OrangePi AIpro 性能测试以及使用体验

news2024/9/20 10:46:45

OrangePi AIpro 性能测试以及使用体验

1. 介绍

OrangePi AIpro(8T)采用昇腾AI技术路线。

  • 具体为4核64位处理器+AI处理器，集成图形处理器，支持8TOPS AI算力
  • 拥有8GB/16GB LPDDR4X，可以外接32GB/64GB/128GB/256GB eMMC模块，支持双4K高清输出。

Orange Pi AIpro引用了相当丰富的接口。

  • 两个HDMI输出
  • GPIO接口
  • Type-C电源接口
  • 支持SATA/NVMe SSD 2280的M.2插槽、
  • TF插槽
  • 千兆网口
  • 两个USB3.0、一个USB Type-C 3.0、一个Micro USB（串口打印调试功能）
  • 两个MIPI摄像头、一个MIPI屏
  • 预留电池接口

可广泛适用于AI边缘计算、深度视觉学习及视频流AI分析、视频图像分析、自然语言处理、智能小车、机械臂、人工智能、无人机、云计算、AR/VR、智能安防、智能家居等领域，覆盖 AIoT各个行业。 OrangePi AIpro支持Ubuntu、openEuler操作系统，满足大多数AI算法原型验证、推理应用开发的需求。

2. 开箱

刚拿到OrangePi AIpro未拆开时，就感觉OrangePi AIpro这个重量不轻，自认为开发板应该是比较大的，但是当开箱时，发现它竟如此小巧，质感特别棒。

  • 外观

  • 特写

  • 全家福

    OrangePi AIpro的IO接口还兼容了树莓派接口，所以在从树莓派切换到OrangePi AIpro时是十分方便的。
    OrangePi AIpro 官网还提供了丰富的资料：

  1. 详细的用户手册 可以让入门更容易

  2. 对于需要修改硬件的朋友，官方还提供了硬件原理图

  3. 丰富的官方工具，以及linux开源代码

3. 硬件

OrangePi Aipro正面图例

OrangePi Aipro背面图例

4. 性能测试

4.1 CoreMark

CoreMark是一种专门为嵌入式处理器设计的基准测试工具，由Embedded Microprocessor Benchmark Consortium (EEMBC) 开发。它的主要目的是为嵌入式系统提供一个标准化的性能评估方法，以便在不同处理器和平台之间进行客观、公正的比较。

主要特点

  1. 简洁高效：CoreMark代码量小，占用资源少，非常适合嵌入式系统的测试需求。
  2. 便携性强：使用标准的C语言编写，易于移植到各种处理器和平台上。
  3. 多维度测试：通过实现一系列典型的嵌入式系统操作来评估处理器性能，包括列表处理、矩阵操作、状态机操作和CRC计算。
  4. 标准化评分体系：提供了一套统一的评分标准，使得不同处理器的性能比较更具可比性和可信度。

4.1.1 测试

首先从github中下载CoreMark的源代码

# git clone https://github.com/eembc/coremark

我们来编译CoreMark, let’s go。

# make XCFLAGS="-DMULTITHREAD=4 -DUSE_PTHREAD -pthread"

OrangePi AIpro有4个cpu核心，使用4线程进行测试，测试结果如下

d

4个核心coremark分数累计为： 30618.493570

单核心分数为：7,654.6233925

4.1.2 对比

与树莓派对比：

a

从目前拿到的资料来看，我们没有准确的OrangePi AIpro的cpu 频率。但是我可以准确的说，OrangePi AIpro的cpu freq不会超过1.6GHz。我们按照最高1.6GHz的频率可以计算出CoreMark/MHz为19.14。成绩还是相当不错的。

参考资料

CoreMark Scores

4.2 sysbench

Sysbench是一个跨平台的基准测试工具，用于评估系统性能和稳定性。现在我们就用这个工具简单测试素数计算，OrangePi AIpro和我的主机电脑(AMD cpu 3600x)进行对比。。
命令为:sysbench --test=cpu --cpu-max-prime=10000 --num-threads=4 run
这是一个使用Sysbench进行CPU性能测试的命令，具体参数含义如下：

