地平线旭日X3开发板跑分测试

前言

一般拿到手机或者电脑后评测时我们喜欢跑跑分,可以看看战胜了多少网友。

而对于这个国产旭日x3的CPU自然也想看看到底和国际大厂的类似CPU性能是否有差异,

所以实际测试看看。

从最终的测试结果来看是不失所望的,本CPU和配置一致的iMx8M性能是一样的,

测试数值甚至高了一点,所以完全不用怀疑本CPU的性能还有5T算力的BPU,强悍妥妥的,

后面跑AI一点都不用心虚,放肆造!发烧友甚至可以超频,只是降温方法可以各显神通。

本文前提是板子使用SERVER版本镜像,已经配置好连接WIFI,因为要在线下载代码。

下载代码

git clone https://github.com/eembc/coremark.git

cd coremark/

修改代码

vi simple/core_portme.h

输入i进入插入模式

修改

#define COMPILER_FLAGS \

FLAGS_STR /* "Please put compiler flags here (e.g. -o3)" */

Transformer是一种常用的深度学习模型,主要应用于自然语言处理领域,例如机器翻译、文本生成等任务。而嵌入式部署是指将深度学习模型部署到嵌入式设备上运行,以实现实时性、低功耗、低延迟等要求。旭日X3开发板是一款基于RISC-V架构的嵌入式系统开发板,可以运行Linux操作系统,支持硬件加速和DSP加速。下面是关于Transformer嵌入式部署和旭日X3开发板的介绍: Transformer嵌入式部署: 在进行Transformer模型的嵌入式部署时,需要考虑模型大小、计算量、内存消耗等因素,以适应嵌入式设备的资源限制。一般来说,可以通过以下几种方式来实现Transformer模型的嵌入式部署: 1. 剪枝(Pruning):利用剪枝技术去掉Transformer模型中冗余的权重和神经元,从而减少模型大小和计算量。 2. 量化(Quantization):将浮点数转换为定点数,以减少内存和计算量。 3. 硬件加速:利用硬件加速器(如FPGA、ASIC等)加速Transformer模型的计算过程。 4. DSP加速:利用数字信号处理器(DSP)加速Transformer模型的计算过程。 旭日X3开发板旭日X3开发板是一款基于RISC-V架构的嵌入式系统开发板,其主要特点如下: 1. 采用RISC-V架构,具有高性能、低功耗、可扩展性等优点。 2. 支持Linux操作系统,提供完整的软件生态和应用支持。 3. 集成AI加速模块,支持TensorFlow Lite、Caffe等深度学习框架,并提供相关的SDK和API。 4. 具有丰富的扩展接口(如PCIe、USB、GPIO等),方便与其他设备进行通信和交互。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

龙猫不是猫!

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值