摘要：簡介 市面上基于嵌入式平臺的神經網絡加速平臺有很多，今天給大家帶來是百度大腦出品的EdgeBoard。按照官網文檔 的介紹，EdgeBoard是基于Xilinx Zynq Ultrascale+ MPSoC系列芯片打造的一款深度學習加速套件，也就是比較常 見的利用FPGA進行加速的方案。 開箱 收到的EdgeBoard，是一個淡黃的紙盒子，將其打開，里面...

簡介

市面上基于嵌入式平臺的神經網絡加速平臺有很多，今天給大家帶來是百度大腦出品的EdgeBoard。按照官網文檔的介紹，EdgeBoard是基于Xilinx Zynq Ultrascale+ MPSoC列芯片打造的一款深度學習加速套件，也就是比較常見的利用FPGA進行加速的方案。

開箱

收到的EdgeBoard，是一個淡黃的紙盒子，將其打開，里面共有四樣物品，分別為

• EdgeBoard本體一塊，相比官網上的圖片，多出了散熱器、風扇以及起到保護作用的亞克力板

• 已經刷好固件的SD卡一張

• 12V2A適配器一個，接頭為2P間距為3.81的接線端子

• MicroUSB線一條

EdgeBoard板子做工不錯，按照官網資料，他分為主板和電源板兩部分，加上散熱器后組合后的長寬高為120×80×50。板子具體的硬件資源就不過多介紹了，官方目前也沒公布具體硬件框圖。

啟動系統

將配套SD卡插入電腦，可以發現他已經燒錄好了固件，應該是可以直接啟動的（官方資料內沒有找到燒錄SD卡的方式，如果這張卡丟了的話……）

1. 將SD卡插入SD卡槽，使用MicroUSB線連接電腦，設備管理器里會出現USB to UART的設備。

2. 使用任意串口終端打開串口（以Xshell為例），COM口號設置為設備管理所看到的串口號，其余設置如下

• Band Rate: 115200

• Data Bits:8

• Stop Bits:1

• Parity: None

• Flow Control: None

3. 將接線端子連接到電源插座，接通電源適配器，可以看到電源燈亮起，風扇傳來了怒吼，這個風扇實測轉速為6000轉，長時間調試時候，噪音略微明顯。上電后，可以看到串口終端內顯示出了boot數據。

XilinxZynqMPFirstStageBootLoaderRelease2017.4Apr232019-13:19:54NOTICE:ATFrunningonXCZU9EG/siliconv4/RTL5.1at0xfffea000,withPMUfirmwareNOTICE:BL31:Securecodeat0x0NOTICE:BL31:Nonsecurecodeat0x8000000NOTICE:BL31:v1.3(release):47af34bNOTICE:BL31:Built:04:10:38,Apr232019U-Boot2017.01(Apr232019-12:20:25+0800)XilinxZynqMPZCU102revBforOpenAiI2C:readyDRAM:2GiBELLevel:EL2ChipID:xczu9egMMC:sdhci@ff160000:0(eMMC),sdhci@ff170000:1(SD)readinguboot.env

可以看到Xilinx特有的FSBL數據，從中可以看出這個板子的基本配置應該是ZCU102的精簡版，配備了2G的DRAM。等待幾秒鐘后，kernel啟動完畢，串口內出現登錄信息。

PetaLinux2017.4edge_board/dev/ttyPS0edge_boardlogin:

輸入用戶名root,密碼root，即可進入系統，出現了終端標識，代表啟動成功。

root@edge_board:~#

總結：系統啟動還是比較容易的，不過在啟動過程中遇到一個問題，如果插著網線的話，U-Boot會選擇從網絡啟動，會導致系統啟動偏慢

配置SSH與SMB開發環境

EdgeBorad已經配置好了SSH終端以及SMB文件共享服務器，也可參照官方使用步驟：https://ai.baidu.com/docs#/EdgeBoard%20quick%20start/23cb95ae