  • –test=cpu：指定进行CPU性能测试。
  • –cpu-max-prime=10000：指定在素数计算中使用的最大素数。在这种情况下，Sysbench将计算小于或等于10000的素数。
  • –num-threads=4：指定测试时使用的线程数，这里设置为4个线程。
    OrangePi AIpro结果：

    AMD CPU 3600x结果：

从结果可以看出OrangePi AIpro更胜一筹。

4.3 DMIPS

DMIPS（Dhrystone MIPS）是用于衡量计算机处理器性能的一种基准测试指标。它基于Dhrystone基准测试程序，该程序由Reinhold P. Weicker在1984年开发，用于评估系统的整数运算性能。DMIPS将Dhrystone测试结果转换为一个更易理解的单位——每秒百万条指令（MIPS）。

主要特点：

  1. 整数运算为主：Dhrystone基准测试专注于整数运算性能，这对于评估嵌入式系统和一般用途处理器的效率非常重要。
  2. 历史悠久：作为一种经典的基准测试，Dhrystone在计算机科学和工程领域有着广泛的应用和认可。
  3. 转换为MIPS：Dhrystone结果通过一个标准的转换因子，转换为每秒百万条指令数（MIPS），方便不同处理器之间的性能比较。

计算公式：

Dhrystone的评分通常用DMIPS/MHz表示。计算公式如下

DMIPS/MHz = iteration/cycle*1000000/1757

关于DMIPS有一个不得不注意的点，因为历史原因我们把在VAX-11/780机器上的测试结果1757 Dhrystones/s定义为1 DMIPS，因此在其他平台测试到的每秒Dhrystones数应除以1757，才是真正的DMIPS数值，故DMIPS其实表示的是一个相对值。

4.3.1 测试

首先从github中下载dhrystone的源代码

# git clone https://github.com/Keith-S-Thompson/dhrystone.git

运行代码

# cd v2.2/ && sh dry.c

测试结果：

cc -c  dry.c -o dry1.o

在这里插入图片描述

cc -c -DREG  dry.c -o dry1.o
d 
cc -c -O  dry.c -o dry1.o
d

我们取最好的结果：14084507，根据计算公式，可以计算出DMIPS等于5.01。

4.3.2 对比

OrangePi AIpro的成绩相当不错了。可以参考下图

a

4.4 RAMspeed-SMP

用于测量和评估多处理器系统（SMP，Symmetric Multiprocessing）内存子系统性能的基准测试工具。它是RAMspeed系列的一部分，专门设计用于对称多处理器环境，以提供有关系统内存带宽和延迟的详细信息。

RAMspeed-SMP 的特点和功能

  1. 多处理器支持：能够有效地测试和分析多处理器系统的内存性能，适用于现代多核处理器架构。

  2. 多线程执行：利用多线程技术，通过并行运行多个线程来模拟高负载条件下的内存访问情况，从而更准确地评估内存性能。

  3. 多种测试模式

    ：

    • 读取测试（Read）：测量内存读取操作的带宽。
    • 写入测试（Write）：测量内存写入操作的带宽。
    • 复制测试（Copy）：测量内存复制操作的带宽。
    • 读写测试（Read-Write）：测量混合读写操作的带宽。

4.4.1 测试

首先从github中下载RAMspeed-SMP的源代码

# git clone https://github.com/cruvolo/ramspeed-smp

编译

# ./build.sh

测试结果：

下图为整型读写复制等的测试结果

下图为浮点数读写复制等的测试结果

1

4.4.2 对比

1

上图为我从openbenchmarking网站上截取的整型结果，对比可以看出OrangePi AIpro所以上乘水平。很不错。其他结果可以上openbenchmarking自行查看。

4.5 yolov5 测试用例使用

在OrangePi AIpro中提供了丰富的测试用例，如

  1. 运行目标检测样例
  2. 运行文字识别样例
  3. 运行目标分类样例
  4. 运行图像曝光增强样例
    等等10多个用例。可以让新手快速体验每个用例的使用方法，还可以看到代码实例，方便快速入手和使用。
    下面我们使用运行目标检测的样例来掩饰AI应用。
    这里为了方便我们使用远程桌面登录OrangePi AIpro的桌面
    在OrangePi AIpro的桌面中，打开Terminal
cd ~/sample/noteboots
./start_noteboot.sh


