百度大脑加持，米尔科技FZ3深度学习计算卡评测

如果你要问我现在电子产业什么最热，那无疑是AI，而基于大数据训练的深度学习技术可以说是目前AI应用的最广，最成功的产品形态了，覆盖我们生活的方方面面，诸如购物、看病、新闻编辑等，在这高深技术的背后少不了最前沿的硬件技术支持。今天笔者就拿到了米尔科技与百度合作推出的一款深度学习计算卡MYS-ZU3EG-8E4D-EDGE-K1（从官方资料来看，这个版本表示搭载4GB DDR4的调试阶段的板卡，以下都将简称FZ3 EdgeBoard），我们来看看深度学习背后到底需要什么样的硬件支持。


开箱
米尔科技一贯风格的包装，原本以为这么大的包装板子也会很大，但是结果出乎意料之外，开发板精致小巧，差不多就比树莓派大一点，除了FZ3 EdgeBoard，米尔科技还附赠了一个电源适配器、一条电源线、一根MicroUSB线以及已经插在FZ3上的16GB MicroSD卡。







硬件介绍
初看FZ3 EdgeBoard，即惊叹于做工颜值在线，黑色PCB板+高品质的散热风扇；又感叹于尺寸设计的精致小巧，大小只有100mm*70mm。虽然说“麻雀”虽小，但是五脏俱全。

开发板正面

开发板背面
FZ3的硬件资源分布图如下：
.  XCZU3EG，Zynq UltraScale + MPSoC  SoC
.  4GB DDR4 SDRAM（64bit 2400Mbps）
.  8GB eMMC
.  32MB QSPI
.  10/100/1000Mb/s 千兆以太网 PHY
.  RS485 * 1，CAN * 1
.  1 路 TF 卡接口
.  1 路 USB2.0 物理接口，1 路 USB3.0 物理接口
.  1 路千兆 RJ45 以太网接口
.  1 路 Mini Displayport 接口
.  1 路 PCIe x1 接口
.  1 个系统复位按键，1 个 FPGA 复位按键
.  1 路 MIPI-CSI 接口，1 路 BT1120 接口
.  1 路 JTAG 接口，1 路 USB 转 UART 调试接口
.  2 个 40PIN 2.54mm 间距 IO 扩展接口
.  四个板载 LED 状态指示
可以看到，虽然FZ3很小巧，但是该有的外设资源一点也不少，而且很多外设是有别于传统嵌入式开发板的，比如搭载了4GB的DDR4 SDRAM ，USB3.0接口，mini Displayport接口，PCIe接口等，这些更像是作为生产力工具的计算机才有的，看到这些配置，是不是对这个板子更加感兴趣了？再来看下各部分接口的细节图，彻底体验下将消费电子做成工业级产品的奢侈感。
PS单元接口
mini Displayport接口：1 路 Mini DisplayPort 接口，2lane，支持 DP1.2a 4K/30fps 分辨率输出。
PCIe 1x 接口：1 路 PCIe 1x 接口，从 PS 端引出，支持 PCIe 2.1。PS 端以太网：1 路 10/100/1000Mbps 以太网 RJ45 接口。USB Host ：1 路 USB 2.0 接口，1 路 USB3.0 接口（含 USB2.0），一起经由底板上的双层 USB3.0TYPE-A 接口引出，作为 HOST，接口为 J2，上层仅支持 USB2.0，下层支持 UBS3.0 和USB2.0。TF 卡接口：1 路 TF 卡接口，用于启动或者存储。MicroUSB to UART 接口：1 路 MicroUSB to UART 接口，用于调试开发板。


PL 单元接口
1 MIPI-CSI 摄像头接口：MIPI 信号直接通过 PL 端的 IO，进入 FPGA 内部进行解码。
BT1120 视频输入接口：PL 端留有 BT1120 视频输入接口，BT1120 视频信号直接通过 PL 端的 IO，进入 FPGA 内部进行解码。详细 IO 细节请参考 PINMAP。
IO 扩展接口



本开发板通过 2 个 2x20PIN 的 2.54 排针进行 IO 扩展，其中包含 12V，5V，3.3V，1.8V 等电源输出，CAN，RS485，USB2.0x2，4xPSMIO，40PIN PL 端 IO 等信号。
电源输入接口，默认为 12V 输入，过流保护为 2A
RTC 电池接口，可使用 1.5V 的 AG3/LR41 型号电池
风扇接口，默认为 12V 供电，可以通过 PL 端 IO 探测风扇转速
CAN 接口、RS485 接口
当然，这么多外设的扩展还是离不开板子的核心重点，赛灵思Zynq UltraScale + MPSoC   SoC  XCZU3EG-SFVC784。

集成了ARM 四核 Cortex-A53（PS），双核 Cortex-R5（PS），Mali-400 MP2 图形处理单元和Kintex Ultrascale + FPGA（PL）。四核 Cortex-A53 具有强大的计算能力，双核 Cortex-R5可用于实时处理应用，Mali-400 MP2 可用于加速图形处理，而 FPGA 具有完全可编程性。配合丰富的常用接口以及可扩展接口，可适应各种应用场景。
XCZU3EG-SFVC784 支持 1.5GHz（最大-1）的 APU 速度，600MHz（最大-1）的 RPU速度，667MHz（最大-1）的 GPU 速度，以及高达 2400Mbps 的 DDR4 速度。
基于赛灵思的XCZU3EG SoC，内部集成了4核ARM A53处理器+GPU+FPGA的架构，具有多核心处理能力、FPGA可编程能力以及视频流硬件解码能力等特点；内置了基于Linux操作系统+百度深度学习平台-飞桨（Paddle）定制的深度学习软核，深度兼容百度大脑模型资源与工具平台（EasyDL/AIStudio），可高效、快速的实现模型的训练-部署-推理等一系列流程，极大降低了开发验证、产品集成、科研教学、项目部署的门槛。
上电使用开发板提供四种启动方式供选择，分别是 JTAG，SD1，eMMC 和 Quad-SPI 启动，可通过拨码开关 SW1 进行设置。

FZ3 计算卡内部搭载Linux系统，开发者可以基于Linux系统进行应用程序进行开发。（主要调用流程：1.应用程序获取视频输入->2.调用预测库加载模型->3.调度模型和底层驱动加速模块进行计算->4.获得运行结果）


因为没有这个比较先进的miniDP接口转接线，所以无奈只能通过最原始的网口访问，通过SSH连接，官方出厂默认的静态IP为：192.168.1.254，所以我配置在相应的网段内。

然后通过putty的ssh功能访问，初始的用户名和密码都是root。



登录成功后，我们可以直接通过文件管理的ftp方式访问开发板上的文件。

据官方介绍开发板有默认的深度学习示例，不过既然是和百度大脑联合的一个开发平台，我们怎么也要用自己训练的模型，所以当可以连接上FZ3后，我们就向“百度大脑”开炮。

运行EasyDL平台模型预测


EasyDL是一站式的深度学习模型训练和服务平台，提供可视化的操作界面，只需上传少量图片就可以获得高精度模型。
当然，首先我们得注册个账号，然后通过场景可以选择“图像分类”或者“物体检测”。……

作者：柚子版权声明：本文系电路城原创评测作品，如非授权请勿转载！
更多米尔FZ3深度学习计算卡的介绍和资料，请查看：http://www.myir-tech.com/product/mys-czu3eg.htm