KUBET最新登陆网址_EdgeBoard为程序员打造的一款深度学习加速套件

引入EasyDL分解的模型，EasyDL平台是一个用于几十、几百张图片就能训练出有一个效果还不俗的模型训练平台，官方声称，对于不理解深度自学用户，可以意味着依赖可视化操作者才可已完成深度自学训练。1、指定EasyDl官网创立物体检测模型 http://ai.baidu.com/easydl/。2. 创立训练的数据集，本次测试在百度新闻里捕捉了20张包括人脸的图片。3. 数据集标示，Easydl反对在线标示，只需顺位图片用鼠标在图片上推入一个板才可。

4. 数据集标示已完成后才可训练模型，由于要测试的模型是基于SSD的目标检测，所以此次顺位精度较低模型。（高精度是基于RetinaNet的模型），页面开始训练，大约必须30分钟左右，才可训练已完成。5. 在线校验模型，训练已完成后页面校验模型，可以查阅测试模型训练效果。

此次找到误将辨识一个女生为男生，猜测大约是训练集太小，不过人脸识别功能到是没问题。6. 模型给定：由于Easydl还没有月公布模型给定功能，因此此次是通过联系后台人员给定的模型。7. 将Easydl给定的模型，通过SMB传输到EdgeBoard内更换原先的params、model.encrypted：\169.254.1.162\roothome\workspace\sample\sample_easydl\model8. 新的编译器模型，步骤如下：1、insmod/home/root/workspace/driver/fpgadrv.ko2、cd/home/root/workspace/sample/sample_easyd3、//如果没build目录，创立一个4、mkdirbuild5、cdbuild6、rm-rf*7、cmake..8、make9. 编程顺利之后，运营预测程序。

1、a、在网络上随便iTunes一张人物图，改动名字为1.jpg并更换2、\\169.254.1.162\roothome\workspace\sample\sample_easydl\image内的原先图片。3、b.继续执行./paddle_edgeboard10. 查阅图片输入结果。

关上\169.254.1.162\roothome\workspace\sample\sample_easydl\build\result.jpg和命令行预测出的四个目标完全一致，这里由于没调整阈值所以检测出来四个板。总结：本次是创立了一个非常简单的Easydl模型并且数据集打算的也小，所以精度不是很高，从可用性和较慢部署方面Edgeboard和Easydl的融合可以协助我们较慢研发涉及应用于产品。

运营usb摄像头输出预测示例通过官方文档，找到板子反对USB摄像头以及海思的IPC摄像头模块，翻箱倒柜寻找了两个摄像头接下来我们就试试用USB摄像头展开动态的输出检测。1. 相连设备必要将摄像头放入究竟板的USB口上才可2. 在开发板中，附带了usb摄像头的驱动与示例工程，依序继续执行以下命令1、//查阅设备文件否产生，长时间是/dev/video22、ls/dev/video*3、insmod/home/root/workspace/driver/fpgadrv.ko4、cd/home/root/workspace/sample/sample_usb5、mkdirbuild6、cdbuild7、rm-rf*8、cmake..9、make3. 继续执行预测命令1、./paddle_edgeboard输入结果如下：可以看见动态的检测结果，输入格式为目标的方位，如下图右图总结：本次是通过命令行方式展开的USB摄像头测试，并输入每一帧的目标检测结果，动态性能超过10FPS,效果还不俗。

但是随机附带的例程并没动态可视化的功能，我们没有能看见实际预测的结果，较为失望。运营海思ipc摄像头输出预测示例1. 相连设备，将海思IPC摄像头排线放入插槽内，上电后，摄像头电源指示灯不会悉数指示灯2. 依序继续执行以下命令1、insmod/home/root/workspace/driver/fpgadrv.ko2、sudochmod+x/home/root/workspace/driver/media-ctl3、/home/root/workspace/driver/media-ctl-v-fa0010000.v_tpg:0[fmt:SRGGB8/1920x10804、field:none]5、cd/home/root/workspace/sample/sample_bt11206、mkdirbuild7、cdbuild8、rm-rf*9、cmake..10、make3. 继续执行预测命令1、./paddle_edgeboard输入结果如下：可以看见动态的检测结果，例程里无可视化图片分解，下一步再行测试一下摄像头收集地效果。

4. 查阅摄像头收集图片可视化图1、ls/dev/video*2、/dev/video0/dev/video13、insmod/home/root/workspace/driver/fpgadrv.ko4、sudochmod+x/home/root/workspace/driver/media-ctl5、/home/root/workspace/driver/media-ctl-v-fa0010000.v_tpg:0[fmt:SRGGB8/1920x10806、field:none]7、cd/home/root/workspace/tools/bt1120/8、mkdirbuild9、cdbuild10、cmake..11、make12、./bt1120总结：海思ipc摄像头用于方法与USB大致相同，还是有个联合的缺点，没办法展开动态的可视化效果，无法直观仔细观察到模型运营的效果。感觉经过一周的试用，对EdgeBoard也有了可行性的理解，总体来说：优点1. 自带环境非常丰富，需要配备交叉编译器环境才可用于。2. 配置文件的smb+ssh环境基本符合了研发市场需求，构建了拿回即用。

3. 与EasyDL融合后，展开目标分类or目标检测的嵌入式构建基本做了傻瓜化,模型训练更容易上手。4. 从初学者来看，EdgeBoard作为一个异构的ARM+FPGA加快平台，基本上做了需要理解嵌入式与FPGA的程度才可用于。缺点1. 板子试用摄像头，缺少可视化环境，如果可以构建一个小的流媒体服务器或用于DP模块输入，对模型效果的评估有可能可以更为直观。2. 风扇噪音较小，在室内长时间研发还是稍微吵杂，有可能因为没研发调压策略造成。

3.部分win7系统改动系统策略后，依然无法长时间用于SMB相连目标板，期望先前版本可以重制SFTP先前不会尝试一下一些有数模型，深度挖出一下这块板子的功能。作者Litchll版权文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：KUBET最新登陆网址-www.kokosumika.com