【香橙派AIpro】开箱测评

1.板子开箱

哟,看起来还不错哦!!!

收货清单:

  1. 主板*1

  2. 1.5m数据线*1

  3. 充电头*1

1.1.充电头

近65W的充电头,不错不错。

1.2.主板

1.2.1.上面

哇噢,还送了2.4/5G的WiFi和蓝牙天线。

emm,,,怎么不送个螺丝刀,送个螺丝刀,我高低给风扇卸下来,无风扇硬跑。

有2个HDMI 2.0接口,能不能搞个拓展屏呢??

还有40Pin的扩展接口,找个原理图看看。

1.2.2. 40Pin扩展接口

      相对于香橙派4B来说,香橙派AIpro的扩展接口增加了1个串口和1个PWM引脚,串口不再与SPI接口复用,是一个很好的地方。同时也保留了多个GPIO、I2C、I2S、SPI接口。

       这个40Pin扩展接口,可以接入一些传感器或者与其他MCU进行通信,具有了更好的扩展性,极大地方便了开发者的开发。

1.2.3.下面

32G的闪迪卡,我喜欢。

预留eMMC接口,还是你们会玩。

M.2接口,加个固态硬盘,应该没毛病。

1.2.4.CPU

有网友说:香橙派AIpro用的是海思的方案,芯片的命名规则和海思的命名规则一模一样。

笔者看了一下,还确实是哈,估计大概率就是海思的芯片,但还是得香橙派官方确认。

2.开机上电

2.1.启动方式

这2个拨码开关怎么这么小,没细看还真看不出来。

emm,,,自己看拨码开关旁边的丝印,能看得懂吧,算了还是弄个表格说明一下。

BOOT1

BOOT2

启动方式

说明

R

L

SSD

系统从SSD启动。

L

R

EMMC

系统从eMMC启动。

R

R

SD

系统从SD卡启动。

2.2.香橙派AIpro启动

原神,启动!!!

额额额,不好意思,走错片场了,哈哈哈!

香橙派AIpro,启动!!!

赞,这个界面比香橙派4B要好很多,不像香橙派4B那么单调。

嘶~密码登录密码是啥来着?

找到了!!!

账号

密码

root

Mind@123

HwHiAiUser

Mind@123

等下,我发现了啥,真够霸气的哈!作为开发者人员的我,深表赞同,真的会遇到那种XX客户。

2.3.用户登录

耶,进来了。

就是我的屏幕太小了,看得好难受。

2.4.CPU资源运转情况

htop

上电后,CPU的使用率并不高,是一个正常水平。

2.5.内存使用情况

剩余的内存也不少嘛。嗯~ o(* ̄▽ ̄*)o嘻嘻

3.测试官方AI样例

3.1.登录juypter lab

在系统中了,自带了9个AI应用样例和1个Jupyter Lab启动脚本。

./start_notebook.sh

脚本运行后,会有登录Jupyter Lab的网址链接。

脚本运行后,看看CPU的使用率。

哟,有点东西喔,很不错。CPU的使用率跟开机时候的差不多。

3.2.运行目标检测样例

按照官方用户手册,跑起来!!!

嗯~CPU的使用率上来了,但是问题不大,可以接受。

板子散热也可以,散热器摸着温温的。

再看看对图片的推演。

哦豁,有问题了吧。

0 sports_ball 准确率0.9347(正常)

1 person 准确率0.8385(正常)

2 person 准确率0.5016(是不是有点低了呀)

为什么倒下的那个人没有识别出来?这个问题有点严重。

3.3.运行卡通图像生成样例

生成的卡通图片与实际测试的图片相差是不是太大了?

虽然说都是山峰。

我换个图片看看。

可以换成自己需要测试图片的文件名。

哎哟,这效果好很多了,这次很nice,不过生成的图片偏暗,这里还需要改进。这个跟图像曝光增强样例结合一下,效果估计会更好。

3.4.运行人像分割与背景替换样例

这背景替换,差了点哈,理想的情况应该是桌子也应是完整的。

我再换个图片看看。

唉唉唉,这很明显不行哈。

  1. 人像的手没了。

  2. 人像的肩膀没了。

  3. 人像里的背景没替换掉。

3.5.小结

仅测评了3个官方样例,满分10分,我给6.2分,整体效果不太好,但是CPU资源使用情况不高,是一个比较好的方面。

效果不太好的原因不能完全归根于硬件方面,我认为主要原因有以下几个:

  1. 硬件方面

  2. 模型方面

  3. 数据集方面

  4. 数据预处理方面

4.个人测试

4.1.unixbench跑分

4.1.1安装unixbench

wget http://soft.vpser.net/test/unixbench/unixbench-5.1.2.tar.gz
tar -xzvf unixbench-5.1.2.tar.gz
cd unixbench-5.1.2
sed -i "s/GRAPHIC_TESTS = defined/#GRAPHIC_TESTS = defined/g"
./Makefile # 设置不用图形化
make

