DeepEye1000DK 开发板初上手

简介: DeepEye1000DK 是基于云天励飞 DeepEye1000 神经网络处理器芯片的视觉 AI 应用开发板。该篇主要介绍了开发板如何烧录和运行demo程序。

介绍

DeepEye1000DK 是基于云天励飞 DeepEye1000 神经网络处理器芯片的视觉 AI 应用开发板。开发板充分发挥 DeepEye1000 芯片高度集成的平头哥玄铁处理器 C810,高性能神经网络处理器 NNP,智能硬算子引擎,H.264/H.265 视频解码等异构多核处理能力,能提供 2.0TOPS 视觉 AI 算力,开发板还提供了丰富的外部接口,支持 USB3.0、BT1120、MIPI、GMAC、JTAG调试接口、UART、SPI、I2C接口。通过配合开发板的AI工编译工具链和软件开发SDK套件,开发者可以基于该开发板快速验证和实现智能视觉AI产品的设计。 开发板详细介绍传送门《DeepEye1000DK》

初入手

提交申请后,很快平头哥就给了回复,通过EMS邮寄了过来,下面是它的素颜照。
微信图片_20200430161325.jpg

开箱清单

  • DeepEye1000 开发板1 块
    12V 2A 电源适配器1 个

usb2.0 公转Micro 数据线1 根
usb3.0 公对公数据线1 根

事先准备工作

该开发板提供了快速上手手册及demo程序,在进入demo演示前,我们需要先准备下述资料。

1) 开发文档及资源包

  • 视觉 AI SDK 开发手册
    视觉 AI SDK API 手册

DeepEye1000DK 开发板用户手册
DeepEye1000_开发板快速上手手册
玄铁C810交叉编译工具链
视觉_AI_SDK_软件包
视觉AI演示应用快速上手手册 DeepEye1000_DETVM_工具链文档

2) 快速上手手册中提到可以通过VM搭建Ubuntu系统进行烧录和测试,经过实践后,发现在烧录时会报一个USB init error。 故建议有条件的同学可以做一个双系统,直接进入Ubuntu OS的方式进行测试。

3) 请使用amd64的Ubuntun版本(例如:ubuntu-18.04.4-desktop-amd64.iso),i386版本存在兼容问题; 因为涉及到底层驱动等问题,ubuntu016.04 和 ubuntu20.04不做推荐。

4) 推荐串口图形工具cutecom, 可以通过 sudo apt-get cutecom安装,sudo cutecom打开串口调试工具;

烧录

1) 根目录新建workspace目录,

cd / 
sudo mkdir /workspace 
sudo chmod 777 workspace

2) 解压aisdk_dp1000_v0.6.3.tar.gz到workspace目录(目录结:/workspace/aisdk_dp1000_v0.6.3);
3) 解压aisdk_dp1000_v0.6.3.tar.gz中的dp1000-solutionsoftwareboardfirewaredesdk.tar.gz 到workspace目录(目录结构:/workspace/desdk);
4) 按照下载资源文件【05-DeepEye1000开发板快速上手手册_v1.3.1.pdf】的流程执行,其中【4. 主控开发】可以忽略; 烧录时请注意拨码开关设置成001;
5) 烧录结束后,启动SDK进行校验,注意要加上超级root权限执行,否则会报错。

sudo sdkservice -s

执行demo

1) 请注意更新gcc,g++为最新状态(gcc 4.0版本以下编译会报错);
2) 编辑/workspace/aisdk_dp1000_v0.6.3/env.sh,确认gcc,g++版本与系统一致,并再终端模式执行

./env.sh

3) 执行/workspace/aisdk_dp1000_v0.6.3/dp1000-solution/software/demo/install_base_env.sh, 安装基础编译环境,时间大概要花20-40分钟左右;
4) 拨码开关调整成 100状态,连接UART数据线,主板通上电源;
5) 连接另外一条USB数据线;
6) 根据下载资源文件【视觉AI应用快速上手手册_v1.2.pdf】执行demo程序;
7) 如果最后执行demo程序后,能够显示一段行人街道口视频,则说明demo程序能够完整运行;

执行demo时注意事项
1) 编译时如果报错: proto/DataObject.proto:1:10: Unrecognized syntax identifier "proto3". This parser only recognizes "proto2". 则需要升级proto到3.0以上版本,升级链接:https://www.cnblogs.com/timeddd/p/11081031.html

2) 4.3.2 DP1000 步骤:通过串口调试工具在开发板上创建【nodes】【model/yolov1_v0.3.6/】目录的路径应该在/usr/lib/visual-ai, 而不是/root/, 创建完成后,分别对新创建目录授权,

chmod 777 /usr/lib/visual-ai
chmod 777 /usr/lib/visual-ai/nodes
chmod 777 /usr/lib/visual-ai/model
chmod 777 /usr/lib/visual-ai/model/yolov1_v0.3.6

