米尔FZ3深度学习计算卡免费试用

论坛>试用中心>米尔FZ3深度学习计算卡免费试用

FZ3 深度学习计算卡是米尔电子推出的一款以 Xilinx XCZU3EG 作为核心的嵌入式智能 AI 开发平台。采用了 Xilinx 最新的基于 16nm 工艺的 Xilinx Zynq UltraScale+ ...了解更多>>

价值：￥1399元提供：5个已申请：40人

已经结束

剩余时间：

试用详情
试用名单
试用报告
讨论区

百度/米尔 FZ3深度学习计算卡——基于XCZU3EG的百度大脑EdgeBoard加速平台

•基于FPGA可伸缩计算架构，可灵活适配快速迭代的AI网络模型

•实测可达1.2TOPS算力，MobileNet可达100FPS，性能强大

•与百度大脑工具平台无缝兼容，一站式降低AI应用门槛

•体积小，接口齐全，拓展性佳，轻松嵌入各种智能硬件

•工业级配置，高标准选料与工艺，品质卓越

强大AI计算性能&低功耗

实测性能高达1.2TOPS，为量化裁剪情况下MOBILENET可达100FPS，超过CPU性能20倍，功耗仅5~10W模型未裁剪量化情况下，计算卡性能表现如下：

丰富开发资源与工具平台

性能强、体积小、易适配

基于Xilinx Zynq UltraScale＋MPSoC XCZU3EG，4核Cortex-A53＋FPGA 2GB/4GB DDR4 SDRAM（64bit，2400MHz）与8GB eMMC的储存组合，体积小、组合完善、适合嵌入各种不同的产品形态

接口&参数

双46PIN 插针BTB连接器提供丰富IO接口

适用于各种形态的智能产品

产品形态包含但不限于：AI抓拍机、计算盒、机器人、智能车等

应用场景广泛

适用于智能安防、工业检测、医疗诊断、无人机巡查、科研、消费、无人驾驶等广泛领域

活动时间

1. 申请报名：2020/10/09－2020/10/31
2. 公布名单：2020/11/02
3. 发货日期：2020/11/03

4. 试用期限：截止至2021年01月05日

活动流程

1. 申请：点击免费申请按钮即可报名。请认真填写申请理由，展现有创意的试用计划和网络影响力，尽快完善论坛个人信息，这样可以大大提高申请通过几率哦~;
2. 筛选：网站根据申请者填写的试用计划和论坛活跃度两个维度进行筛选;
3. 名单公布：试用名单将在活动页公布;
4. 试用通知：名单公布后工作人员将以短信或电话的方式通知申请成功者，2天不回复算弃权;
5. 产品寄送：联系到试用者双方确认试用规则后，将产品快递给试用者;
6. 试用报告：收到货后试用开始，每周提交一篇试用报告，试用报告要求100%原创，抄袭会被封杀哦;

试用报告要求

试用者收到套件后，进行学习评估，并在嵌入式操作系统论坛处发帖记录"米尔FZ3深度学习计算卡"的试用过程，分享试用心得。

经过试用评测学习后，试用者使用"米尔FZ3深度学习计算卡 "并在论坛发帖记录项目过程、心得。

试用报告可分为：项目概述、软件编程、硬件联调、视频效果演示等，要求不少于500字+5张图片。

报告形式：标题格式【米尔FZ3深度学习计算卡免费试用】+自拟标题

注意事项

1.本次试用不进行拉票环节;
2.不按照要求完成试用者一经查实将拉黑处理;
3.有问题请联系电子发烧友工作人员（微信：18145813532）;
4.若因突发状况，无法继续完成试用，以及收到套件的15天内，若没有更新内容，请主动退还套件至ElecFans（PS：运费自理），方便其他网友继续试用;
5.活动过程中，套件所有权归ElecFans，试用者只拥有套件使用权; 若在使用过程中出现恶意损坏开发套件的行为，请原价赔偿;

6.电子发烧友拥有最终解释权!

