معرفی برد radxa rock 5c با تراشه rk3588

این روزها همه جا حرف از هوش مصنوعی و انجام کارهای مختلف با اون هست. یکی کاربرد های هوش مصنوعی استفاده از اون به عنوان Edge AI هست که پردازش ها در اون توسط یک دستگاه محلی انجام میشه و تصمیم گیری در لحظه و بدون نیاز به ارتباط خارجی انجام میشه. به همین دلیل تصمیم گرفتم یک پردازنده مناسب پیدا کنم و یکسری آموزش برای اون تهیه کنم. بررسی های من به تراشه rk3588 ختم شد. حالا برای استفاده از این تراشه نیاز به یک برد مناسب داریم که در نهایت به برد radxa rock 5c رسیدم. توی این مطلب میخوام این تراشه و برد رو معرفی کنم و ویژگی هایی که دارند رو بررسی کنم، در قسمت های بعدی هم به سراغ راه اندازی و اجرای اپلیکیشن های مختلف توسط این برد میپردازم. با سیسوگ همراه باشید تا به بررسی این برد فوق العاده بپردازیم.

تراشه RK3588S2

اول از همه باید اشاره کنم که تراشه ای که ما باهاش کار داریم RK3588S2 هست که نسخه بهینه شده rk3588 هست. از نظر پارامتر های اصلی این دو پردازنده هیچ تفاوتی با هم ندارند یعنی از cpu , npu و gpu یکسانی استفاده میکنند. تفاوت در موارد خاص مثل تعداد پورت های pcie و تعداد io ها متفاوت هستند. در جدول زیر که توسط خود rockchip ارائه شده میتونید مقایسه نسل های مختلف این تراشه رو بررسی کنید.

قسمت cpu تراشه rk3588s2 شامل ۴ هسته A76 و 4 هسته A55 هست برای مقایسه کلی میتونیم از پردازنده های همرده کمک بگیریم. به طور مثال برد رزبری پای 5 دارای تراشه Broadcom BCM2712 هست که توی یک رده قرار میگیرند. در مقایسه این دو تراشه rk3588 دارای رتبه بالاتری هست.

در قسمت gpu این تراشه از Mali‑G610 MC4 استفاده میکنه و قابلیت دیکد انکد ویدیو هایی با کیفیت 8K رو داره.

همچنین این تراشه دارای واحد پردازش شبکه عصبی (NPU) هست که اون رو به یک گزینه عالی برای انجام انواع پروژه های هوش مصنوعی تبدیل میکنه. واحد NPU این پردازنده قابلیت پردازش تا 6 Tops رو داره که یک واحد اندازه گیری برای مقایسه قدرت پردازنده های شبکه عصبی هست. به طور مثال 6 tops به معنی 6 تریلیون (10¹²) عملیات در هر ثانیه (Tera Operations Per Second) هست.

دارا بودن NPU داخلی یک مزیت مهم برای پردازنده های Edge AI هست. مهم ترینش یکپارچگی بخش های مختلف با هم دیگه هست، مثلا شما وقتی میخواید یک مدل رو روی NPU اجرا کنید، باید مدل روی RAM لود بشه و بعد از اون توسط NPU عملیات هاش انجام بشه، حالا اگه شما از یک NPU خارجی استفاده کنید(مثلا استفاده از رزبری پای ۵ در کنار کیت های هوش مصنوعی) بخشی از تایم پردازشی توی جابجایی و انتقال دیتا ها تلف میشه و ممکنه سرعت بهینه ای هم نداشته باشه، حالا هر چقدر هم که NPU قوی باشه.

نمونه دیگه ای از ویژگی های NPU داخلی این هست که بعضی وقت ها شما نیاز به اجرای یک مدل هوش مصنوعی روی یک NPU دارید که اون NPU یکسری از مراحل اجرای اون مدل رو نمیتونه انجام بده و اونها باید روی CPU اجرا بشه، حالا به دلیل یکپارچه بودن سیستم و CPU قوی این مراحل در بهینه ترین حالت ممکن انجام میشه (در مورد این موضوعات در قسمت های بعدی به صورت تخصصی تر صحبت میشه).

