香橙派 AIPro体验

一.香橙派 AIPro简单介绍

香橙派AIPro 开发板是香橙派联合华为精心打造的高性能 AI 开发板，可谓是国产在芯片领域的一大创新之作，在性能开发板上提供了另一选择。在硬件方面上，其搭载了华为自研的昇腾 AI 处理器，官方称可提供 8TOPS INT8 的计算能力。所以本文就准备跑一些AI样例，来测试一下这个开发板的实际性能到底能达到多少。 根据官方表示，内存类型为LPDDR4X，用在开发板上是妥妥的够。存储上板载了32MB 的 SPI Flash，还有SD接口，惊喜的是，还有M.2接口，以前买过的开发板都没出现过，这对想组NAS的玩家，提供了新的方案还省了一笔费用，并且集成度更高，组起来更省空间。同时，香橙派AIPro支持蓝牙跟WiFi，频段也升级到了5GHZ。具体信息如下表：

二.开箱体验

先上图

这是香橙派 AIPro的外部包装，拿到后里面保护的非常好，上下两层海绵，里面是真空包装袋，很用心的保护。

下面这张是开发板实拍图

官方贴心的放上了散热风扇，可以做到自调节，上面也有两个USB接口，一个网口，两个HDMI，一个耳机口，两个Type，接口上中规中矩，下面是40个pin扩展口，有特殊需求可以自己扩展。左边是一个WiFi模块，伸长这么多，笔者觉得有点不太方便。

这张是背面图，可以看到一个M.2接口跟一个SD卡接口。

三.开机配置

1. 开机

拿到开发板后，就要对其进行简单的配置，如果是出厂自带的系统开机密码为Mind@123

1. 配置网络

大部分人可能需要对其进行SSH连接，所以需要对其进行一个简单的网络配置，首先在右上角点WiFi标签连接WiFi，连上后就要配置所有用户可自动连接WiFi，这样就可以在香橙派 AIPro没有进入该用户的时候还能连接，可以不要在香橙派 AIPro上输入密码即可连接。

先在WiFi界面点击Edit Connections，进入以下页面

在这个页面点击设置后进入以下页面。

把上图的第二个√打上。这样就设置了自动连接网络。

然后就要设置一个静态IP，保证每次连接的WiFi的IP地址一样，我们可以先查一下 当前的IP地址，这样锁定当前IP就能保证输入的IP地址可被分配。打开Terminal，输入ifconfig

在得道的信息上找到wlan0，即我们所连的WiFi信息

第二个框和第三个框即为我们所需要的信息，接下来配置静态IP，如下图所示

也可以在终端直接输入route -n就可以直接查看到IP地址，子网掩码跟网关，注意，是wlan0。这样就配置了同一路由下的静态IP,就可以用连接同一路由器的电脑进行访问，我用的是Finalshell，连接后如图：

就可以在电脑上进行操作

1. 配置swap，扩展内存

如果是要跑什么案例，但是内存不够，这时候就需要配置swap内存

1.开一个空间

sudo fallocate -l 16G /swapfile

1. 设置权限

sudo chmod 600 /swapfile

1. 设置成swap

sudo mkswap /swapfile

1. 启用

sudo swapon /swapfile

这样就成功开了一个扩展内存，可以使用free -h查看

扩展内存后，就可以跑一些爆内存的程序，比如深度学习转Om格式的就需要大内存，这时候很有必要。

四.测试AI样例

1. MobileNet垃圾分类

首先测试了一个典型的案例，图像分类，来了解AI算力

首先 输入命令，现在开源的mobileNet文件

git clone samples: CANN Samples

下载后会得到一个sample的文件夹，进入/samples/python/contrib/garbage_picture/model

这个model文件夹后，下载模型文件

wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/cartoonization/cartoonization.pb
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/cartoonization/insert_op.cfg

下载后就要对其进行转换成AI处理器能识别的Om格式文件，使用命令

atc --output_type=FP32 --input_shape="train_real_A:1,256,256,3" --input_format=NHWC --output="./cartoonization" --soc_version=Ascend310 --insert_op_conf=insert_op.cfg --framework=3 --save_original_model=false --model="./cartoonization.pb" --precision_mode=allow_fp32_to_fp16

atc命令中各参数的含义如下：

• --model：ResNet50的ONNX模型文件存储路径。
• --framework：原始框架类型，5表示ONNX。
• --output：离线om模型的路径以及文件名，此处文件名配置为resnet50，直接存储在当前目录下。请注意，请记录保存该om模型文件的路径，后续推理应用程序需要使用。
• --input_shape：执行推理时模型输入数据的shape。
• --soc_version：昇腾AI处理器的型号。

注意！！这里运行的时候就会很吃内存，如果开发板的内存是8G，后面就会报错，试过14G还是报错，最后调到17才成功转化，所以需要上文的swap扩展内存

完成模型转化后进入

samples/python/contrib/cartoonGAN_picture/data

下载照片

wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/cartoonGAN_picture/scenery.jpg

最后进入src即cartoonGAN_picture/src文件夹，运行

python3 cartoonization.py ../data/

如果运行成功就会显示如图

然后就会在上一级的out目录下生成所识别的图片，并且带上标签，如下三图所示

在转成Om格式的模型后，识别效果比较好，优化非常可以。

1. AnimeGAN生成图

在同样的案例下，进入cartoonGAN_picture 目录，再进这个目录的model下。

输入命令下载模型

wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/cartoonization/cartoonization.pb

wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/cartoonization/insert_op.cfg

然后再转换模型

atc --output_type=FP32 --input_shape="train_real_A:1,256,256,3" --input_format=NHWC --output="./cartoonization" --soc_version=Ascend310B1 --insert_op_conf=insert_op.cfg --framework=3 --save_original_model=false --model="./cartoonization.pb" --precision_mode=allow_fp32_to_fp16

得到如图的信息就是转换成功

然后再进data下，下载测试文件

wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/cartoonGAN_picture/scenery.jpg

最后进入src测试

cd ../src

python3 cartoonization.py ../data/

得到如图的结果

生成成功，在out目录查看结果

对比两张图，效果比较明显，并且整个过程用了不到0.23秒，硬件效果非常给力。

1. 测试眼底视网膜血管图像分割

第三个测试方法和前两个差不多，依次命令

得到模型文件

下载测试文件

运行后得到最后结果

速度比较快，得到的结果也比较好。能够准确分割。

五 总结

作为一款跟华为合作的产品，在性能上确实表现出十分强劲。通过三种案例，分类任务、生成图、图像分割，也是图像领域三大板块。得到的结果十分可观，运行的速度很快。并且跑完后温度也在较好的范围内。由于我的电脑上没有安装虚拟机，所以转化Om格式均在开发板上进行，在格式转化上会花点时间，CPU的性能有待提高，可能是因为AI开发板，算力确实很强大。在刚上手开发板时，并不知道是怎么转om模型，完全没有利用上强大的算力，在找到方法后，发现只能在Linux上转，在windows下似乎操作不了（可能我没找对方法），这种方法还是比较麻烦，建议官方出一个Windows下的Om模型转化方式。不可否认，在转化成om模型后，开发板在AI领域性能很强大，大大推动国产开发板的发展。在使用的过程中也发现，香橙派 AIPro的外壳卖的较贵，也希望官方能出点简单外壳，对于个人玩家而言，毕竟裸露的电子元件，很还是很危险。此外，在使用中好几次发现，插上U盘后，鼠标就没法移动，好像是发生一点卡顿，希望官方能够修复这个问题。

最后，希望国产开发板能走在世界前列，国产AI生态也能走在世界前列。