Hailo-8加速卡驱动安装分享
Hailo-8加速卡简介
偶然间在网上看到一个神经网络的计算卡,其算力达到26TOPS,当然还要具体测试才知道应用情况。
hailo-8加速卡是一款支持M.2 M键的卡,可以支持多种长度,由于想测试的是边缘端的加速,因此以ARM开发板为主,如树莓派(CM4)、香橙派等RK3588系列等带有M.2 M接口的开发板。
实际测试过程使用的产品:
1、hailo-8加速卡是一款支持M.2 M(灵眸科技)
2、树莓派CM4
3、微雪底板
注:使用过程中计算卡发热严重,建议找个小风扇,由于底板背面计算卡的尺寸较大,会超出树莓派的通用外壳的尺寸
树莓派CM4配置简单,均需要Ubuntu系统,测试的系统为Ubuntu22.04。本来也支持RK系列的,可以选用带M.2 M插口的,但需要从源码编译驱动,不会操作,尝试了下就放弃了
安装后的完整版
更多内容键官网https://hailo.ai/
软件包安装
必备的安装软件(官网下载,注册后等待通过即可)
1、hailort_4.14.0_arm64.deb
2、hailort-pcie-driver_4.14.0_all.deb
3、hailort-4.14.0-cp310-cp310-linux_aarch64.whl
安装后可以进行测试
确认驱动是否安装
lspci | grep Co-processor
结果
扫描可用设备
hailortcli scan
结果
加速效果测试
官网的资料中可以下载一些常用的模型,如resnet_v1_50.hef,hef为通过工具转换后能够运行在加速卡上的模型格式,模型可以在官网下载
hailortcli benchmark resnet_v1_50.hef
测试结果
图中显示FPS达到了1300左右,但延迟为2.8ms左右,不是很懂这个结果,但这个数据确实很快
在加速的过程中可以测试软件的加速效果,或者通过加速卡实现标准模型之间的对比。
推断是支持C、C++、Python(安装hailort-4.14.0-cp310-cp310-linux_aarch64.whl)的,pyhailort测试(推荐阅读HailoRT User Guide)
github上下载程序hailort
git clone https://github.com/hailoai/hailort.git
git clone https://gitclone.com/github.com/hailoai/hailort.git(推荐)
cd hailort/hailort/scripts/ && ./download_hefs.sh && cd
测试前需要安装jupyter 、matplotlib
pip install jupyter matplotlib
下载文件夹并下载模型文件,采用jupyter测试代码,路径如下图
因为只有一个加速卡,因此每次运行文件需要关闭其他notebook
目前只尝试了这些内容,因此完整的模型转换需要GPU,手头条件有限仅测试了树莓派CM4上的初步使用效果。
欢迎大家相互交流