百度大脑加持，米尔科技fz3深度学习计算卡评测 -九游会网页

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九游会网页的技术支持。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”。
……