RM新时代|官方理财平台

課程介紹

本課程介紹了少林派的硬件電路設計和周邊資源利用方法，并提供了使用深度學(xué)習硬件加速接口的教程和一些基本的深度學(xué)習示例。

“少林派”是一個(gè)基于BM1684的開(kāi)發(fā)平臺，擁有大約20 TOPS的計算能力。它基于Mini-PCIe接口，具有良好的硬件可擴展性，豐富的生態(tài)系統和各種可連接的外設。

  • 可擴展性:“少林派”核心板的Mini-PCIe可轉換為WiFi、4G、藍牙、GPIO、M2接口、USB、RJ45、SATA、SFP、HDMI、can等多種接口。
  • 多種可連接外設:“少林派”核心板可擴展各種設備，如便攜式屏幕、鍵盤(pán)、鼠標、攝像頭、耳機、VR等。用戶(hù)可以在“少林派”上DIY一個(gè)全場(chǎng)景Linux工作站，隨心所欲地進(jìn)行各種深度學(xué)習實(shí)驗。

課程特點(diǎn):

  1. 內容豐富完整，包括開(kāi)發(fā)板硬件設計、外設接口說(shuō)明、開(kāi)發(fā)板升級過(guò)程、樣例代碼腳本等。
  2. 學(xué)習路徑科學(xué)合理，從開(kāi)發(fā)板的介紹和基本使用開(kāi)始，通過(guò)對內部系統架構和代碼的學(xué)習，加深對開(kāi)發(fā)細節的了解，最后引導到實(shí)際項目中，充分利用開(kāi)發(fā)板，為用戶(hù)自身開(kāi)發(fā)提供參考。
  3. 實(shí)際項目豐富，課程提供了許多實(shí)際代碼使用和功能演示的示例。通過(guò)簡(jiǎn)單地修改和組合代碼，可以實(shí)現不同的功能。

代碼下載鏈接:https://github.com/sophgo/sophpi-shaolin

注:模型轉換部分可參考SE5開(kāi)發(fā)系列課程。

課程章節 （ 20節課）

1_ 產(chǎn)品介紹與硬件設計
開(kāi)始學(xué)習
1.1 少林派開(kāi)發(fā)板介紹
待學(xué)習
2_ 開(kāi)發(fā)指南
開(kāi)始學(xué)習
2.1 少林派HDMI連接顯示Ubuntu桌面端
待學(xué)習
3_ 環(huán)境搭建
開(kāi)始學(xué)習
3.1 少林派開(kāi)發(fā)板刷機升級流程
待學(xué)習
3.2 少林派開(kāi)發(fā)板開(kāi)發(fā)環(huán)境搭建
待學(xué)習
4_ 實(shí)戰
開(kāi)始學(xué)習
4.1 基于少林派及LeNet5的手寫(xiě)數字識別
待學(xué)習
4.2 基于少林派及ResNet的貓狗分類(lèi)
待學(xué)習
4.3 基于少林派及YOLOv5的目標檢測
待學(xué)習
4.4 基于少林派的YOLO3D實(shí)戰項目
待學(xué)習
4.5 基于少林派及ICNet神經(jīng)網(wǎng)絡(luò )實(shí)現道路場(chǎng)景分割
待學(xué)習
4.6 基于少林派及LSTM的股票預測
待學(xué)習
4.7 基于少林派及CenterNet實(shí)現圖像分割
待學(xué)習
4.8 基于少林派及ReconNet的圖像重建
待學(xué)習
4.9 基于少林派及LPRNet的目標檢測算法移植與測試
待學(xué)習
4.10 基于少林派及Mask R-CNN神經(jīng)網(wǎng)絡(luò )實(shí)現實(shí)例分割
待學(xué)習
4.11 基于少林派及PP-OCRv2實(shí)現文本識別
待學(xué)習
4.12 基于少林派及RetinaFace實(shí)現人臉識別
待學(xué)習
4.13 基于少林派及Yolact實(shí)現目標跟蹤
待學(xué)習
4.14 基于少林派及FALSR超分辨率圖像模型測試
待學(xué)習
4.15 基于少林派及HRNet的姿態(tài)識別
待學(xué)習
4.16 基于少林派及MiDas的深度估計算法
待學(xué)習

