【香橙派AIpro】开箱测评_香橙派 aipro 怎么启动

目录

1.板子开箱

1.1.充电头

1.2.主板

1.2.1.上面

1.2.2. 40Pin扩展接口

1.2.3.下面

1.2.4.CPU

2.开机上电

2.1.启动方式

2.2.香橙派AIpro启动

2.3.用户登录

2.4.CPU资源运转情况

2.5.内存使用情况

3.测试官方AI样例

3.1.登录juypter lab

3.2.运行目标检测样例

3.3.运行卡通图像生成样例

3.4.运行人像分割与背景替换样例

3.5.小结

4.个人测试

4.1.unixbench跑分

4.1.1安装unixbench

4.1.2.运行

4.1.3.结果

4.1.4.笔者PC机跑分

4.1.5.香橙派4B跑分

4.1.6.小结

4.2.中文GPT2推理

4.2.1.搭建开源项目推理环境

4.2.2.推理

5.总结

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。

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！！！

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。