前言
为了在FPGA上快速部署QNN，我决定尝试Brevitas+FINN的开发流程：软件测在Pytorch上通过Brevitas量化库实现QNN的训练和模型ONNX导出，随后使用FINN工具链对网络进行微调，最后生成HLS工程，在vivado上生成对应硬件侧比特流。
对于FINN而言我也是初心者，因此尽量跟随官方文档走，这两周的目标是把例程(pynq上部署e2e小型qnn)跑起来。但是稍微操作了一下，发现属实不简单。光是FINN这个东西的环境配置就够我喝一壶了。
下面是Quickstart，现在的目标是完成前四步(环境配置)，并尝试把第五步里的例程跑起来。
github工程地址：https://github.com/Xilinx/finn
最新官方文档：https://finn.readthedocs.io/en/latest/
快速教程
可以跟着网上一个教程走，实测有效:
下载安装Vivado2022.2和对应版本Vitis
注意：推荐下载2022.2版本vivado，而不是最新。最新的vivado2024.2或2025版本无法适配FINN编译器。
另外，vivado2022.2需要license才能使用。而幸运的是xilinx提供了免费的license生成地址，不需要去网络上找盗版license！
(https://www.xilinx.com/member/forms/license-form.html)
下载安装docker
这里就跟着教程走，一步一步配置即可。
注意：每次要运行FINN前，先检查docker是否已经开启。（点击docker图标即可）
这里贴出docker的一些常用命令：
系统环境配置（bashrc）
需要在~/.bashrc里配置FINN_XILINX_PATH和FINN_XILINX_VERSION。由于我使用的是zsh，因此配置的是~./zshrc。
finn/run-docker.sh 环境配置
finn工程目录下的run-docker.sh会在FINN每次运行时运行一次，设置基本参数等。
这里我建议修改FINN_BUILD_DIR(=$FINN_HOST_BUILD_DIR)至自己的目录下。
因为FINN会把中间编译结果存放在FINN_BUILD_DIR目录下，而中间的一些模型结果(onnx和qonnx)我们也需要。默认的是/tmp目录，容易丢失。
运行quicktest检查
在git下来的finn目录下能够执行quicktest，检查环境是否已经完备。
1 | sudo bash run-docker.sh quicktest |
如果环境无误，会显示977个pass的检查项目，如图所示。（虽然后面有failed，不过没事）
在docker上运行Jupyter，打开官方例程
最后，在finn路径下借助run-docker.sh脚本打开jupyter，通过点击生成的本地链接地址，可以进入jupyter工程。
1 | bash ./run-docker.sh notebook |
最后，我们终于可以看到finn-docker上的Jupyter成功运行：
如果这一步执行后仍旧报错，且终端没有弹出地址（直接结束了docker的本次进程），说明前面的环境配置有一步出了问题，或者可能是端口被占用。
请耐心找出问题或从头再来！
端口占用报错的排查和解决方法
在执行bash ./run-docker.sh notebook时，
此时可能会报错Bind for 0.0.0.0:8081 failed: port is already allocated。这说明有其他进程已经占用了端口8081，导致现在执行的notebook进程无法使用。通过终端信息，我发现是Jupyter(可能是之前没关闭的)和Netron(用于ONNX可视化)分别占用了端口8888和8081。
我们换一个Jupyter和Netron端口就行了：
1 | JUPYTER_PORT=8890 NETRON_PORT=8082 bash ./run-docker.sh notebook |
另外，如果端口持续被占用，也可以通过命令查看占用的进程，然后将其杀死：
1 | sudo lsof -i:8890 |
结语
这次FINN环境配置，痛苦程度不亚于当初本科毕设配置ns-3，搞了整整三天才跑起来。真是醉了:)