活动福利

本次试用活动试用报告将会评选出2~3名试用报告内容优秀的试用者，将获赠试用的开发板~！积极产出试用内容的试用者还可获取精美小礼品一份哦~欢迎大家踊跃参与~！

企业介绍

米尔电子是一家专注于ARM嵌入式软硬件开发的高新技术企业。在以客户为中心的指引下，为嵌入式领域客户提供专业的ARM工业控制板、ARM核心板模块、ARM开发工具、充电桩计费控制单元及充电控制板等产品和服务。此外，米尔还可通过涵盖众多 ARM 处理器及操作系统的专业技术提供定制设计解决方案，通过各种服务帮助客户加速产品上市进程。米尔电子英文简称“MYIR”，即“Make Your Idea Real”。我们的理念是“米尔的成功源于客户的成功，所以我们将竭尽所能，把客户的想法变成现实，帮助客户获得成功！”

他们正在申请

猎国倾城

22:5010-31

1.申请理由：近年因疲劳驾驶而酿成的车祸频频见报，成为车辆的“隐形杀手”，我国的交通运输业发展迅速，随之而来的道路交通事故也呈上升趋势，根据交通部门的资料显示，由于疲劳驾驶造成的交通事故所占比重很大，占特大交通事故的比重更大，疲劳驾驶已经作为交通事故发生的主要隐患，疲劳驾驶隐敲性较，虽然管理部门制定了相应的交通法规，但因执法困难，效果并不理想。因此，开发一种驾驶员疲劳驾驶实时检测系统具有十分重要的社会和经济价值，传统的ARM+GPU+NPU结构的处理器成本和功耗比较高，而米尔FZ3深度学习计算卡是ARM+FPGA机构，而FPGA加速方案相比CPU、GPU都有着很大优势，功耗还比较低，目前的一些算法还不够成熟，算法还在迭代衍化过程中，若深度学习算法发生大的变化，FPGA可以灵活的配置硬件结构，快速切入市场。 2.试用计划 ①学习官方和手册Demo，完成对米尔FZ3深度学习计算卡的快速入门，在米尔FZ3深度学习计算卡上学习Python，Opencv，腾讯优图SDK(里面集成了AI和相关模型)的使用。 ②项目筹备，分析软硬件需求，搭建平台。本项目使用两个摄像头，第一路用来采集驾驶员面部信息，第二路用来采集车道信息，通过面部信息和外界信息的融合来综合判断是否属于疲劳驾驶，如果属于疲劳驾驶，通过语音系统报警。 ③使用Opencv和腾讯优图sdk完成人脸特征信息和车道信息的提取，实现信息的融合。 ④在第三步的成果上尝试实现FPGA对AI算法的加速。 ⑤项目调试，优化，分享。 3.预计成果能够实现一个视觉疲劳驾驶系统的一个Demo，所有过程全部开源。

jf_04330177

18:1310-31

1、我们的两项核心技术分别是：车型识别算法和广告匹配算法。车型识别采用图像识别技术和神经元网络算法相结合，识别准确率高达95％以上。 2. 广告匹配算法，则根据车型价位区间，实时地理位置等信息匹配相应广告。 3. 我们的创新点主要有以下几点：一，采用高性能 ARM 内核微控制器和北斗定位系统及4G网络，高效率地为附近受众推荐适合的广告，稳定性好。二，采用模块式设计，使得结构精简，操作方便，方便维修和替换。三，采用图像识别技术，结合神经元网络算法，可有效识别车型，对准人群分析受众特点。 4. 对比于目前现有的传统广告牌，本系统具有智能化、操作更加便利的优势，对比市场上少数的液晶广告牌，本产品也具有价格和功能上的巨大优势，可以根据消费人群的习惯特点进行有选择的投放广告，极大提高广告主和广告公司的收益。 5. 我们的团队成员有5名，分别来自不同的专业，拥有较强的跨学科整合能力，优势互补。成通过自主学习并动手实践，共同研发出ECHO公交广告精准投放系统，同时还在将产品不断完善。

