) # image below is input_data[0]
dpu.wait(job_id)

执行完毕后还需要对DPU结果进行反量化和整形，回顾一下在量化过程中的原始代码

    def forward(self, x):
        z = []  # inference output
        for i in range(self.nl):
            x[i] = self.m[i](x[i])  # conv
            bs, _, ny, nx = x[i].shape  # x(bs,255,20,20) to x(bs,3,20,20,85)
            x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous()

            if not self.training:  # inference
                if self.dynamic or self.grid[i].shape[2:4] != x[i].shape[2:4]:
                    self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i)

                if isinstance(self, Segment):  # (boxes + masks)
                    xy, wh, conf, mask = x[i].split((2, 2, self.nc + 1, self.no - self.nc - 5), 4)
                    xy = (xy.sigmoid() * 2 + self.grid[i]) * self.stride[i]  # xy
                    wh = (wh.sigmoid() * 2) ** 2 * self.anchor_grid[i]  # wh
                    y = torch.cat((xy, wh, conf.sigmoid(), mask), 4)
                else:  # Detect (boxes only)
                    xy, wh, conf = x[i].sigmoid().split((2, 2, self.nc + 1), 4)
                    xy = (xy * 2 + self.grid[i]) * self.stride[i]  # xy
                    wh = (wh * 2) ** 2 * self.anchor_grid[i]  # wh
                    y = torch.cat((xy, wh, conf), 4)
                z.append(y.view(bs, self.na * nx * ny, self.no))

        return x if self.training else (torch.cat(z, 1),) if self.export else (torch.cat(z, 1), x)

DPU的输出其实是模型输出，也就是x[i] = self.m[i]的这一部分输出，下面的reshape部分(x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2))我们要自己补一下。

对于本模型的1*120*120*32的检测头，在yolov5后处理部分接受的数据是1*3*120*120*12的，因此需要先把32的维度提上来，进行拆分后再把12的部分转回去。

conv_out0 = np.transpose(output_data[0].astype(np.float32) / 4, (0, 3, 1, 2)).view(1, 3, 12, 120, 120).transpose(0, 1, 3, 4, 2)
conv_out1 = np.transpose(output_data[1].astype(np.float32) / 8, (0, 3, 1, 2)).view(1, 3, 12, 60, 60).transpose(0, 1, 3, 4, 2)
conv_out2 = np.transpose(output_data[2].astype(np.float32) / 4, (0, 3, 1, 2)).view(1, 3, 12, 30, 30).transpose(0, 1, 3, 4, 2)
pred = [conv_out0, conv_out1, conv_out2]

在上面的代码中从output_data拿出数据以后先进行了反量化，至于为什么/4，和量化的时候一样

Download节点表明120大小的检测头输出的是小数点在第二位量化的结果，因此/4 即2^2。

接下来套用原来的后处理和nms即可，nms这里可能需要dump一下原模型的anchor信息，可以在原模型代码里直接访问模型参数拿到

model = DetectMultiBackend('yolov5.pt', device=device) 
print("nc: ",model.model.model[-1].nc)
print("anchors: ",model.model.model[-1].anchors)
print("nl: ",model.model.model[-1].nl)
print("na: ",model.model.model[-1].na)
print("stride: ",model.model.model[-1].stride)

后面就跟原始代码一样了，不过多赘述

结语

DPU最后这个模型的运行速度能达到50fps左右，已经很快了。但是主要卡在前处理上，如果模型过大的话resize会耗时，归一化的步骤也很耗时。不知道以后DPU会不会支持自己归一化，后面想搞一个把resize ip和DPU放在一起的设计，应该能加速很多。

感谢大家阅读。

文章出处登录后可见！

已经登录？立即刷新

Xilinx Vitis AI量化部署Yolov5至DPU (PYNQ)

概要

环境