重启开发板,在PC端执行下述命令设置usb端口:

rmmod usbtest
find /lib -type f -name usbtest.ko | xargs sudo rm

3) 4.3.2 DP1000 的 c.设置执行权限 步骤: 通过串口控制台执行 的命令调整如下:

cd /usr/lib/visual-ai
chmod +x starter dp1000_usb /root/run.sh

写在最后

因为ubuntu系统的问题,能够跑起这块开发板真的很不容易,希望我的经验能够为后续的小伙伴带来借鉴, 另外,我们也正在研究如何用这块开发板做一点有意思的事情(比如垃圾分类),在不久后再给大家带来一篇实际应用的案例。

相关文章
|
3月前
|
安全 IDE Shell
【全网最详细】Python3.10下载安装使用保姆级教程(看不懂打我)
Python 3.10(2021年10月发布)是已结束支持的旧LTS版本,以稳定性著称。核心新特性为结构模式匹配,显著提升数据处理能力;同时优化错误提示、类型注解等。适合维护老项目或对稳定性要求高的生产环境。
|
Linux 网络安全 数据安全/隐私保护
Linux 超级强大的十六进制 dump 工具:XXD 命令,我教你应该如何使用!
在 Linux 系统中,xxd 命令是一个强大的十六进制 dump 工具,可以将文件或数据以十六进制和 ASCII 字符形式显示,帮助用户深入了解和分析数据。本文详细介绍了 xxd 命令的基本用法、高级功能及实际应用案例,包括查看文件内容、指定输出格式、写入文件、数据比较、数据提取、数据转换和数据加密解密等。通过掌握这些技巧,用户可以更高效地处理各种数据问题。
2293 8
|
12月前
|
SQL 前端开发 Java
如何开发供应商管理系统中的发货协同板块(附架构图+流程图+代码参考)
本文讲述了老王因供应商发货信息不同步导致客户投诉的经历,引出供应商管理系统中“发货协同”模块的重要性。文章结合实际案例,详细介绍了该模块的功能设计、业务流程、技术实现及开发技巧,并通过上线效果展示其对发货效率和客户满意度的显著提升。最后提供常见问题的解决方案,助力企业实现发货全流程透明化管理。
|
人工智能 自然语言处理 数据挖掘
从行业痛点到AI前沿:揭秘AGI时代企业培训的终极之选
近几年接触到的各类培训合作方越来越多,从国际咨询巨头、互联网科技培训平台,到本土独角兽型的专业培训公司;从专攻新技术与创新场景的培训团队,到深谙传统行业痛点的咨询顾问。作为一名在央企、国企、上市公司人力资源培训条线深耕多年的HR负责人,深知在这片竞争激烈的培训服务蓝海中,寻找高质、高效的合作伙伴并不简单,因为企业培训的逻辑正在悄然改变。
1073 10
|
机器学习/深度学习 数据采集 算法
智能交通信号控制:优化城市交通流
【10月更文挑战第2天】随着城市化进程加快,交通拥堵成为严峻挑战。智能交通信号控制(ITSC)通过集成现代信息技术、大数据分析和人工智能,实现了交通信号的动态优化,有效缓解了交通拥堵,提升了交通效率。其工作原理包括数据采集与处理、交通状态感知、流量预测及信号灯控制策略制定等环节。目前,ITSC已在多个城市应用并取得显著效果,如提升交通效率、减少拥堵和改善安全等。未来,ITSC将融合多模态数据、应用深度学习算法、实现区域协同控制,并与其他智能交通系统集成,为构建安全、高效、绿色的城市交通环境贡献力量。
1569 6
|
自然语言处理 监控 自动驾驶
大模型在自然语言处理(NLP)、计算机视觉(CV)和多模态模型等领域应用最广
【7月更文挑战第26天】大模型在自然语言处理(NLP)、计算机视觉(CV)和多模态模型等领域应用最广
1714 11
|
存储 监控 应用服务中间件
服务器硬件基础知识
服务器硬件基础知识
|
存储 缓存 监控
|
数据采集 供应链 监控
一文看懂:MES定义和功能是什么,以及在数字化工厂的应用
MES是制造企业信息化的关键,适应个性化和敏捷制造需求,助力生产精益管理。作为数字化与智能化的核心,MES系统在数字化工厂中发挥重要作用,实现实时监控、资源优化和生产流程自动化。系统功能包括一站式生产业务流程、生产进度追踪、灵活功能修改、数据可视化和移动端报工。发展历程从数据采集到智能制造,现正向MOM发展,整合更多环节,强调数据实时性、智能化、灵活性和整体优化,以提升制造业效率和竞争力。