最近香橙派联合华为出了一款新的AI开发板——Orange Pi AI Pro，关键是搭载了昇腾AI处理器提供了8TOPS INT8的算力，作为一个嵌入式的CSDN博主，当然得体验一下这款新产品。
文章目录
- 1 开箱
- 2 硬件介绍
- 2.1 开发板硬件详情：
- 2.2 顶层视图
- 2.3 底层视图
- 3 烧录系统
- 4 网线直连开发板和电脑
- 5 直接上手体验AI应用
- 5.1 登录 juypter lab
- 5.2 体验CNNCTC
- 5.3 体验Pix2Pix
- 6 硬件测试
- 7 安装Anaconda并配置Anaconda的环境变量
- 8 配置yolo环境
- 9 Orang Pi Ai Pro点评
1 开箱
首先就是开箱部分了，一块Orange Pi AIPro 8G的开发板主板，还有一个散热组件，这款开发板跑起算力来没有散热板根本压不住，还有一个32G的TF卡，官方特别贴心的烧录了OpenEular的系统，不用自己烧录了，当然想换其他操作系统的话也可以自己去烧录，目前支持的操作系统有Ubuntu 22.04 和 openEuler 22.03，最后就是电源了，鉴于功耗的问题，这次电源的功率也直接来到了65W，可见这块开发板的算力有多强大。
这款开发板做的是真的很精致了，空间利用率也高。
2 硬件介绍
介绍一下这款开发板的主要硬件参数吧
- 昇腾AI处理器：4 核 64 位 Arm 处理器 + AI 处理器
- AI 算力：
- 半精度（FP16）：4 TFLOPS
- 整数精度（INT8）：8 TOPS
- 内存：
- 类型：LPDDR4X
- 容量：8GB
其他还支持千兆网口，2个USB3.0 Host接口和一个支持USB3.0的Type-C接口等等，可以说是接口类型非常的丰富，而且硬件接口的配置也已经拉满了，详细的可以在下面的表格和开发板视图上看到。
2.1 开发板硬件详情：
2.2 顶层视图
2.3 底层视图
3 烧录系统
如果TF卡没有自带的系统，那就需要自己烧录系统
官网资料直达：OrangePiAiPro资料下载
下载完之后需要准备一个TF卡和一个TF卡读卡器：
把下载好的镜像使用balenaEtcher进行烧录，等待烧录完。
将TF卡插进TF卡里面，使用HDMI线连上显示屏就可以开机了。
4 网线直连开发板和电脑
在我们没有显示屏的时候，想直接使用MobaXterm对OrangePi Ai Pro进行连接，但是不知道OrangePi Ai Pro的IP地址，我们该怎么连呢，这里有一个小窍门介绍给大家。
在电脑上打开命令行终端，输入：
#arp -a
可以看到有两个接口，一个是电脑连接的WIFI接口，一个就是OrangePi Ai Pro连接的接口
然后我们进入设置中的网络配置中更改配置器选项，点击连接到的WiFi，然后属性-共享，将共享按钮打开，我们再次输入#arp -a，可以见到WiFi下面出现了一个新的IP地址。
使用获取到的IP使用MobaXterm连接OrangePi Ai Pro就可以打开开发板的终端界面了，首次登陆root的密码是Mind@123，默认有一个用户，HwHiAiUser，密码也是Mind@123。
详细操作直达：香橙派网线直连笔记本电脑，找不到IP的解决办法
5 直接上手体验AI应用
5.1 登录 juypter lab
定位到samples里可以看到在当前目录下有 8 个文件夹和 1 个 shell 文件，分别对应 8 个 AI 应用样例和Jupyter Lab启动脚本 start_notebook.sh。
01-SSD 02-CNNCTC 03-ResNet50 04-HDR 05-CycleGAN 06-Shufflenet 07-FCN 08-Pix2Pix start_notebook.sh
然后执行 start_notebook.sh 脚本启动 Jupyter Lab，终端会出现如下打印信息，在打印信息中会有登录 Jupyter Lab 的网址链接。
直接跳转浏览器就得到样例。
5.2 体验CNNCTC
文本识制指从图像中识别出文本，将图像中的文字区域转化为字符信息，通总采用CNN网络从图像中提取丰富的特征信息，然后根据提取的特征信息进行识别，这里采用ResNet作为特征提取网络，采用CTC(conectionit emparaClassification)方法进行识别。此脚本用于将cnnctc模型ckpt文件转换成AIR文件，再转换成OM文件，最后进行离线推理。
上传的图像是：
最后能成功识别出“PARKING"字样，并时间仅为8毫秒。
5.3 体验Pix2Pix
Pix2Pix 是一种用于图像到图像转换的条件生成对抗网络 (cGAN)。 它可以从输入图像生成逼真的输出图像，例如将草图转换为照片或将黑白图像转换为彩色图像。
我们使用草图去生成逼真的图像。
6 硬件测试
得益于散热风扇，该开发板的温度其实不算高，属于可接受的范围。
使用 npu-smi 命令可以查询和控制 PWM 风扇。
开发板使用的昇腾 SOC 总共有 4 个 CPU，这 4 个 CPU 既可以设置为 controlCPU，也可以设置为 AI CPU。默认情况下，control CPU 和 AI CPU 的分配数量为3:1。使用 npu-smi info 命令可以查看下 control CPU 和 AI CPU 的分配数量。
npu-smi info -t cpu-num-cfg -i 0 -c 0
如果不需要使用 AI CPU，使用下面的命令可以将 4 个 CPU 都设置为 control CPU。设置完后需要重启系统让配置生效。
sudo npu-smi set -t cpu-num-cfg -i 0 -c 0 -v 0:4:0
7 安装Anaconda并配置Anaconda的环境变量
首先安装wget工具，用来下载文件，和安装bzip2 工具来压缩和解压缩文件。
yum install wget
yum install -y bzip2
找anaconda的安装包链接，注意OrangePi Ai Pro是是arm架构的，不要找x86的架构去了。
链接直达：Anaconda3-2024.06-1-Linux-aarch64.sh
下载好运行：
sh Anaconda3-2021.11-Linux-x86_64.sh
需要配置anaconda的环境。
vim /etc/profile
export PATH=/root/anaconda3/bin:$PATH #最后一行添加
激活测试是否成功。
source /etc/profile
conda
8 配置yolo环境
anconda安装好后，conda可以创建多个运行环境，默认是base环境。这里我们为yolo创建一个环境。
conda create -n yolo python=3.8
使用activate yolo即可切换到我们的yolo环境下了。
除此之外，我们进行yolov5模型训练代码的编写需要用到jupyter notebook,所以我们需要在yolo环境下进行安装。
conda install jupyter notebook
在GitHub上下载yolov5源码，链接直达：https://github.com/ultralytics/yolov5
解压执行requirements.txt文件
pip install -r requirements.txt
自动帮我们把这些依赖安装好了。接下来我们就要开始训练yolo模型。后面对图片数据进行采集样本，标注，然后就可以进行yolov5模型训练，鉴于时间和篇幅关系，后续内容就不展开了。
9 Orang Pi Ai Pro点评
Orang Pi Ai Pro这块开发板让我特别的惊喜，超乎我自己的意外了。
优点：
- 首先就是这块板子的算力了，达到了8TOPS
- 连接显示器还支持最高4k，而且操作不卡顿
- 接口很丰富了，特别是照顾到无人机的电池接口及硬盘接口
缺点：
- 官方的资料默认的是百度网盘，没有会员情况下一个镜像得下一天
- 刚启动时散热风扇噪音较大
总的来说这款板子算是很令人满意了，性价比很高。
