龍鹰一号siengine SE1000开发板测评

大家好，这期测评一款国产芯片（龍鹰一号siengine SE1000）。 主要侧重其中的AI能力部分，围绕着“如何在开发板上跑一个完整AI应用”这一主题来写，前期根据官方提供的信息编译简单app，跟大家一起熟悉流程，知道如何配置开发环境、要用到哪些工具、操作流程是啥。后面接着就跑复杂一点的AI模型，讲解软件SDK中每个模块（parser,quant,Gbuilder,simulator,profiler）的作用，逐代码进行讲解，以及如何DIY适配自己的需求等，so, let’s go!

1.硬件信息

龍鹰一号是一颗国产 7nm 智能座舱芯片，拥有 8 核 CPU 和 14 核 GPU，CPU算力能够达到90～100K DMIPS，GPU算力900+GFLOPS，NPU算力达到8TOPS，对标的是高通的8155，从安兔兔跑分来看确实数据差不多，目前已知是搭载在吉利汽车旗下领克08（23年9月发布）车型上

 

定位是座舱芯片的“龍鹰一号”不仅会负责中控屏幕的计算与显示，还会负责汽车仪表、功能屏幕甚至HUD的显示。“龍鹰一号”支持输入11路相机数据（遗憾的是截至目前，我仍然无法购买适配好的摄像头进行应用开发），最高可支持7块高清显示屏显示。 “龍鹰一号”会同时运行三个操作系统，分别是仪表的RTOS操作系统、HUD的Linux系统以及中控屏幕的安卓系统（目前提供的SDK默认是使用linux系统的）；开发板是交给第三方的RADXA设计的，型号为SiRider S1，具体链接在这：https://docs.radxa.com/sirider/s1

虽然BOM中的车规级物料改成了普通物料，但是凭借其扎实的配置（16GB LPDDR5, 128G UFS）还是使得成本达到了千元+级别，比同类的开发板（RK3588、树莓派）是要贵上三五百块的，其实也合理，毕竟RK3588 4核A76，6TopsNPU，450Gops都稍弱于SiRider S1； 由于我们关注的是AI这一部分，因此固件编译部分我们就不细说了，因为板子默认就刷了ubuntu的固件，开箱后插上HDMI显示器，插入鼠标键盘就可直接开干了！

可以看到，ubuntu分配了4个大核A76+两个小核A55；内容用了12GB，剩下的都分配给FreeRTos了。 如下图SOC框架图所示，主要的算力担当以及视频编解码部分我认为足够惊艳了，用来做NAS，软路由，平板，电视盒子等应用都分分钟ok的呀！外设部分同样如此，接口最多的是UART，IIC跟SPI口，这些都是低速通用接口，因此想要做外设控制相关的应用的话，指定不是直接去快速控制了（比如FOC无刷电机，一般是需要3PWM接口/电机来进行控制， 而外设这里只提供了2个），而是通过低速接口间接驱动外设模块了，比如开启车门，开启后备箱，开启雨刮等非实时性要求高的应用，嗯，定位非常准确，所以我们做应用的时候尽量去选这三种接口（uart/iic/spi）的封装较好的独立模块就好了。

2. AI知识小科普

好的，背景介绍完毕，那我们现在开始进入AI部分的内容吧！在这个大模型百家争鸣的时代，我相信大家对AI都有一定的了解吧！

“AI就是人工智能呀！” “AI就是像人一样跟你对话！” “AI就能将你的口头描述转化成实际的图片！”

其实除了这些高大上的AI之外，你每天使用的打卡器（打工人必备）、刷脸机、以及监控摄像头、麦克风等都含有AI技术在里面，你肯定好奇:

AI到底是怎么跑在具体的硬件设备上的呢？

假如我自己有个idea想要实现跑在具体硬件上，而不是通用PC上，我又该怎么做呢？ 接下来我将为你一一解答。 类似于如何将大象塞入一个冰箱的问题，如何做一个AI应用的顶层流程是这样的，

第一步，你得有个天才般或者脑残般的想法，针对这个想法提出需求；

第二步，基于需求训练一个模型出来；

第三步，将模型部署到具体的硬件上面去。

第一步跟第二步不是我们这次的主要学习内容，接下来简单带过。 AI模型是由智力绝顶的算法工程师们训练出来的，俗称炼丹。炼丹的丹炉各式各样，炼丹界主流的就是Tensorflow跟Pytorch；

 