課程目標

完成本課程后，學(xué)生將具備以下能力:

  • 對開(kāi)發(fā)板處理器應用和開(kāi)發(fā)板設計有基本的了解。
  • 掌握少林派開(kāi)發(fā)板的flashing和升級過(guò)程。
  • 將少林派連接到HDMI顯示器上，顯示Ubuntu桌面。
  • 在少林派上連接和運行深度學(xué)習實(shí)踐項目。

課程對象

深度學(xué)習愛(ài)好者，有一定的Linux開(kāi)發(fā)經(jīng)驗

課程推薦

course-cover

編譯器開(kāi)發(fā)

作為框架和硬件之間的橋梁，深度學(xué)習編譯器可以實(shí)現一次性代碼開(kāi)發(fā)和重用各種計算能力處理器的目標。最近，算能也開(kāi)源了自己開(kāi)發(fā)的TPU編譯工具——TPU-MLIR (Multi-Level Intermediate Representation)。TPU-MLIR是一個(gè)面向深度學(xué)習處理器的開(kāi)源TPU編譯器。該項目提供了完整的工具鏈，將各種框架下預訓練的神經(jīng)網(wǎng)絡(luò )轉換為可在TPU中高效運行的二進(jìn)制文件bmodel，以實(shí)現更高效的推理。本課程以實(shí)際實(shí)踐為驅動(dòng)，引導您直觀(guān)地理解、實(shí)踐、掌握智能深度學(xué)習處理器的TPU編譯框架。

目前，TPU-MLIR項目已應用于算能開(kāi)發(fā)的最新一代深度學(xué)習處理器BM1684X。結合處理器本身的高性能ARM內核以及相應的SDK，可以實(shí)現深度學(xué)習算法的快速部署。本課程將介紹MLIR的基本語(yǔ)法，以及編譯器中各種優(yōu)化操作的實(shí)現細節，如圖形優(yōu)化、int8量化、算子分割、地址分配等。

與其他編譯工具相比，TPU-MLIR有幾個(gè)優(yōu)點(diǎn)

1. 簡(jiǎn)單方便

通過(guò)閱讀開(kāi)發(fā)手冊和項目中包含的示例，用戶(hù)可以了解模型轉換的過(guò)程和原理，并快速入門(mén)。此外，TPU-MLIR是基于當前主流編譯工具庫MLIR設計的，用戶(hù)也可以通過(guò)它了解MLIR的應用。本項目提供了一套完整的工具鏈，用戶(hù)可直接通過(guò)現有接口快速完成模型轉換工作，無(wú)需適應不同的網(wǎng)絡(luò )。

2. 通用性

目前，TPU- mlir已經(jīng)支持TFLite和onnx兩種格式，這兩種格式的模型可以直接轉換為T(mén)PU可用的bmodel。如果不是這兩種格式呢?事實(shí)上，onnx提供了一套轉換工具，可以將目前市場(chǎng)上主要的深度學(xué)習框架編寫(xiě)的模型轉換為onnx格式，然后再進(jìn)行bmodel轉換。

3、精度與效率并存

在模型轉換過(guò)程中，有時(shí)會(huì )失去精度。TPU-MLIR支持INT8對稱(chēng)和非對稱(chēng)量化，結合原開(kāi)發(fā)公司的校準和tune技術(shù)，大大提高了性能，保證了模型的高精度。此外，TPU-MLIR還使用了大量的圖優(yōu)化和算子分割優(yōu)化技術(shù)來(lái)保證模型的高效運行。