4.1.2.运行

./Run

4.1.3.结果

796.4分(3核),看看4核跑分多少。

814.2(4核),再看看其他机子跑分多少。

4.1.4.笔者PC机跑分

笔者PC机:

CPU:AMD Ryzen 7 4800H with Radeon Graphics 2.90 GHz

GPU:NVIDIA GeForce RTX 2060

RAM:16GB

emm,,噗嗤,这个不能比较,毕竟性能摆在那里。

4.1.5.香橙派4B跑分

香橙派4B跑分为582.2分。

4.1.6.小结

香橙派4B跑分:582.2分

香橙派AIpro(3核)跑分:796.4分

香橙派AIpro(4核)跑分:814.2分

笔者PC机跑分:6244.8分

说实在的,相对于香橙派4B来说,香橙派AIpro确实要好很多,但是3核和4核的跑分也没差多少嘛。

4.2.中文GPT2推理

使用开源项目进行推理。

开源项目名称:chinese_gpt2

开源项目地址:https://github.com/yuanzhoulvpi2017/zero_nlp/tree/181bcc7488696f14dbb9d850c2e3ff58ecba8bcf/chinese_gpt2

开源项目模型地址: https://huggingface.co/yuanzhoulvpi/gpt2_chinese

开源项目说明:该项目使用了15G的中文语料,使用RTX3090显卡,训练了60个小时,才得到相应的模型。对此,鉴于大模型的训练环境复杂,硬件要求较高,耗时较长,所以笔者仅使用香橙派AIpro进行推理,测评推理效果。

4.2.1.搭建开源项目推理环境

将开源项目以及开源项目的模型下载到本地。

pip install gradio==3.40.0

根据readme.md文件内容,安装对应包。

要用pip安装gradio==3.40.0,否则在运行程序时会报错。

chatbot.py中的路径需改为模型文件目录的路径

4.2.2.推理

python chatbot.py

香橙派AIpro的浏览器输入该地址进行推理。

显然,不管从哪个角度看,推理的效果并不理想,推理了2分钟多都没有出结果,得到的结果还是牛头不对马嘴。不过,CPU的使用率还算过得去。

5.总结

香橙派AIpro相对于香橙派4B来说,是一个更胜一筹的产品,值得称赞。在日常生活的使用中,其性能自然也是够的了,同时也证明了,我们国家在这个领域上的开发人员取得了巨大的进步。但是,香橙派AIpro还是比笔者理想中的香橙派AIpro稍微差了那么一点,期待下一款香橙派产品能让笔者大开眼界。

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/651498.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

React-入门

React由Meta公司研发,是一个用于构建Web和原生交互界面的库 既可以写基于浏览器的应用,还可以写苹果和安卓的原生应用 优势 开发环境搭建 create-react-app是一个快速创建React开发环境的工具,底层是由Webpack构建,封装了配置细…

redis数据类型之string,list

华子目录 key操作说明SCAN cursor [MATCH pattern] [COUNT count]dump与restorekeys 通配符 示例演示 string说明setbit key offset valuegetbit key offsetsetrange key offset value List结构图相关命令lrem key count valueltrim key count value示例:使用 LTRIM…

图形学概述

图形学应用 游戏 游戏的画面好坏如何鉴定呢? 看游戏画面是否够亮:渲染中全局光照的好坏 《只狼》 为什么卡通游戏画面看起来是卡通的呢? 《无主之地3》 这些都是图形学需要着手解决的问题 电影 电影《黑客帝国》的特效也是通过计算机…

Python 全栈体系【四阶】(五十四)

第五章 深度学习 十二、光学字符识别(OCR) 3. 文字识别技术 3.1 CRNNCTC(2015) CRNN(Convolutional Recurrent Neural Network)即卷积递归神经网络,是DCNN和RNN的组合,专门用于识别图像中的序列式对象。…

《python编程从入门到实践》day40

# 昨日知识点回顾 编辑条目及创建用户账户 暂没能解决bug: The view learning_logs.views.edit_entry didnt return an HttpResponse object. It returned None instead.# 今日知识点学习 19.2.5 注销 提供让用户注销的途径 1.在base.html中添加注销链接 …

[笔试强训day09]

文章目录 BC146 添加逗号DP2 跳台阶JZ61 扑克牌顺子解法一&#xff1a;排序模拟解法二&#xff1a;规律哈希 BC146 添加逗号 BC146 添加逗号 #include<iostream> #include<string>using namespace std;int main() {string s;cin>>s;string ans;for(int i0;i…

2024年上半年系统架构设计师——案例第二题——UML相关

这个只记到一个大概了 主题干&#xff0c;说明人员访客系统 题目1 9分 问序列图信息类型和特点 题目2 序列图填空 好像是10分吧 访客系统的序列图 题目3 6分 说明软件分析和设计时的和UML图有关原则&#xff1f;

揭秘爬虫技术:从请求到存储的全方位解析

新书上架~&#x1f447;全国包邮奥~ python实用小工具开发教程http://pythontoolsteach.com/3 欢迎关注我&#x1f446;&#xff0c;收藏下次不迷路┗|&#xff40;O′|┛ 嗷~~ 目录 一、爬虫初探&#xff1a;请求与响应 二、数据解析&#xff1a;从混乱中提炼价值 三、数据…