这颗丹内部由一堆的节点组成，节点本质就是一堆数据加处理这堆数据的计算方法，如下图所示：

在个人PC上或者服务器上，想要让整个模型跑起来是非常简单的，因为，整个基建部分都被各大厂商（主要是英伟达）给搭建好了，我们直接使用就好了，这就好比我们要找个地方住一晚，最方便且安全的选择就是去找现成的五星级酒店(缺点显然是*)，而不是去自己建房子然后住进去。而且，这些AI部署的相关服务是被全球开发者多年验证过的，好用、方便。但是，一旦你想部署到某个具体的、特定的、不通用的硬件上时，之前那一套就完全没用了，得“入乡随俗”，用与特定硬件相匹配的软件栈。具体到我们这里，就是周易SDK这一套软件栈，想把AI模型跑到板子上我们就得学习这一套SDK的使用、开发方法。

3. 周易SDK介绍

老规矩，还是先看下整体流程:首先，假设现在已经拿到一个训练好的模型model了，比如model.onnx,  

这个模型只能是tensoflow/pytorch/caffe/mxnet/onnx格式的

然后我们用SDK中的工具链对模型model.onnx进行编译得到aipu.bin，就像这样aipubuild build.cfg 最后将这个aipu.bin封装到应用程序APP中， 放到到板子上运行即可；

简单来说，流程跟你gcc编译c代码是一样的，只是参数格式不一样而已，这里的输入是模型，输出的是NPU支持的bin可执行文件； 此外，调bug有debugger可用，性能问题可以用profiler，没有具体硬件可以用simulator模拟硬件来跑，当然了IDE图形化操作界面也是有的。 后续的课程中我将就每一个模块结合SDK文档进行详细讲解+逐代码分析。这章回，我们先跟着教程走一遍流程，认识认识代码框架。

4. 操作流程+代码框架初识

第一步是搭建开发环境，跟着这个教程：https://docs.radxa.com/sirider/s1/app-development/zhouyi\\\_npu一步一步来，就能把整个环境搭建流程跑通（windows直接用WSL2即可）。 第二步是编译模型，在x86 PC段进行模型编译，还是上面链接（看编译部分）

看到有如上文件，第一步是生成量化校准集，因为我们的原始模型是fp32的，但NPU是不支持fp32的，因此我们需要将其量化到int8/int16。 一个fp32的值量化到int8，在量化领域有非常多的算法来实现，我们这里使用的是PTQ（假设不理解也不要紧，后面我会专门讲解一下量化相关的内容，因为这部分代码开源了，因此甚至对着开源的代码进行code级讲解的）进行量化。 量化需要准备一个数据集进行数据范围分布的采集过程，假如不理解为什么要这一步也不要紧，知道有这个流程就行了，后面讲量化算法的时候就明白了。  

 

python3 generate_calibration_data.py

我们看下代码的实现

可知就是从原训练代码里面抠出来的初始化代码，处理的就是当前目录下的images图集，得到的是对应的npy格式对应数据； 紧接着产生输入数据：

python3 generate\_input\_binary.py

 

这里稍微解释下，首先我们需要拿到一个量化参数，也就是scale，这个值是从量化阶段拿到的，量化产生文件之一就是*.json文件，从中寻找即可。 然后将输入图像量化成uint8格式的数据，然后转置一下得到NHWC格式的输入，此时即可用作模型的输入了（因为NPU支持的外部输入layout就是NHWC），

vim ./resnet50/build.cfg

 

第二行的编译mode有两种，第一种是build，即编译完后输出aipu.bin给板子跑的，第二种是run，即编译完后可以直接在服务器上、本地电脑上模拟硬件跑（simulator）。 编译的流程有三大步骤：

 

 

解析模型；

量化

编译执行

Parser的作用是将标准的通用模型（ONNX、TF、pytorch等）转换为内部专用的IR；Input\_data\_format 指的是输入的data\_layout，我们在前面的构造输入数据时选的就是NHWC，所以这里填NHWC；模型名字model\_name，标准填就好了；Detection\_postprocess填后处理的算子名，像检测模型都是有后处理部分的，我们对应填，当然也可以选择不填，直接在CPU端做后处理；其他都是所见即所得，除了注意input的配置即可，这是输入tensor的名字，用netron打开onnx model即可得到； Optimizer中dataset字段就是指定数据集的格式，前面我们构造的是numpy格式的，所以这里填NumpyDataset；主要注意下bits部分的设置，因为一般的玩法只有这里有可调，来粗粒度的调整精度/性能的权衡，当然了，后期大家想玩的话我就带大家进行代码级的玩法。 Gbuilder部分就是直接编译的，profile就是输出perf性能数据的，会一定程度上影响性能，因此在debug阶段使用即可；target指的是硬件的版本号，这里是固定的填Z2\_1104即可，这一块没有什么需要额外配置的，当然具体的每一个参数我们可以到后面的Gbuilder章节进行详细解说，这里堪堪带过。 按照官方教程直接编译：