donatello1996

13:2310-31

申请背景：物流行业是当今的社会支柱行业，一个快递站一天要处理成千上万的快件并匹配对应分拣员信息，所需数据流量巨大，因此需要一款高主频的处理器处理这些大流量数据，并且，现如今的物联网无线快递扫描枪扫描虽然响应速度快，但是与服务器的通信延迟非常高，而且现在市面上的扫描枪大多是搭载安卓系统的性能一般的扫描枪，因此扫描枪用户体验（分拣员体验）并不理想，我的设想是，如果米尔FZ3方案搭载精简化Linux系统使用USB接口直连扫描枪，精简化系统可以节约CPU和内存资源并降低功耗，直连摄像头并结合AI算法分析快递包裹类型/记录外观，开发板内建数据库用于数据暂存，米尔FZ3主控板再通过千兆网口直连服务器，这样一整套相辅相成的体系，由米尔FZ3主控方案处理擅长的AI识别和硬件驱动工作，这样无论是响应速度还是与服务器沟通的速度都远超于现在的安卓扫描枪+物联网与服务器通信方案，并且用户体验也能提升（因为没有安卓系统导致的卡顿并降低因安卓系统后台代码运行所造成的功耗）。因此我想向电子发烧友社区申请米尔FZ3深度学习计算卡，用于解决社会实际软硬件项目的问题，搭建一个物联网物流仓储与人员管理系统。项目详细内容： 1.米尔FZ3深度学习计算卡通过USB接口或GPIO接口连接不同类型的激光扫描枪，编写或套用现成驱动代码，优化代码结构，提高扫描枪响应速率和识速率； 2.米尔FZ3深度学习计算卡通过USB接口连接摄像头，摄像头通过AI算法识别快递包裹包装类型，颜色，尺寸，将信息记录于板内存储；通过AI算法识别分拣员拍照身份信息； 3.米尔FZ3深度学习计算卡连接显示输出设备，编写基于QT开发环境的应用程序，实现人机交互功能，可用于显示快递的各项信息； 4.米尔FZ3深度学习计算卡通过高速千兆有线网口与快递站服务器通信，提高包裹扫描效率，不采用无线物联网方案提高响应速度；项目硬件准备： 1.米尔FZ3深度学习计算卡 2.USB扫描枪/GPIO激光扫描枪 3.显示输出设备 4.上位机服务器项目软件准备： 1.米尔FZ3深度学习计算卡内核驱动源码 2.米尔FZ3深度学习计算卡QT编译环境 3.内建AI算法

毛毛哥1997

10:0210-31

申请理由：申请人为研究生，课余期间参加过多个国家级省市级竞赛并获得多项荣誉，拥有丰富的xilinx平台的开发经验，并且获得了Xilinx暑期训练营优秀学员，作品获得优秀项目（全国一共18个）。本次试用米尔的深度学习开发板开发项目如下：目前现有的目标检测系统被广泛部署于GPU平台，但是GUP功耗较高，所以为了提高目标检测网络在FPGA平台上的部署效率，设计了更加适合硬件实现的网络结构，并且进行设计了合适的目标检测网络量化方法，使其高效在FPGA实现。首先设计合适的目标检测网络，其主要包括卷积层、池化层、全连接层等，异构FPGA中的PL部分将被用来实现上述三个层的计算加速，开发过程使用HLS开发工具实现高效开发，PS部分用来驱动USB相机，并且实现视频流的预处理，最终通过DMA模块实现ps与pl部分的数据通信。试用计划：1、开发板开箱测评。 2、基于百度AI studio平台的进行目标检测网络设计及训练。 3、网络的部署及展示。 4、基于ZU3平台的二次开发（PYNQ移植）。 5、设计YOLOV3目标检测网络，并对网络进行量化剪裁。 6、基于Vivado HLS的算法加速IP开发 7、YOLOV3网络部署及展示 8、设计Skynet目标检测网络，并对网络进行量化剪裁。 9、基于Vivado HLS的算法加速IP开发。 10、Skynet网络部署及展示。预期成果为：开发期间所用文档和代码全部开源、简单教程

jf_02920933

21:3010-30

1、1080p60信号实时跟踪快速移动的选定物体 2、识别跟踪物体是否是动物 3、图像实时压缩并传输

DavidSun710

21:0610-30

申请理由本人在对AR领域特别感兴趣，尤其是应用到可穿戴设备上。想借助发烧友论坛和LattePanda平台完善该项目的开源设计。项目计划 ①根据文档，对LattePanda快速入门 ②通过学习LattePanda的软件和系统，了解实际应用案例，熟悉开发过程 ③基于LattePanda的MR混合现实眼镜的项目筹备（分析软硬件需求） ④项目开展，按时间计划实施。 ⑤项目调试，优化，分享。预计成果分享项目的开展，实施，结果过程，展示项目结果