微软发布多模态模型Phi-3-vision,仅4.2B,小模型大潜力

前言 在大型语言模型&#xff08;LLM&#xff09;领域&#xff0c;模型参数规模与性能之间一直存在着密切的联系。近年来&#xff0c;虽然参数规模不断攀升&#xff0c;但随之而来的训练成本和推理成本也成为了制约模型发展的瓶颈。为了打破这一困境&#xff0c;微软推出了 Ph…

Livox-SDK2 用vs2017编译

Livox-SDK2 Livox-SDK2代码去上面下载&#xff0c;文章中给出的是用vs2019进行编译的&#xff0c;生成项目时用的 > cmake .. -G "Visual Studio 16 2019" -A x64 但如果我想用vs2017进行编译&#xff0c;那么只需要将上面语句改为如下&#xff1a; cmake .. -…

【数据结构】快速排序C语言

目录 前言 一、快排思想过程 二、算法思路 三、代码实现 C语言实现&#xff1a; C实现: 总结 前言 排序是一个相对复杂的过程,进一步思考排序这个问题,我们可以借助分治的思想来解决这个问题, 什么叫分治呢?就是把大问题化成小问题,进而缩小问题的规模,并且大问题和小问…

牛客NC166 连续子数组的最大和(二)【中等 前缀和数组+动态规划 Java/Go/PHP/C++】

题目 题目链接&#xff1a; https://www.nowcoder.com/practice/11662ff51a714bbd8de809a89c481e21 思路 前缀和数组动态规划Java代码 import java.util.*;public class Solution {/*** 代码中的类名、方法名、参数名已经指定&#xff0c;请勿修改&#xff0c;直接返回方法规…

课时138:变量进阶_变量实践_综合案例

2.1.3 综合案例 学习目标 这一节&#xff0c;我们从 免密认证、脚本实践、小结 三个方面来学习 免密认证 案例需求 A 以主机免密码认证 连接到 远程主机B我们要做主机间免密码认证需要做三个动作1、本机生成密钥对2、对端机器使用公钥文件认证3、验证手工演示 本地主机生成…

MyBatis报错:TypeException Could not set parameters for mapping问题解决

MyBatis报错&#xff1a;TypeException: Could not set parameters for mapping问题解决 问题收录 org.mybatis.spring.MyBatisSystemException: nested exception is org.apache.ibatis.type.TypeException: Could not set parameters for mapping: ParameterMapping{proper…

【详细介绍下PostgreSQL】

&#x1f308;个人主页: 程序员不想敲代码啊 &#x1f3c6;CSDN优质创作者&#xff0c;CSDN实力新星&#xff0c;CSDN博客专家 &#x1f44d;点赞⭐评论⭐收藏 &#x1f91d;希望本文对您有所裨益&#xff0c;如有不足之处&#xff0c;欢迎在评论区提出指正&#xff0c;让我们共…

考研数学|强化跟「张宇」还是「武忠祥」?看这一篇!

考研数学强化阶段是备考过程中非常关键的一环&#xff0c;它不仅要求学生巩固和深化基础知识&#xff0c;还要求学生能够灵活运用所学知识解决复杂问题。 在选择张宇老师或武忠祥老师的高数强化课时&#xff0c;你可以考虑以下几个方面。 首先每位学生都有自己独特的学习风格…

图片数据增强-resize(不同插值)、各种模糊

各种不同的模糊处理 import os import cv2def apply_blur_to_images(input_folder_path, output_folder_path):# 遍历文件夹下的所有文件for filename in os.listdir(input_folder_path):# 检查文件类型是否为图片if filename.endswith(.jpg) or filename.endswith(.jpeg) or …

探索演进:了解IPv4和IPv6之间的区别

探索演进&#xff1a;了解IPv4和IPv6之间的区别 在广阔的互联网领域中&#xff0c;设备之间的通信依赖于一组独特的协议来促进连接。前景协议中&#xff0c;IPv4&#xff08;Internet 协议版本 4&#xff09;和 IPv6&#xff08;Internet 协议版本 6&#xff09;是数字基础设施…

ThreadLocal简介

Thread类中&#xff0c;有个ThreadLocal.ThreadLocalMap 的成员变量。 ThreadLocalMap内部维护了Entry数组&#xff0c;每个Entry代表一个完整的对象&#xff0c;key是ThreadLocal本身&#xff0c;value是ThreadLocal的泛型对象值 public void set(T value) {Thread t Thread…

【Text2SQL 论文】IncSQL:通过增量式生成 action 序列来得到 SQL

论文&#xff1a;IncSQL: Training Incremental Text-to-SQL Parsers with Non-Deterministic Oracles ⭐⭐⭐ ICLR 2019&#xff0c;arXiv:1809.05054, Microsoft Research 一、论文速读 本文提出了 IncSQL&#xff0c;一个使用 Non-Deterministic Oracles 思路的增量式 Text…