可以看到Gbuilder的版本是5.3.2194，开始进行解析模型了，这里由于我使用的是WSL2没有cuda，所以会比较慢

解析完后输出如上，此时就得到了我们NPU所需的中间表达格式（IR）了

得到IR后，我们会先做一个检查，看解析出来的IR格式以及graph的连接关系是否合理，再初步做一个float graph级的图优化，可以看到这里优化掉了一个Transpose层；

紧接着就进入量化阶段了，可以看到整个流程里面有非常多的阶段，每个阶段都有在做特定的事，这里涉及的内容比较多，我们暂且按下不表，后面我们将会对照源码进行一一解说（有机会的话，还会跟业界做的比较好的ppq框架进行相关的对比）。 这里主要关注下最后的输出scale，用来在后处理阶段使用的；以及输出tensor的cosine值，这个值是反应模型精度的。 总之，经过量化后，我们就得到了定点格式的IR，此IR经过编译后，可以直接在NPU硬件上跑起来的。

由于量化过程中也会有图结构的改变，因此这里做完量化后也需要执行图检查以及图优化步骤的。

到这里后，终于开始编译模型了，这个部分主要内容包括给graph中的node进行算子匹配，整网内存分配及优化，多核调度，硬件底层图优化等。比如上图中的aipu\_plugin就是算子，每个标准算子都有好几种底层硬件实现（opencl、asm），根据特定机制进行整网全局匹配。

这里是layout的调度部分，目标就是尽可能减少途中layoutconvert的个数，这个部分也是个最优化的问题，细讲下去也就停不下来了，将来有机会我们详细说说。

最后就是内存部分的内容了，整网所需的内存是26.547MB，代码段、RO段、desc段（这个不常见，这是底层算子的特定格式），DataBss都是标准格式。最后可以看到是有个SRAM的优化的，这个是NPU内部的一个快速静态存储区域，用来缓存node间的featuemap的，不仅能降低footprint还能提升性能。 好了，到这里，模型终于编好了，我们看下编出了些啥:

第一个文件就是我们NPU需要的可执行文件，也就是在build.cfg指定的输出文件；

第二个文件就是build配置脚本；

第三个时量化校准数据集；

第四个时输入数据，第五个是输入数据对应的图片；

第六个、第七个就是parser后得到的浮点IR文件（图结构文件以及权重文件）；

第八个是量化产生的文件，有啥量化的问题你去这个文件内查查即可；

第九个、第十个是量化后产生的定点IR；

第十一个、第十二个文件是定点IR经过图优化后的精简IR；

第十三个、第十四个是浮点IR经过图优化后产生的IR；

第十五个文件是验证集的统计信息，有这个文件后，下次编译就不用继续跑耗时的校准过程了；

第十六个文件是原始的resnet50.onnx模型；

第十七个文件是 run的时候（不是跑在NPU上而是在PC上跑simulator用的）用的cfg配置文件；

可以看到除了红框内的东西外，其余都是差不多的。 现在我们生成了模型的bin文件，但还不是最终应用的可执行文件，最终的应用是调用我们刚刚生成的模型，这部分的代码在这：

Aiputest就是应用程序的逻辑部分，umd里面就是一堆面向用户的库函数，库函数里面是直接调用驱动，以及环境构建的（待会我们直接进去看下代码结构）。 按照软件工程的结构，我们先查看顶层的CMakeLists.txt文件，获取到的信息如下：

Cmake版本要搞对噢，UMDSRC变量要仔细检查对路径哈！设置好交叉编译器的路径，设置好最终的输出路径； 顶层配置好参数，然后直接add\_subdirectory让子目录自己去根据参数执行具体的编译任务。 我们先看umd文件夹，里面直接Linux-driver/driver/umd的源码拉进来编成动态库，给后面的应用aiputest来动态链接。

Aiputest是个非常简单的应用，因此我们只需要将umd头文件引进来，umd动态库链接进来，直接编译即可。

我们看下main.cpp文件中的内容结构：

其中UMD相关的功能全都封装到standard\_api.h接口文件中了，接下来的代码无非就是初始化环境，开启NPU任务，接受返回数据，清理“战场”（环境）等标准步骤，没啥特殊的，具体参数解析可以查文档或者等我后续的文章逐代码解析。 （ps. 其中可以看到虽然是c++环境，但是用的都是非常标准的c代码风格，挺好的，非常适合用来直观理解执行流程。）

研究代码发现这里有dump profiler的逻辑；

应用中也是有profiler的程序的，其中result\_bin\_path就是上面代码中输出的PerfData.bin文件，因此我们可以留个坑，将来讲讲如何用这个来分析模型的性能优化。 好了，视角拉回，我们直接编译得到了对应的文件，

按照官方教程的步骤将文件scp到板子后，直接就可以跑啦~