Longyuan_Cai

20:5710-30

申请理由：本人在信号领域有多年的学习和开发经验，曾改进过多种信号仪器，对MATLAB算法实现有过深入的学习和探索。想借助发烧友论坛和LattePanda平台完善该项目的开源设计。项目计划： ①根据文档，对LattePanda快速入门 ②通过学习LattePanda的软件和系统，了解实际应用案例，熟悉开发过程 ③基于LattePanda的MR混合现实眼镜的项目筹备（分析软硬件需求） ④项目开展，按时间计划实施。 ⑤项目调试，优化，分享。

逍遥_王子

20:5410-30

申请理由本人在AR领域有三年多的学习和开发经验，曾设计过类似谷歌眼镜版的开源AR眼镜，参与国内开源智能眼镜的开发，对计算机图像标定技术，图像识别，基于标识的跟踪注册技术有过深入的学习和探索。想借助发烧友论坛和LattePanda平台完善该项目的开源设计。项目计划 ①根据文档，对LattePanda快速入门 ②通过学习LattePanda的软件和系统，了解实际应用案例，熟悉开发过程 ③基于LattePanda的MR混合现实眼镜的项目筹备（分析软硬件需求） ④项目开展，按时间计划实施。 ⑤项目调试，优化，分享。预计成果分享项目的开展，实施，结果过程，展示项目结果

Tefuri

20:5310-30

项目名称：一种创新型基于分割心音自适应研究

mameng

18:3810-30

1，根据文档，米尔 FZ3深度学习开发环境快速入门，开发板进行元器芯片级别硬件测评，通过地平线提出全新MAPS评测方法对米尔 FZ3深度学习计算卡算力评估。 2，学习百度大脑EdgeBoard加速平台，在百度电脑EasyDL进行深度学习模型训练，主要是3D 工业零件数据训练， 3，基于米尔 FZ3深度学习计算卡3D视觉分拣系统项目开发，通过先进的3D传感相机获取立体模型。双目结构光的方式实现物理的三维重建。获得的数据经计算机处理后可以转为三维坐标，描绘出被检测物体的距离、体积、尺寸等深度信息，机器能够识别产品或物体中的异常或缺陷，依靠FZ3深度学习计算卡FPGA的硬件加速系统，和百度电脑构建先进的3D成像算法。米尔 FZ3深度学习四核 Cortex-A53 具有强大的计算能力，实时处理运动控制算法，只会协助机器人及时剔除不良品进行分拣。

robot_ros

17:2110-30

1，有使用百度语音开发平台Dureos进行语音机器人搭建经验，熟悉百度平台开发流程。视频贴：https://www.bilibili.com/video/BV1kb41177TG?from=search&seid=1072680250956617121 2，ROBOCUP2019中国赛机器人类人组冠军成员，有图像采集，标定，识别球，球门和场地的经验； 3，结合百度大脑模型定制平台（AIStudio、EasyDL、EasyEdge）深度打通，实现模型的训练、部署、推理，完成识别苹果和橘子等物体。 4，制作视频：演示在米尔F23深度学习开发板上运行基于YoloV3目标检测模型，并同安卓手机上Yolov3进行识别对比（目前手机安卓端环境搭建完成）。项目计划： 1，开箱介绍板子参数及和百度大脑深度融合的特色； 2、跑AIStudio深度学习Yolov3目标检测模型，介绍利用百度大脑跑算法的流程； 3、开发“变形机器人”项目；自古就有“欲练神功，挥刀自宫”的武林高手，而今更有高手中的高手“金星”为了圆梦，不仅与JJ彻底诀别，更是切骨隆胸，终于实现了做女人的梦想！做女人挺好的，但是兄台且慢，在你手举刀落的一刹那，你到底有没有考虑好，后宫佳丽们的心情呢~ 不防先用这款米尔FZ3深度学习计算卡+百度AI大脑=圆梦变形机器人先试一试自己成为女人后的样子，如果喜欢，但且无妨！利用深度卷积生成对抗网络训练模型，利用CelebA数据集围绕DCGAN实现人脸生成。一睹迷人风采！求中，谢谢！