1. 在串口終端查看板子IP

root@edge_board:~#ifconfigeth0Linkencap:EthernetHWaddr00:0a:35:00:00:09inet6addr:fe80::20a:35ff:fe00:9/64Scope:LinkUPBROADCASTRUNNINGMULTICASTMTU:1500Metric:1RXpackets:39errors:0dropped:0overruns:0frame:0TXpackets:122errors:0dropped:0overruns:0carrier:0collisions:0txqueuelen:1000RXbytes:4964(4.8KiB)TXbytes:25813(25.2KiB)Interrupt:30eth0:avahiLinkencap:EthernetHWaddr00:0a:35:00:00:09inetaddr:169.254.1.162Bcast:169.254.255.255Mask:255.255.0.0UPBROADCASTRUNNINGMULTICASTMTU:1500Metric:1

Interrupt:30loLinkencap:LocalLoopbackinetaddr:127.0.0.1Mask:255.0.0.0inet6addr:::1/128Scope:HostUPLOOPBACKRUNNINGMTU:65536Metric:1RXpackets:2errors:0dropped:0overruns:0frame:0TXpackets:2errors:0dropped:0overruns:0carrier:0collisions:0txqueuelen:1RXbytes:140(140.0B)TXbytes:140(140.0B)

2. 使用串口讀出來的IP,本例中為169.254.1.162即可連接上SSH與SMB。本地輸入：\169.254.1.162 即可訪問edgeboard文件。Win7系統需要注意一些配置，具體請查看Edgeboard使用說明。

總結：環境都配置好了，上手還是很簡單，在用戶目錄下發現存在.xfce4的配置文件，莫非帶了圖形界面？手頭沒有DP線，后面會試試。

EasyDL+EdgeBoard搭建帶性別檢測的人臉識別模型

Edge的賣點之一，就是支持導入EasyDL生成的模型，EasyDL平臺是一個使用幾十、幾百張圖片就能訓練出一個效果還不錯的模型訓練平臺，官方宣稱，對于不了解深度學習用戶，可以僅僅依靠可視化操作即可完成深度學習訓練。

1. 登錄EasyDl官網創建物體檢測模型 http://ai.baidu.com/easydl/。

2. 創建訓練的數據集，本次測試在百度新聞里抓取了20張包含人臉的圖片。

3. 數據集標注，Easydl支持在線標注，只需選中圖片用鼠標在圖片上拉出一個框即可。

4. 數據集標注完成后即可訓練模型，由于要測試的模型是基于SSD的目標檢測，所以此次選中精度較低模型。（高精度是基于RetinaNet的模型），點擊開始訓練，大概需要30分鐘左右，即可訓練完成。

5. 在線校驗模型，訓練完成后點擊校驗模型，可以查看測試模型訓練效果。此次發現誤識別一個女生為男生，猜測大概是訓練集太小，不過人臉識別功能到是沒問題。

6. 模型導出：由于Easydl還沒正式發布模型導出功能，因此此次是通過聯系后臺人員導出的模型。7. 將Easydl導出的模型，通過SMB傳輸到EdgeBoard內替換原有的params、model.encrypted：

\169.254.1.162\roothome\workspace\sample\sample_easydl\model

8. 重新編譯模型，步驟如下：

insmod/home/root/workspace/driver/fpgadrv.kocd/home/root/workspace/sample/sample_easyd//如果沒有build目錄，創建一個mkdirbuildcdbuildrm-rf*cmake..make

9. 編程成功之后，運行預測程序。

a、在網絡上隨意下載一張人物圖，修改名字為1.jpg并替換\\169.254.1.162\roothome\workspace\sample\sample_easydl\image內的原有圖片。b.執行./paddle_edgeboard

10. 查看圖片輸出結果。 打開\169.254.1.162\roothome\workspace\sample\sample_easydl\build\result.jpg和命令行預測出的四個目標一致，這里由于沒有調整閾值所以檢測出來四個框。

