Дисплеи подключать не пробовал (у меня просто интерес к плате другой). Касательно подключения не "из коробочных" дисплеев, я думаю там так же с драйверами могут возникнуть проблемы (необходимость самому писать). А распиновка разъёма, если я правильно понял про что идёт речь, публично доступна
Под эту плату из официального только buildroot, но он наверное даже ещё меньше openwrt должен быть. Тут главная проблема в том, чтобы всякие драйверы для работы со специфичными аппаратными возможностями завелись (в оф. образе они работают, но переносить в другие дистрибутивы, наверное, не очень просто будет). В целом, в buildroot не сложно добавлять кастомные пакеты. Но всё-таки buildroot это не дистрибутив, а просто система сборки
Можете осциллографом/логическим анализатором посмотреть на каких пинах что происходит после подачи питания. На TX пине будет характерный для UART сигнал, если конечно, ему не нужно отсылать какой - то пакет инициализации на RX, только после которого он начнёт отсылать данные (но вряд ли).
Yes, some time ago I tested model inference on Milk V Duo 256. I just take sample_yolov8 binary, test image, exported model and so libraries (same as I used for LicheeRV Nano). And it works without (as I remember) problems or special tuning
For custom object detection model I used yolo11n.pt base model, because it little faster than yolov8. But there is no difference in inference/run source code (you can just use sample_yolov8 program to run Yolo11 models).
Do you run export LD_LIBRARY_PATH=/root/libs_patch/lib:/root/libs_patch/middleware_v2:/root/libs_patch/middleware_v2_3rd:/root/libs_patch/tpu_sdk_libs:/root/libs_patch:/root/libs_patch/opencv before run sample_yolov8?
I can try to reproduce the other day. Yes, they have same SG2002 SoC, but maybe they have difference in SD card initialization or some other low-level differences. But, anyway, I will try
В итоге, приехала мне LuckFox Pico Max, процессор RV1106G3 и на Yolov8 с изображениями 640x640 он выдаёт 14 FPS (чуть больше, чем Luckfox Pico, у которой 11 FPS). К сожалению, это явно не 1 TOPS...
Дисплеи подключать не пробовал (у меня просто интерес к плате другой). Касательно подключения не "из коробочных" дисплеев, я думаю там так же с драйверами могут возникнуть проблемы (необходимость самому писать). А распиновка разъёма, если я правильно понял про что идёт речь, публично доступна
Что действительно круто, это то, что у Sophon открытые исходники SDK для NPU, в отличие от того же Rockchip.
Под эту плату из официального только buildroot, но он наверное даже ещё меньше openwrt должен быть. Тут главная проблема в том, чтобы всякие драйверы для работы со специфичными аппаратными возможностями завелись (в оф. образе они работают, но переносить в другие дистрибутивы, наверное, не очень просто будет). В целом, в buildroot не сложно добавлять кастомные пакеты. Но всё-таки buildroot это не дистрибутив, а просто система сборки
Я с openwrt никогда не работал, поэтому не могу сказать насколько просто его будет запустить. Но в целом, скорее всего это возможно
Very good blog
Можете осциллографом/логическим анализатором посмотреть на каких пинах что происходит после подачи питания. На TX пине будет характерный для UART сигнал, если конечно, ему не нужно отсылать какой - то пакет инициализации на RX, только после которого он начнёт отсылать данные (но вряд ли).
You can write to my telegram t.me/Rtyrdv
Yes
It is very good)
Yes, some time ago I tested model inference on Milk V Duo 256. I just take sample_yolov8 binary, test image, exported model and so libraries (same as I used for LicheeRV Nano). And it works without (as I remember) problems or special tuning
It is very strange, that you have such high FPS (1487), do you use proper libraries?
For custom object detection model I used yolo11n.pt base model, because it little faster than yolov8. But there is no difference in inference/run source code (you can just use sample_yolov8 program to run Yolo11 models).
You can find my custom yolo11 cvimodels here
In sample_yolov8 source code there is a line:
You need to change 80 to number of classes, that your model detects
Do you run
export LD_LIBRARY_PATH=/root/libs_patch/lib:/root/libs_patch/middleware_v2:/root/libs_patch/middleware_v2_3rd:/root/libs_patch/tpu_sdk_libs:/root/libs_patch:/root/libs_patch/opencvbefore run sample_yolov8?Is yolov8n_cv181x_int8_sym.cvimodel your custom trained and exported model or it is base COCO model? Do you check MODEL_CLASS_CNT define in code?
I trained model without some params tuning, just base yolo config, trained 50 epochs. Dataset you can find here.
On Colab
I can try to reproduce the other day. Yes, they have same SG2002 SoC, but maybe they have difference in SD card initialization or some other low-level differences. But, anyway, I will try
You try to run LicheeRV SD image on Milk V Duo?
Luckfox видимо ещё сами не решили какая производительность у NPU на RV1106G3. В одном месте написано 0.5 для всей линейки:
На странице плат с RV1106 упоминается 1 TOPS:
В итоге, приехала мне LuckFox Pico Max, процессор RV1106G3 и на Yolov8 с изображениями 640x640 он выдаёт 14 FPS (чуть больше, чем Luckfox Pico, у которой 11 FPS). К сожалению, это явно не 1 TOPS...