【米尔边缘AI计算盒FZ5测评】 初体验“图像识别”
<div class='showpostmsg'><p>米尔边缘AI计算盒FZ5开箱体验：</p><p>箱内物品和装箱单核对一遍就是照片中的这些。（TF卡是32G的，插在主机上）开始我预想的是一块开发板，收到的是个铝盒子。这就说明测试的方向和以往不大相同。猜测可能是作为主机进行测试。也就是围绕着“人工智能”来测试吧。</p>
<p> </p>
<p>第一步：就是上电测试，怎么也得看看好坏吧。</p>
<p>首先：阅读说明书，结果没啥收获。看来只有自己摸索了。</p>
<p>使用自带的USB线，插入标记有“debug”的插口，网线插入“交换机”，DP线插口链接到显示器。</p>
<p>组装好220V的电源适配器（不需要我多解释为啥好多的格式插头哦），链接上12V电源线。上电。</p>
<p>第二步：链接终端</p>
<p>安装上CP2102N的驱动，这是一个RS232转USB芯片驱动，需要最新版的，这个我第一次上电windows 10就没有成功，可能是我的驱动过于的陈旧造成的。</p>
<p>我用的是Putty软件，串口默认是COM4。用户名：root,密码：root</p>
<p>如果你用的是ssh，IP地址是192.168.1.254</p>
<p>登录到系统后，</p>
<pre>
<code class="language-bash">edgeboard-191:~# uname -a
Linux edgeboard-191 4.19.0-xilinx-v2019.1 #1 SMP Wed Sep 23 03:08:46 UTC 2020 aarch64 aarch64 aarch64 GNU/Linux
edgeboard-191:~#</code></pre>
<p>CPU信息：</p>
<pre>
<code class="language-bash">edgeboard-191:~# cat /proc/cpuinfo
processor : 0
BogoMIPS : 199.99
Features : fp asimd evtstrm aes pmull sha1 sha2 crc32 cpuid
CPU implementer : 0x41
CPU architecture: 8
CPU variant : 0x0
CPU part : 0xd03
CPU revision : 4</code></pre>
<p>可以看到四组信息。也就是系统有四个aarch64 CPU核。</p>
<p>我用手摸了一下机器的外壳发现有点热，找来体温计测了一下温度，大概：39.45C°的样子。说明机器的功耗应该还是不适合电池供电的，具体的功耗没有测。</p>
<p>既然是测试“人工智能”，那就从图像识别开始吧，机器上带的TF卡中有演示的例子。</p>
<p>例子在/home/root/workspace/PaddleLiteSample</p>
<p>从名字可以猜出，一个是“分类识别”和“标注”</p>
<p>第一个测试使用“分类识别”的例子。</p>
<p>例子中有三种图片，电脑、水果、斑马。例子中只有一个配置文件，如果想识别其它的可以修改配置文件的内容。</p>
<pre>
<code class="language-json">{
"model":"../models/Inceptionv3",
"combined_model":true,
"video_device":"/dev/video0",
"labels":"../models/Inceptionv3/label_list.txt",
"input_width":299,
"input_height":299,
"image":"../models/Inceptionv3/zebra.jpg",
"mean":,
"scale":,
"format":"BGR"
}</code></pre>
<p>想知道都有什么模型可以参考“label_list.txt”文件。</p>
<p>这里简单的解释一下：</p>
<p>目前的人工识别还不能做到和人类接近，只是在某些领域内，代替人类的一些工作，比如：人脸识别。</p>
<p>如果想实现一些有限的应用就需要对“模型”进行训练，一个训练好了的模型，导入到“计算平台”，使用软件包SDK开发应用。如：我测试的设备就是一个计算平台，SDK使用的是百度的EasyDL。后面的帖子我会讲一些其它的。本次只是测试跑通例子应用。</p>
<p>进入/home/root/workspace/PaddleLiteSample/classification目录。建立一个目标文件目录。mkdir build</p>
<p>使用cmake工具,构建可执行程序。</p>
<pre>
<code class="language-bash">cmake ..
make</code></pre>
<p>编译完成后，可以找到程序image_classify</p>
<pre>
<code class="language-bash">./image_classify../configs/Inceptionv3/zebra.json
</code></pre>
<p></p>
<p>我测了一下大概：5.39秒以后，出结果。可以看到：</p>
<p>识别出图像：zebra（斑马），致信度：0.933982</p>
<p>当然你也可以使用其它的图像试一试，看看致信度的值。</p>
<p>目前为止已经把例子跑通了。后面我会搞点其它的例子。</p>
<p> </p>
<p> </p>
<p> </p>
</div><script> var loginstr = '<div class="locked">查看本帖全部内容，请<a href="javascript:;" style="color:#e60000" class="loginf">登录</a>或者<a href="https://bbs.eeworld.com.cn/member.php?mod=register_eeworld.php&action=wechat" style="color:#e60000" target="_blank">注册</a></div>';
if(parseInt(discuz_uid)==0){
(function($){
var postHeight = getTextHeight(400);
$(".showpostmsg").html($(".showpostmsg").html());
$(".showpostmsg").after(loginstr);
$(".showpostmsg").css({height:postHeight,overflow:"hidden"});
})(jQuery);
} </script><script type="text/javascript">(function(d,c){var a=d.createElement("script"),m=d.getElementsByTagName("script"),eewurl="//counter.eeworld.com.cn/pv/count/";a.src=eewurl+c;m.parentNode.insertBefore(a,m)})(document,523)</script> <p>赞，速度好快啊。</p> <p>这识别速度好慢啊，那种实时识别是怎么做到的？</p> dql2016 发表于 2021-3-4 18:45
这识别速度好慢啊，那种实时识别是怎么做到的？
<p>需要对模型优化后，性能才能提升</p>
<p>我也想要呀！！！</p> 跟着大佬一起学习呀，感谢分享 <p>观看一下，感觉还不错哈！上手真快！</p>
<p>非常赞！</p>
本帖最后由 damiaa 于 2021-3-10 08:33 编辑
<p>还是要搞电脑+GPU显卡跑快啊。据说腾讯的ncnn可以跑手机上。还很快。期待楼主分享更多产品。赞</p>
看图片，那一愣一愣的散热部分，就知道，这东西很耗电，运算发热也大
页:
[1]