然后点击
http://127.0.0.1:8888/lab?token=989e405118bb6eae0ce13174063078a42bd0486a16d083d3
进入火狐浏览
点击01-yolov5,在点击man.inpynb
修改infer_mode=‘camera’ 则会使用外接的usb摄像头来使用。
或者修改video_path = ‘fei.mp4’。下面我展示重新上传频展示此次用例的情况。

然后点击运行
在这里插入图片描述

在使用此模型的时候，cpu使用率不高，说明很多是有NPU在处理器。功能很强大。

5.总结

OrangePi AIpro是一款单板计算机，主要用于人工智能应用。它的优点可以简单概述如下：

  1. 强大的性能：OrangePi AIpro配备了高性能的处理器和GPU，能够处理复杂的人工智能任务和计算密集型应用。

  2. 丰富的接口：它提供了丰富的接口，包括多个USB接口、网口、HDMI接口等，便于连接外部设备和扩展功能。

  3. 支持多种人工智能框架：OrangePi AIpro支持多种流行的人工智能框架，如TensorFlow、PyTorch等，方便开发人员进行模型训练和推理。

  4. 低功耗高效能：它采用了低功耗设计，能够在性能和能耗之间取得良好的平衡，适合于嵌入式和边缘计算场景。

  5. 灵活性：OrangePi AIpro是一款开源硬件，用户可以根据自己的需求进行定制和修改，满足各种不同应用场景的需求。

综上所述，OrangePi AIpro具有性能强大、接口丰富、支持多种人工智能框架、低功耗高效能以及灵活性高等优点，适合于各种人工智能应用和嵌入式系统开发。

6.其他

开启远程桌面

1.安装xfce4 xrdp tigervnc-standalone-server

sudo apt install  xfce4  xrdp  tigervnc-standalone-server

2.修改配置文件，添加红框里面这一句echo “xfce4-session” > ~/.xsession

在/etc/xrdp/startwm.sh文件末尾添加echo “xfce4-session” > ~/.xsession

3.启动xrdp

sudo systemctl start xrdp

4.设置xrdp随系统启动

sudo systemctl enable xrdp

5.设置任何用户都可以登录

sudo dpkg-reconfigure xserver-xorg-legacy

选择Anybody即可

最后我们打开windows系统的远程桌面连接
使用HwHiAiUser登录
等待成功的桌面：

添加用户

添加用户richard

sudo adduser --home  /home/richard --shell   /bin/bash  richard

增加超级用户权限

sudo usermod -aG sudo richard

7.尽情期待

  • OrangePi AIpro nas搭建
  • OrangePi AIpro GPIO控制
  • OrangePi AIpro 家庭远程视频控制

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：http://www.coloradmin.cn/o/1702854.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

超详细避坑指南！OrangpiAIPro转换部署模型全流程！

超详细避坑指南！OrangpiAIPro转换部署模型全流程！

目录 OrangepiPro初体验 前述： 一、硬件准备 二、安装CANN工具链（虚拟机） 三、配置模型转换环境（虚拟机） 1.安装miniconda 。 2.创建环境。 3.安装依赖包 四、转换模型 1. 查看设备号（开发板&…
阅读更多...
Linux服务器安装anaconda、配置pytorch环境

Linux服务器安装anaconda、配置pytorch环境

Linux服务器安装anaconda并配置pytorch环境 Linux服务器安装anaconda下载anaconda安装anaconda验证是否安装成功注意默认python版本 配置pytorch环境新建虚拟环境安装pytorch Linux服务器安装anaconda 下载anaconda 首先进入anaconda网站，根据自己的需要选择一个版…
阅读更多...
LLM中的RoPE位置编码代码解析与RoPE的性质分析（一）

