利用深度卷積神經網絡（CNN）進行圖像分類是通過使用多個卷積層來從輸入數據中提取特征，最后通過分類層做決策來識別出目標物體。

典型的大規模CNN網絡通常包含數百萬個神經單元和數百萬個連接，需要超過十億次的操作才能處理一個輸入，因此整個過程比較耗時。

PipeCNN是一個開源的基于OpenCL的深度卷積神經網絡加速器，采用板載ARM＋FPGA異構計算的方式來加速CNN運算中計算密集型運算。卷積、全連接等復雜運算利用FPGA的豐富片上并行計算資源進行加速，保證了實時性。ARM上運行數據流讀取和顯示工作，保證了程序的靈活和可擴展性。

本文將演示如何在友晶LabCloudFPGA硬件在線實驗云平臺（下文簡稱LabCloud平臺）上用PipeCNN進行ImageNet圖像分類加速。

01在Lab Cloud上運行PipeCNN步驟搭建環境

Lab Cloud平臺已經安裝有OpenCL環境 。(可在終端下發如下三條命令進行驗證)

資源下載

1. 可以直接在云節點打開終端，輸入如下命令進行源碼下載：

gitclonehttps://github.com/doonny/PipeCNN.git

若有些院校Lab Cloud只連了局域網，則可以通過鏈接https://github.com/doonny/PipeCNN下載到自己的電腦上：

然后通過Lab Cloud平臺的文件上傳功能傳至云節點。

2. 通過鏈接https://pan.baidu.com/s/1jIl6qkm?_at_=1744271894249#list/path=%2FPipeCNN下載data_alex文件夾(包含image.dat，fc8.dat，weights.dat三個文件），并將該文件夾放到PipeCNN-master/project_intel/data路徑下。

3. 測試圖像使用的是ImageNet(ILSVRC2012_img_test.zip，300張照片)

下載鏈接:https://pan.baidu.com/s/1Agx0qZs55aZWM58c-Wng8A提取碼: tera

編譯kernel

1. 進入PipeCNN-master/project_intel/device/RTL路徑下，打開終端，輸入 make：

2. 按照下圖修改project_intel/Makefile：

USE_OPENCV=1

PLATFORM=arm32

FLOW=hw

切換路徑到

/root/intelFPGA/18.1/hld/board/de_cloud

3. 按照下圖修改PipeCNN-master/project_intel/device/hw_param.cl文件:

VEC_SIZE 8

LANE_NUM 8

choose net 改為 ALEXNET

4. 按照下圖修改PipeCNN-master/project_intel/device/conv_pipe.cl文件:

5. 進入 PipeCNN-master/project_intel 路徑下執行 make fpga，最終在PipeCNN-master/project_intel 路徑下會產生一個conv.aocx文件：

編譯host

編譯host時還需要繼續修改project_intel/Makefile文件去指定當前opencv路徑。

1. 對于當前Lab Cloud 上對應的DE_Cloud板卡環境需要修改如下：

OCV_LIBS后面添加 -lopencv_imgcodecs

修改路徑 /usr/local/lib

修改路徑 /usr/local/include

2. 將PipeCNN-master/project_intel/host/layer_config.h文件當中的char型定義全部改成signed char型（一共4處修改）。

3.data_alex文件夾若不是放在PipeCNN-master/project_intel/data路徑下（已經在該路徑下的忽略此步驟），則需要進入main.cpp修改文件路徑到當前正確路徑。

4. 刪掉PipeCNN-master/project_xilinx文件夾和PipeCNN-master/project_intel/conv文件（刪掉多余文件以便將剩下文件傳輸到云平臺開發板）。

5.然后點擊SoC傳輸將PipeCNN-master文件夾和ILSVRC2012_img_test.zip文件傳到DE_Cloud開發板的LXDE桌面：

6. 將ILSVRC2012_img_test.zip解壓到/home/root路徑（

若圖片解壓到其他路徑下，則需要進入main.cpp修改文件路徑到當前正確路徑。）：

7. 點擊SoC桌面進入DE_Cloud開發板的 LXDE桌面：

8. 按照下圖打開Linux的終端：

9. 用命令cd OpenCL 切換到OpenCL文件夾，用命令source ./init_opencl.sh進行OpenCL runtime初始化：

10. 切換路徑到PipeCNN-master/project_intel/下執行make host就會在當前路徑下生成run.exe文件（在這個過程中會有warning提示，可以忽略）：

執行PipeCNN

1. 配置FPGA使用命令aocl program /dev/acl0 conv.aocx。

2. 運行host使用命令make run。

運行結束，便可以得到分類結果。

02Lab Cloud平臺簡介

LabCloud FPGA 硬件在線實驗云平臺