落实网站建设培训班精神,一级造价师准考证打印时间,商城网站开发商,系统下载网站源码香橙派OriengePi AiPro 华为昇腾芯片开发板开箱测评 文章目录 前言OrangePi AIpro硬件相关及配置外观接口配置虚拟桌面网络配置拓展swap内存 软件相关及配置docker基础镜像搭建pytorch安装及匹配 软件测试使用yolo v8测试使用模型转换 总结 前言
博主有幸受邀CSDN测评香橙派与…香橙派OriengePi AiPro 华为昇腾芯片开发板开箱测评 文章目录 前言OrangePi AIpro硬件相关及配置外观接口配置虚拟桌面网络配置拓展swap内存 软件相关及配置docker基础镜像搭建pytorch安装及匹配 软件测试使用yolo v8测试使用模型转换 总结 前言
博主有幸受邀CSDN测评香橙派与华为昇腾共同研发的OriengePi AiPro的开箱测评本文会对正常使用的一些情况做记录包括常用配置docker配置使用以及可能包含机器人相关的一些配置等同时也会对产品的性能及使用的感受做分享。 2023.12月初香橙派联合华为发布了基于昇腾的Orange Pi AIpro开发板提供8/20TOPS澎湃算力能覆盖生态开发板者的主流应用场景让用户实践各种创新场景并为其提供配套的软硬件。而价格更是极为亲民8TOPS、8GB内存的创客价/预售价仅为799元8TOPS、16GB内存的创客价/预售价仅为999元。1 OrangePi AIpro(8T)采用昇腾AI技术路线具体为4核64位处理器AI处理器集成图形处理器支持8TOPS AI算力拥有8GB/16GB LPDDR4X可以外接32GB/64GB/128GB/256GB eMMC模块支持双4K高清输出。 Orange Pi AIpro引用了相当丰富的接口包括两个HDMI输出、GPIO接口、Type-C电源接口、支持SATA/NVMe SSD 2280的M.2插槽、TF插槽、千兆网口、两个USB3.0、一个USB Type-C 3.0、一个Micro USB串口打印调试功能、两个MIPI摄像头、一个MIPI屏等预留电池接口可广泛适用于AI边缘计算、深度视觉学习及视频流AI分析、视频图像分析、自然语言处理、智能小车、机械臂、人工智能、无人机、云计算、AR/VR、智能安防、智能家居等领域覆盖 AIoT各个行业。 Orange Pi AIpro支持Ubuntu、openEuler操作系统满足大多数AI算法原型验证、推理应用开发的需求2。
OrangePi AIpro
硬件相关及配置
外观
包含一个充电头一个type c数据线及香橙派主体
充电头支持5V⎓3A/9V⎓3A/12V⎓3A/15V⎓3A/20V⎓3.25A 接口 配置虚拟桌面
这里通过cat /proc/cpuinfo查到cpu架构是arm v8wget下载对应的nomachine。
如果没有显示屏无法联网可以通过路由器接有线到香橙派自动获取ip通过路由器后台查看ip地址系统默认开启了sshd可以远程连接。
管理员账号root
普通账号HwHiAiUser
密码Mind123wget https://download.nomachine.com/download/8.11/Arm/nomachine_8.11.3_3_arm64.deb安装
sudo apt-get update
cd ~/Downloads
sudo dpkg -i nomachine_8.11.3_3_arm64.deb# -----OUT PUT--------
Unpacking nomachine (8.11.3-3) ...
Setting up nomachine (8.11.3-3) ...
NX 700 Starting installation at: Tue, 21 May 2024 22:14:35.
NX 700 Using installation profile: Ubuntu.
NX 700 Installation log is: /usr/NX/var/log/nxinstall.log.
NX 700 Installing nxrunner version: 8.11.3.
NX 700 Installing nxplayer version: 8.11.3.
NX 700 Installing nxnode version: 8.11.3.
NX 700 Installing nxserver version: 8.11.3.
NX 700 Installation completed at: Tue, 21 May 2024 22:14:58.