LLM中的RoPE位置编码代码解析与RoPE的性质分析（一）

本博客需要对位置编码有一定了解，但不熟悉代码实现的老哥看。 正弦位置编码（sinusoidal） 在介绍RoPE之前，先回顾一下正弦位置编码。 数学表达 P E ( p o s , 2 i ) s i n ( p o s 1000 0 2 i / d m o d e l ) PE(pos, 2i) sin…
阅读更多...
5.27作业

5.27作业

定义自己的命名空间my_sapce&#xff0c;在my_sapce中定义string类型的变量s1&#xff0c;再定义一个函数完成对字符串的逆置。 #include <iostream>using namespace std; namespace my_space {string s1;string reverse1(string s1);} using namespace my_space; int m…
阅读更多...
Web（数字媒体）期末作业

Web（数字媒体）期末作业

一.前言 1.本资源为类似于打飞机的网页游戏 2.链接如下&#xff1a;【免费】前端web或者数字媒体的期末作业&#xff08;类似于打飞机的2D网页小游戏&#xff09;资源-CSDN文库 二.介绍文档
阅读更多...
HR人才测评，哪些岗位需要测评想象力？

HR人才测评，哪些岗位需要测评想象力？

什么是想象力&#xff1f; 想象力是指&#xff0c;人们通过在已有物质的基础上&#xff0c;通过大脑想象、加工、创造出新事物的能力&#xff0c;举一个非常简单的例子&#xff0c;在提到鸟这种生活的时候&#xff0c;大家会联想到各种各样不同鸟的品种。 哪些岗位需要测评…
阅读更多...
喜讯 | 聚铭网络入选2024安在新榜网络安全产品“大众点评”百强榜及全景图

喜讯 | 聚铭网络入选2024安在新榜网络安全产品“大众点评”百强榜及全景图

近日&#xff0c;安在新榜发布了备受期待的《2024中国网络安全产品用户调查报告》。在这份权威报告中&#xff0c;聚铭网络凭借先进的技术、优秀的产品和专业的配套服务&#xff0c;成功入选《2024安在新榜网络安全产品“大众点评”百强榜》。 报告通过对全国企业用户进行专项调…
阅读更多...
海外仓erp系统是什么？和海外仓管理系统一样吗？

海外仓erp系统是什么？和海外仓管理系统一样吗？

为了满足海外仓全球化发展的大趋势&#xff0c;同时提升海外仓运转的效率&#xff0c;一套好用&#xff0c;性价比高的海外仓管理系统还是非常重要的。 不过很多海外仓企业其实不太分得清erp系统和海外仓管理系统的差异&#xff0c;今天我们就来系统的聊一下&#xff0c;方便大…
阅读更多...
React useState修改对象

React useState修改对象

在 React 中&#xff0c;useState 是一个 Hook&#xff0c;它可以让函数组件拥有状态。当想要改变一个对象类型的状态时&#xff0c;我们需要使用展开运算符&#xff08;...&#xff09;或者 Object.assign 来确保状态是正确地更新。 以下是一个使用 useState 来更新对象的例子…
阅读更多...
windows下nvm的安装及使用

windows下nvm的安装及使用

目录 一、下载二、安装三、使用 一、下载 下载链接&#xff1a;https://github.com/coreybutler/nvm-windows/releases 二、安装 双击 nvm-setup.exe&#xff0c;按提示一步步安装。 三、使用 # 查看已安装的版本信息 nvm list&#xff08;可简写为&#xff1a;nvm ls&am…
阅读更多...
计算机视觉中-语义分割

计算机视觉中-语义分割

语义分割 语义分割是计算机视觉中的一个关键技术&#xff0c;它涉及对图像中的每个像素进行类别划分&#xff0c;从而识别出图像中的不同物体或区域。具体来说&#xff0c;语义分割就是按照“语义”给图像上目标类别中的每一点打上一个标签&#xff0c;使得不同种类的东西在图像…
阅读更多...
【RSGIS数据资源】中国多时期土地利用遥感监测数据集（CNLUCC）