總結：本次是創建了一個簡單的Easydl模型并且數據集準備的也小，所以精度不是很高，從可用性和快速部署方面Edgeboard和Easydl的結合可以幫助我們快速開發相關應用產品。

運行usb攝像頭輸入預測示例

通過官方文檔，發現板子支持USB攝像頭以及海思的IPC攝像頭接口，翻箱倒柜找到了兩個攝像頭接下來我們就試試用USB攝像頭進行實時的輸入檢測。

1. 連接設備

直接將攝像頭插入到底板的USB口上即可

2. 在開發板中，附帶了usb攝像頭的驅動與示例工程，依次執行以下命令

//查看設備文件是否產生，正常是/dev/video2ls/dev/video*insmod/home/root/workspace/driver/fpgadrv.kocd/home/root/workspace/sample/sample_usbmkdirbuildcdbuildrm-rf*cmake..make

3. 執行預測命令

./paddle_edgeboard

輸出結果如下：可以看到實時的檢測結果，輸出格式為目標的位置，如下圖所示

總結：本次是通過命令行方式進行的USB攝像頭測試，并輸出每一幀的目標檢測結果，實時性能達到10FPS,效果還不錯。但是隨機附帶的例程并沒有實時可視化的功能，我們沒能看到實際預測的結果，比較遺憾。

運行海思ipc攝像頭輸入預測示例

1. 連接設備，將海思IPC攝像頭排線插入插槽內，上電后，攝像頭電源指示燈會一并亮起

2. 依次執行以下命令

insmod/home/root/workspace/driver/fpgadrv.kosudochmod+x/home/root/workspace/driver/media-ctl/home/root/workspace/driver/media-ctl-v-f'"a0010000.v_tpg":0[fmt:SRGGB8/1920x1080field:none]'cd/home/root/workspace/sample/sample_bt1120mkdirbuildcdbuildrm-rf*cmake..make

3. 執行預測命令

./paddle_edgeboard

輸出結果如下：可以看到實時的檢測結果，例程里無可視化圖片生成，下一步先測試一下攝像頭采集地效果。

4. 查看攝像頭采集圖片可視化圖

ls/dev/video*/dev/video0/dev/video1insmod/home/root/workspace/driver/fpgadrv.kosudochmod+x/home/root/workspace/driver/media-ctl/home/root/workspace/driver/media-ctl-v-f'"a0010000.v_tpg":0[fmt:SRGGB8/1920x1080field:none]'cd/home/root/workspace/tools/bt1120/mkdirbuildcdbuildcmake..make./bt1120

總結：海思ipc攝像頭使用方法與USB基本一致，還是有個共同的缺點，沒有辦法進行實時的可視化效果，無法直觀觀察到模型運行的效果。

感受

經過一周的試用，對EdgeBoard也有了初步的了解，總體來說：

優點

1. 自帶環境豐富，無需配置交叉編譯環境即可使用。

2. 默認的smb+ssh環境基本滿足了開發需求，實現了到手即用。

3. 與EasyDL結合后，進行目標分類or目標檢測的嵌入式集成基本做到了傻瓜化,模型訓練容易上手。

4. 從上手來看，EdgeBoard作為一個異構的ARM+FPGA加速平臺，基本上做到了無需了解嵌入式與FPGA的程度即可使用

缺點

1. 板子試用攝像頭，缺乏可視化環境，如果可以實現一個小的流媒體服務器或使用DP接口輸出，對模型效果的評估可能可以更加直觀。

2. 風扇噪音較大，在室內長時間開發還是略微吵鬧，可能因為沒有開發調速策略導致。

3.部分win7系統修改系統策略后，仍然無法正常使用SMB連接目標板，希望后續版本可以移植SFTP后續會嘗試一下一些已有模型，深度挖掘一下這塊板子的功能