NX 700 NoMachine was configured to run the following services:
NX 700 NX service on port: 4000这时就能通过本地安装的nomachine远程连接过去了。 网络配置
如果是无线记得勾选所有用户都可使用否则必须登录用户后才会自动连接无线 拓展swap内存
由于sd卡安装docker镜像已经占用比较多的存储空间这里使用外部优盘拓展存储查看当前外界存储
fdisk -l挂载到你的目标路径
mount /dev/sda /home/HwHiAiUser/workspace/udisk/
df -h创建swap文件
sudo dd if/dev/zero of/home/HwHiAiUser/workspace/udisk/swapfile bs1024 count16777216格式化分区文件
sudo mkswap /home/HwHiAiUser/workspace/udisk/swapfile# -----Out Put-----
mkswap: /home/HwHiAiUser/workspace/udisk/swapfile: insecure permissions 0755, fix with: chmod 0600 /home/HwHiAiUser/workspace/udisk/swapfile
Setting up swapspace version 1, size 16 GiB (17179865088 bytes)
no label, UUID7baed9dd-d486-4b99-98bc-65ff3341655a启动swap区
sudo swapon /home/HwHiAiUser/workspace/udisk/swapfile校验是否启用可以看到下图已经出现了一个15G的swap区
free -h# -----Out Put-----total used free shared buff/cache available
Mem: 7.4Gi 1.2Gi 599Mi 48Mi 5.6Gi 6.0Gi
Swap: 15Gi 0B 15Gi停止使用swap区代码如下
sudo swapoff /home/HwHiAiUser/workspace/udisk/swapfile软件相关及配置
docker
我的系统已经默认安装了docker如果未安装可以自行下载。
# 报警如下处理方法
docker ps
permission denied while trying to connect to the Docker daemon socket at unix:///var/run/docker.sock: Get http://%2Fvar%2Frun%2Fdocker.sock/v1.24/containers/json: dial unix /var/run/docker.sock: connect: permission denied添加当前用户到docker组即可解决上述报警
sudo gpasswd -a $USER docker # 将当前用户添加至docker用户组
newgrp docker # 更新docker用户组基础镜像搭建
这里打算以ros2 humble jammy做为此次的基础镜像。
docker pull ros:humble-perception-jammy# -----OUT PUT--------
humble-perception-jammy: Pulling from library/ros
9b076355b79b: Pull complete
a0b98a01e18c: Pull complete
da8c8a40f001: Pull complete
aeb1b0e62af2: Pull complete
c44d471f288e: Pull complete
509cd74b317a: Pull complete
79337a550a6b: Pull complete
26db6393e0d5: Pull complete
8c7673b38fa6: Pull complete
040d7a25c186: Pull complete
27d776fd0281: Pull complete
799c0af82dd6: Pull complete
Digest: sha256:76cbc14b927751267c5a3068343cb532f71a157d2b1a3a9ed1c116e571149f71
Status: Downloaded newer image for ros:humble-perception-jammy具体搭建博主写了一篇文章可以参考《raspberry pi/orienge pi等arm架构硬件打包ros humble docker开发镜像-CSDN博客》
pytorch安装及匹配
查看版本匹配可以参考这里
torchtorchvisionPythonmain / nightlymain / nightly3.8, 3.112.20.173.8, 3.112.10.163.8, 3.112.00.153.8, 3.11
博主选择的是torch 2.2和torchvision 0.17安装如下
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simplepip install torch2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install torchvision0.17.0 -i https://pypi.tuna.tsinghua.edu.cn/simple软件测试使用
yolo v8测试使用
下载安装yolo v8
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple运行测试程序
yolo predict modelyolov8n.pt sourcehttps://ultralytics.com/images/bus.jpg运行结果如下 下图是训练所需的时常训练3个epoch4张图117个实例训练时长大约为36s detect 4个人1辆车一个停车标志所用时间为533.8ms 模型转换
查询当前的npu名称
npu-smi info模型转换命令根据情况设置参数博主用的是上边这句
atc --modelbest.onnx --framework5 --outputbest --input_formatNCHW --logerror --soc_versionAscend310B4atc --modelyolo.onnx --framework5 --outputyolo --input_formatNCHW --input_shapeinput_image:1,3,640,640 --logerror --soc_versionAscend310B4博主测试了两次转换时间大概需要28min。
总结
至此本篇对于香橙派在配置使用上做了日常使用和一些模型训练、推理、转换上的基本使用前期主要实现了常用配置及docker、yolo v8的安装使用开发板的使用体感流畅度都能保证性能也能满足正常的使用不管是运行docker还是yolo都能有不错的流畅性。开源社区也提供了大量的技术文档让初入手的同学也能根据文档对使用及配置有总体的了解发现问题同样也能在社区找到对应的解决流程。
在通过华为定义的格式ATCAscend Tensor Compiler异构计算架构CANN体系下的模型转换的时间稍微有点长但是调用已经转好的om模型运行时推理速度非常快这里凸显了8Tops npu算力对于深度学习领域方面有质的提升。
香橙派 AIpro是一款非常优秀 AI 边缘计算开发板优秀的价格推动AI 部署的普遍化的进程让每一个人都有机会能使用到高性能的AI开发硬件推动AI整个生态环境的进步希望有更多的小伙伴能在类似这种AI开发板的基础上学习和成长。 香橙派AIpro学习资源一站式导航_Orange Pi AIpro_昇腾论坛 (hiascend.com) ↩︎ Orange Pi AIpro Orange Pi官网-香橙派Orange Pi开发板,开源硬件,开源软件,开源芯片,电脑键盘 ↩︎