【RSGIS数据资源】中国多时期土地利用遥感监测数据集（CNLUCC）

文章目录 数据基本信息摘要数据说明数据引用方式 数据基本信息 数据时间&#xff1a; 多时期(1970年代末期以来11期) 空间位置&#xff1a; 中国 数据格式&#xff1a; 矢量与栅格 空间分辨率&#xff1a; 30m 主题分类&#xff1a; 中国土地利用遥感监测数据 DOI标识&#xf…
阅读更多...
Android Gradle plugin 版本和Gradle 版本

Android Gradle plugin 版本和Gradle 版本

1.当看到这两个版本时&#xff0c;确实有点迷糊。但是他们是独立的&#xff0c;没有太大关联。 就是说在Android studio中看到的两个版本信息&#xff0c;并无太大关联&#xff0c;是相互独立的。Gradle插件版本决定了你的项目是如何构建的&#xff0c;而Gradle版本是执行构建…
阅读更多...
UML-系统架构师（二）

UML-系统架构师（二）

1、UML&#xff08;Unified Modeling Language&#xff09;是面向对象设计的建设工具&#xff0c;独立于任何具体程序设计语言&#xff0c;以下&#xff08;&#xff09;不属于UML中的模型。 A用例图 B协作图 C活动图 DPAD图 解析&#xff1a; UML一共14种图 结构图&…
阅读更多...
电商场景的视频动效

电商场景的视频动效

AtomoVideo：AIGC赋能下的电商视频动效生成本文分享阿里妈妈视频 AIGC（AtomoVideo等） 赋能视频广告创意的探索和实践。通过基于扩散模型的视频生成技术，结合可控生成技术，使静态电商图片能够栩栩如生地“动”起来，实现了在电商领域的视频 AIGC 应用落地。https://mp.weixi…
阅读更多...
LDRA Testbed(TBrun)软件单元测试_操作指南

LDRA Testbed(TBrun)软件单元测试_操作指南

系列文章目录 LDRA Testbed软件静态分析_操作指南 LDRA Testbed软件静态分析_自动提取静态分析数据生成文档 LDRA Testbed软件静态分析_Jenkins持续集成_(1)自动进行静态分析的环境搭建 LDRA Testbed软件静态分析_Jenkins持续集成_(2)配置邮件自动发送静态分析结果 LDRA Testb…
阅读更多...
星融元获2024网络开源优秀创新成果奖！

星融元获2024网络开源优秀创新成果奖！

5月25日&#xff0c;星融元受邀参加2024年第四届网络开源技术生态大会&#xff0c;分享主题为“开放的网络 开放的AI生态”主题演讲&#xff0c;深受现场用户的认可&#xff1b;《Easy RoCE&#xff1a;基于SONiC、Klish和Prometheus的极简无损网络解决方案》获得2024网络开源优…
阅读更多...
网络其他重要协议（DNS、ICMP、NAT）

网络其他重要协议（DNS、ICMP、NAT）

1.DNS DNS是一整套从域名映射到IP的系统 1.1 DNS背景 TCP/IP中使用IP地址和端口号来确定网络上的一台主机的一个程序&#xff0c;但是IP地址不方便记忆&#xff0c;例如我们想访问百度就会在浏览器中输入baidu.com而不是百度的IP地址。于是人们发明了一种叫主机名的东西, 是…
阅读更多...
程序员日志之我的创作纪念日

程序员日志之我的创作纪念日

目录 传送门正文日志1、概要2、ChatGPT的成为创作者初心的回答3、最受欢迎的博文4、未来创作 传送门 SpringMVC的源码解析&#xff08;精品&#xff09; Spring6的源码解析&#xff08;精品&#xff09; SpringBoot3框架&#xff08;精品&#xff09; MyBatis框架&#xff08;…
阅读更多...
HTML+CSS+JavaScript网页制作案例教程第2版-黑马程序员-第8章动手实践

HTML+CSS+JavaScript网页制作案例教程第2版-黑马程序员-第8章动手实践

HTMLCSSJavaScript网页制作案例教程第2版-黑马程序员-第8章动手实践 文章目录 HTMLCSSJavaScript网页制作案例教程第2版-黑马程序员-第8章动手实践效果图代码素材 效果图 代码 <!doctype html> <html><head><meta charset"utf-8"><title…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023