4. 實(shí)現終極性?xún)r(jià)比，構建下一代深度學(xué)習編譯器

為了支持圖形化計算，神經(jīng)網(wǎng)絡(luò )模型中的算子需要開(kāi)發(fā)圖形化版本;為了適應TPU，應該為每個(gè)運營(yíng)商開(kāi)發(fā)一個(gè)版本的TPU。此外，有些場(chǎng)景需要適應相同計算能力處理器的不同型號，每次都必須手工編譯，這將非常耗時(shí)。深度學(xué)習編譯器就是用來(lái)解決這些問(wèn)題的。TPU-mlir的一系列自動(dòng)優(yōu)化工具可以節省大量的人工優(yōu)化時(shí)間，因此在RISC-V上開(kāi)發(fā)的模型可以順利自由地移植到TPU上，以獲得最佳的性能和性?xún)r(jià)比。

5. 完整的信息

課程包括中英文視頻教學(xué)、文檔指導、代碼腳本等，詳實(shí)豐富的視頻資料詳細應用指導清晰的代碼腳本TPU-MLIR站在MLIR巨頭的肩膀上打造，現在整個(gè)項目的所有代碼都已經(jīng)開(kāi)源，免費向所有用戶(hù)開(kāi)放。

代碼下載鏈接:https://github.com/sophgo/tpu-mlir

tpu - mlir開(kāi)發(fā)參考手冊:https://tpumlir.org/docs/developer_manual/01_introduction.html

總體設計思想論文:https://arxiv.org/abs/2210.15016

視頻教程:https://space.bilibili.com/1829795304/channel/collectiondetail?sid=734875

課程目錄

序號 課程名 課程分類(lèi) 課程資料
? ? ? 視頻 文檔 代碼
1.1 Deep learning編譯器基礎 TPU_MLIR基礎 √ √ √
1.2 MLIR基礎 TPU_MLIR基礎 √ √ √
1.3 MLIR基本結構 TPU_MLIR基礎 √ √ √
1.4 MLIR之op定義 TPU_MLIR基礎 √ √ √
1.5 TPU_MLIR介紹（一） TPU_MLIR基礎 √ √ √
1.6 TPU_MLIR介紹（二） TPU_MLIR基礎 √ √ √
1.7 TPU_MLIR介紹（三） TPU_MLIR基礎 √ √ √
1.8 量化概述 TPU_MLIR基礎 √ √ √
1.9 量化推導 TPU_MLIR基礎 √ √ √
1.10? 量化校準 TPU_MLIR基礎 √ √ √
1.11 量化感知訓練（一） TPU_MLIR基礎 √ √ √
1.12? 量化感知訓練（二） TPU_MLIR基礎 √ √ √
2.1 Pattern Rewriting TPU_MLIR實(shí)戰 √ √ √
2.2 Dialect Conversion TPU_MLIR實(shí)戰 √ √ √
2.3 前端轉換 TPU_MLIR實(shí)戰 √ √ √
2.4 Lowering in TPU_MLIR TPU_MLIR實(shí)戰 √ √ √
2.5 添加新算子 TPU_MLIR實(shí)戰 √ √ √
2.6 TPU_MLIR圖優(yōu)化 TPU_MLIR實(shí)戰 √ √ √
2.7 TPU_MLIR常用操作 TPU_MLIR實(shí)戰 √ √ √
2.8 TPU原理（一） TPU_MLIR實(shí)戰 √ √ √
2.9 TPU原理（二） TPU_MLIR實(shí)戰 √ √ √
2.10? 后端算子實(shí)現 TPU_MLIR實(shí)戰 √ √ √
2.11 TPU層優(yōu)化 TPU_MLIR實(shí)戰 √ √ √
2.12 bmodel生成 TPU_MLIR實(shí)戰 √ √ √
2.13 To ONNX format TPU_MLIR實(shí)戰 √ √ √
2.14 Add a New Operator TPU_MLIR實(shí)戰 √ √ √
2.15 TPU_MLIR模型適配 TPU_MLIR實(shí)戰 √ √ √
2.16 Fuse Preprocess TPU_MLIR實(shí)戰 √ √ √
2.17 精度驗證 TPU_MLIR實(shí)戰 √ √ √

