Copper · 2019年08月24日

EAIDK-310 开发板开箱 & 系统安装 & 性能测试

0x01 介绍

偶然间在一个群里看到有人发了极术AIoT开发者社区的一个活动链接,是注册报名送30块EAIDK-310开发套件,抱着试一试的心态我也去申请了一个,结果还真通过了,没过几天就把开发板发出来了,那么今天我也是拿到了这块EAIDK-310。

根据官网的资料,这块板子主要是面向AI方面的开发的,全称是嵌入式人工智能开发套件。

EAIDK(Embedded Artificial Intelligence Development Kit),专为 AI 开发者精心打造,面向边缘计算的人工智能开发套件。硬件平台具备语音、视觉等传感器数据采集能力,及适用于多场景的运动控制接口;智能软件平台支持视觉处理与分析、语音识别、语义分析、SLAM 等应用的基础平台和主流开源算法,满足端侧 AI 教育、算法应用开发、产品原型开发验证等需求。

好了还是不说废话了,直接开箱吧。

0x02 开箱

盒子正面
盒子背面

首先看这个盒子,很环保,正面大大的LOGO和型号,背面是一些配置参数,我们待会儿会讲到。

开发板正面

打开盒子取出板子,给我的直观感受就是它很像树莓派,布局什么的都很接近。这块板子采用的是瑞芯RK3228H的ARM SoC,内含4核Cortex-A53 CPU和ARM Mali-450 MP2 GPU,带1G LPDDR3 RAM和8G eMMC存储(当然它也支持microSD)。接口方面它带有3个USB2.0和一个USB3.0、1个Micro-USB电源、支持4K@60的HDMI 2.0接口、100M有线网口、拓展IO接口和蓝牙、WiFi等。而GPU的存在使它可以支持1080p@30fps和4K@60fps的H.264/H.265硬解码。

0x03 系统烧录、升级

EAIDK-310 预装Fedora 28及轻量级桌面环境LXDE,不过我本人是非常忠实的Debian粉丝,看到官网有Ubuntu镜像的下载,就决定先进行系统烧录再进行下一步的软件评测。以下烧录过程在Windows上进行。

首先到EAIDK资料下载页面去下载烧录工具(Image Flash Tool)、驱动包(DirverAssitant_V4.5),以及Ubuntu镜像(Images-Ubuntu)。下载完成后打开驱动包,找到DriverInstall.exe,点击驱动安装即可自动开始。

连接主机端的USB接口和EAIDK-310开发板的Micro-USB接口,打开烧录工具AndroidTools,按鼠标右键选择导入配置,文件,如下图所示:

1

在烧录工具的文件夹下选择config_linux,确定。

2

长按开发板上RECOVER按键的同时短按RESET键(大概是按住RECOVER同时短按3下RESET),使开发板进入Loader模式,这时烧录工具会显示“发现一个LOADER设备”,再依次选择各个镜像文件,如下图所示:

3

选择完成后点击执行,就开始了烧录过程。右边会显示进度,提示“下载完成”就OK了。

拔掉连接线,换成5V 2A的电源,插上HDMI、网线、鼠标键盘,然后就开机啦!

开机后一切运行正常,为了方便我就先用SSH登录了。接下来将系统软件源设置为国内镜像,cat /etc/apt/sources.list发现它默认是Ubuntu Ports,版本是xenial(16.04),正好中科大有这个镜像,于是使用以下命令将系统组件升级到最新版本。哦对了,安装Ubuntu系统之后,默认用户名和密码都是rk

sudo sed -i 's/ports.ubuntu.com/mirrors.ustc.edu.cn/g' /etc/apt/sources.list
sudo apt update
sudo apt upgrade

然后出现了尴尬的问题,重启之后显示器上一直显示

rk_gmac-dwmac ff550000.ethernet: rk_get_eth_addr: mac address: xx:xx:xx:xx:xx:xx

而无法进入系统,这时ssh也登录不上,不知道是什么问题,重装Ubuntu重复以上步骤也是,希望系统维护者处理一下这个bug。

那之后还是先换到Fedora去吧。

0x04 性能和AI测试

系统性能测试

我们先采用UnixBench对这块板子进行性能测试,安装过程就先不说了,贴一下结果,单实例跑分(就是一次跑一个)344.0分,4实例跑分(就是同时跑4个评测)885.3分,作为对比,我的树莓派4B的两个分数分别为327.6和803.9分,那应该可以说这两个的系统性能是很接近的。(P.S. EAIDK评测时我中途开了小风扇对着吹,树莓派没有,所以结果不一定代表真实差距,毕竟还要考虑过热降频之类的)。
关于UnixBench的各项测试描述在这里可以看到。

AI性能测试

接下来,既然这是一块面向AI的开发板,那么我们自然也要看看它跑AI的性能。

这里我们先来一个AI-Benchmark,它是一个开源的Python库,用于测试不同硬件平台(包括CPU、GPU和TPU)的AI性能,基于TensorFlow开发。

第一步我们需要安装Python和TensorFlow,不过pip好像并不能直接安装TensorFlow,那我试试手动编译,emmmm好像我不会的样子,算了先写到这吧,关于这个TF我下来再研究研究,成功了再发个续集哈哈哈哈哈。

这篇文章会同步发表在我的博客上如果有错误或者什么不妥的地方欢迎指出~~~~
推荐阅读
关注数
3506
内容数
57
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
安谋科技学堂公众号
关注安谋科技学堂
实时获取安谋科技及 Arm 教学资源
安谋科技招聘公众号
关注安谋科技招聘
实时获取安谋科技中国职位信息