jf_97062285

15:3610-30

申请理由：对无人机发展很感兴趣，好奇我国无人机进一步发展的景象，想制作一个巡检无人机作为对无人机一个深化学习的的切入点。计划方案及成品：机载AI控制系统+无人机全自动机场+云端控制系统，实现无人值守，离线任务规划，远程精细化高频常态自动巡检作业。预计完成时间是在校两个学期。

辉哥a

15:1910-28

申请理由本人从事软件开发行业已10余年，现自己创业想进入智能家居行业。现想打造一款能远程控制的家用监控小车（机器人）,主要针对家用有宠物或老人需要照看而主人又不在家的情况，现目前市面上的监控视频只能固定安放在某一位置，存在盲区。现想做一款可移动的监控机器人，能远程通过手机app实现操控小车移动到想去的位置并且实时看到监控视频。项目计划 ①硬件评估选型：在成熟的ipc方案上进行扩展，硬件成本是主要考虑因素。 ②硬件方案选定后开始针对该平台自主开发控制软件 ③软件及硬件验证通过后进入产品设计阶段 ④选定工厂生产样品并进行测试预计成果能达到项目设计预期目标，解决家庭监控痛点

DL2020

22:3410-27

申请理由：我是军工科研单位的一名深度学习工程师，目前正在寻找一款硬件满足项目中智能识别的需求，感觉米尔FZ3基本满足工程要求，已经在走单位的采购流程了，订阅公众号后发现有试用的活动，想参加一下。项目描述：项目中需要识别人物，我之前也深度体验了百度的开源框架，感觉不错，在这次项目的方案确定时我也优先选择了这个硬件。计划自己训练模型，然后再部署到上面去，军工行业，不再细述。希望能得到这次试用的计划，我一定认真珍惜。如果拿到板子，我愿意分享开发和调试的过程。

gao1shou

19:4810-27

在家送东西，太爽了

jf_54197222

21:0310-26

理由：服务器价格昂贵且在大量数据集下计算时间长计划：工地上施工者的危险姿态和违规行为检测。检测工地上危险环境下是否有工人，比如其中机吊臂下、大型施工机器旁边。检测项目施工现场是否配备安全员。检测施工现场人员是否穿戴反光衣和安全帽。

chen000000009

09:1810-24

目前，随着智能交通的发展，对车辆辅助驾驶这块的要求也越来越高，辅助驾驶平台需要能识别周边的车辆，行人，并检测是否存在车道偏离，将相关的信息通过显示屏或者语音提供给驾驶员，以便驾驶员及时做出调整。此外，随着自动驾驶的发展，这种平台未来也是自动驾驶所必须的。米尔FZ3深度学习计算卡具备较强的算力，百度目前在大力推广的开源深度学习平台PaddlePaddle可以部署到这种计算卡上面，使用专用的IP核加速深度学习算法的运行，进行大规模物体识别需要这种深度学习平台的支持，而百度的PaddlePaddle易用性较好，可以快速部署模型，包括yolov3等，不需要关注底层的实现。另外，米尔FZ3深度学习计算卡具备的双核A9，可以支持Linux系统，并运行QT等界面，这一部分与传统嵌入式平台开发流程大体相似。研究计划 1、了解硬件构成，并部署xilinx的开发环境，实现ARM端和FPGA端的基本程序开发 2、移植百度PaddlePaddle平台到计算卡上面，参考百度官方的移植流程，FPGA端的算力用于加速这个平台的运算 3、在ARM端部署Linux+QT的环境，实现基本的UI界面，并实现IPC摄像头（通过以太网口）或UVC摄像头（通过USB口）的接入 4、实现PaddlePaddle对视频流进行分析识别，计划使用yolov3 5、同步撰写相关文档供后续产品开发参考

搜索历史