?

course-cover

Milk-V Duo開(kāi)發(fā)板實(shí)踐課程

本課程介紹了硬件電路的設計和基本環(huán)境的搭建，并提供了一些簡(jiǎn)單的開(kāi)發(fā)示例和一些基本的深度學(xué)習示例。

Milk-V Duo是基于CV1800B的超小型嵌入式開(kāi)發(fā)平臺。它體積小，功能全面，配備雙核，可以分別運行linux和rtos系統，并具有各種可連接的外設。

  • 可擴展性:Milk-V Duo核心板具有多種接口，如GPIO, I2C, UART, SDIO1, SPI, ADC, PWM等。
  • 多種可連接外設:Milk-V Duo核心板可擴展各種設備，如LED，便攜式屏幕，攝像頭，WIFI等。

課程特點(diǎn):

  • 內容材料豐富完整，包括開(kāi)發(fā)板硬件設計、外設接口說(shuō)明、基本環(huán)境設置方法、示例代碼腳本等。
  • 學(xué)習路徑科學(xué)合理，從開(kāi)發(fā)板的介紹和基本使用開(kāi)始，引導到實(shí)際項目，充分利用開(kāi)發(fā)板，為用戶(hù)自身開(kāi)發(fā)提供參考。
  • 實(shí)際項目豐富，課程提供了許多實(shí)際代碼使用和功能演示的示例。通過(guò)簡(jiǎn)單地修改和組合代碼，可以實(shí)現不同的功能。

課程目錄

course-cover

SE5開(kāi)發(fā)系列課

深度神經(jīng)網(wǎng)絡(luò )模型可以快速訓練和測試，然后由行業(yè)部署，在現實(shí)世界中有效地執行任務(wù)。在小型、低功耗的深度學(xué)習邊緣計算平臺上部署這樣的系統受到業(yè)界的高度青睞。本課程采用實(shí)踐驅動(dòng)的方法，引導你直觀(guān)地學(xué)習、實(shí)踐和掌握深度神經(jīng)網(wǎng)絡(luò )的知識和技術(shù)。

SOPHON深度學(xué)習微服務(wù)器SE5是采用SOPHON自主研發(fā)的第三代TPU處理器BM1684的高性能、低功耗邊緣計算產(chǎn)品。INT8運算能力高達17.6 TOPS，支持32路全高清視頻硬件解碼和2路編碼。本課程將快速引導您了解SE5服務(wù)器的強大功能。通過(guò)本課程，您可以了解深度學(xué)習的基礎知識并掌握其基本應用。

課程的特點(diǎn)

1. 一站式服務(wù)

?在SE5應用程序中遇到的所有常見(jiàn)問(wèn)題都可以在這里找到。

  • 為深度學(xué)習微服務(wù)器提供全棧解決方案
  • 一步一步、詳細而清晰地分解開(kāi)發(fā)過(guò)程
  • 支持所有主流框架，易于使用的產(chǎn)品

2. 系統的教學(xué)

它包括設置環(huán)境、開(kāi)發(fā)應用程序、轉換模型和部署產(chǎn)品，以及擁有鏡像的實(shí)際環(huán)境等所有內容。

  • 環(huán)境是如何構建的?
  • 如何編譯模型?
  • 應用程序是如何開(kāi)發(fā)的?
  • 場(chǎng)景如何部署?

3. 完整的材料

本課程包括視頻教程、文檔指南、代碼腳本和其他綜合材料。

  • 豐富的視頻素材
  • 詳細的應用指導
  • 清晰的代碼腳本
  • 代碼下載鏈接:https://github.com/sophon-ai-algo/examples

4. 免費的云開(kāi)發(fā)資源

在線(xiàn)免費申請使用SE5-16微服務(wù)器云測試空間

?

RM新时代|官方理财平台