① 開機與基本設定（換卡後，約 1 小時）

• 用新卡開機進 Ubuntu 22.04，改密碼，接上路由器的網路。
• 做 apt update/upgrade。
• 用 xmutil bootfw_status 確認韌體是 Image B。

② 先跑官方現成的 YOLO（最快看到成果，半天內）

• 在 Ubuntu 上裝 Kria-PYNQ（AMD 官方，支援 KV260 + Ubuntu 22.04）。
  • 它會把 DPU（FPGA 裡的 AI 加速器）載進 PL。
  • 會附 Jupyter Notebook 範例，裡面就有 YOLOv3 物件偵測。
  • 安裝要跑 30～60 分鐘，要上網。
• 用電腦的瀏覽器開 Jupyter（http://<板子IP>:9090）：
  • 先對圖片跑 YOLO，看到畫框和類別。
  • 再改成接 USB 攝影機做即時偵測。

③ 即時影像 demo（展示用）

• 攝影機 → DPU 跑 YOLO → 畫框 → HDMI/DP 螢幕即時顯示，順便量 FPS。
• 這一段可以改用 Vitis AI Library 的 C++ 範例，速度比 Python 快。

④ 自訓練 YOLO（偵測自己要的物件，進階）

• 在電腦上用 PyTorch 訓練。
• 用 Vitis AI（PC 上的 Docker，要 Linux 或 WSL2）做量化，再編譯成 KV260 DPU 用的 .xmodel，放到板子上跑。
• 注意 DPU 不是每種 YOLO 都直接支援。YOLOv3、v4、v5 比較好處理，v8 之後的版本可能要改部分運算子。實際能用哪個版本，做到這段時我再查清楚。

需要準備的東西

• 32 GB 以上的 SD 卡：PYNQ 加上模型很吃空間，16 GB 會不夠。
• 攝影機：USB webcam 最簡單。如果有 KV260 Basic Accessory Pack 的 AR1335 也可以用。
• HDMI 或 DP 螢幕：第 ③ 段要用，第 ② 段在瀏覽器上看就好。