به غیر از موارد بالا یکپارچه بودن سیستم باعث کاهش توان مصرفی و کاهش حجم و ابعاد سیستم نهایی میشه که توی دستگاه های Edge AI از موارد حیاتی هست.

در نهایت، ما در تراشه rk3588s2 مجموعه ای از CPU و GPU و NPU با توان پردازشی بالا برای انجام انواع پردازش ها داریم که بودن اینها در کنار هم باعث میشه که هم بشه پردازش های مختلفی رو به صورت همزمان انجام داد و هم اینکه به طور مثال اگر در مرحله ای از پروژمون نتونستیم قسمتی از کد رو روی NPU و یا GPU اجرا کنیم، به راحتی با CPU هندلش کنیم.

برد Radxa Rock5C

با توجه به اینکه من تراشه rk3588s2 رو انتخاب کردم، گزینه های موجود برای انتخاب برد خیلی محدود شدند، البته اگر هر سه سری این تراشه رو در نظر بگیریم (rk3588,3588s,3588s2) باز دستمون باز تر هست، اما به نظر من بهترین سری همون rk3588s2 هست، چرا که قیمت مناسب تری هم داره نسبت به بقیه. در کل شرکت های radxa و orange pi برد های مختلفی رو برای تراشه های rockchip زدند، من قبلا از برد های orange pi به عنوان جایگزین برای رزبری پای استفاده میکردم اما داکیونت ها و پشتیبانی های این شرکت رو خیلی کامل و مناسب ندیدم و این شد که به radxa رو آوردم که به نظرم داکیومنت های خیلی کاملی داره. در ادامه 2 تا از برد هایی که از تراشه rk3588s2 استفاده میکنند و از شرکت radxa هستند رو معرفی میکنم.

برد Radxa Rock5C

شرکت radxa یک سری برد با نام ROCK داره که نسل های مختلفی داره مثل نسل های مختلف برد های رزبری پای، نسل پنجم این برد ها برپایه تراشه های سری RK3588 هستند که شامل این برد ها میشه:

از بین این بردها سری ROCK 5C فقط دارای تراشه rk3588s2 هست. البته همین مدل ROCK 5C یک نسخه لایت هم داره که پردازندش RK3582 هست و ما باهاش کاری نداریم چون کلا متفاوت هست با rk3588s2 مثلا GPU نداره و CPU , NPU ضعیف تری داره.

ویژگی های کامل این برد رو میتونید از اینجا بررسی کنید. در ادامه ویژگی های اصلی این برد رو میتونید ببینید

و این ها هم درگاه های ارتباطی برد هستند.

・ 1x eMMC Connector
・ 1x microSD Card Slot
・ 1x Headphone Jack with Microphone Input
・ 1x HDMI 2.1 supporting up to 8K
・ 1x MIPI DSI supporting up 2K
・ 1x 4‑lane MIPI CSI or 2x 2‑lane MIPI CSI
・ 2x USB 2.0 Type‑A HOST ports
・ 1x USB 3.0 Type‑A HOST port
・ 1x USB 3.0 Type‑A OTG / HOST port
・ 1x Gigabit Ethernet port with PoE support(Additional PoE HAT Required)
・ 1x FPC Connector with PCIe 2.1 1‑lane
・ 1x IEEE 802.11 a/b/g/n/ac/ax (WiFi 6) and BT 5.4 with BLE with External Antenna Connector
・ 1x 2‑Pin 1.25mm Fan Header
・ 1x Power Button
・ 40‑Pin 0.1” (2.54mm) header supporting a wide range of interface options.

هدر 40 پین این برد هم از نظر مکانیکی با رزبری یکی هست. همچنین پین های تغذیه و اکثر پین های دیتا هم با هدر استاندارد رزبری یکی هست که با توجه به این موضوع شما میتونید از HAT های رزبری هم روی این برد استفاده کنید.

برد Radxa CM5

سری دیگه ای از برد های شرکت radxa سری Compute Module هستند که مناسب استفاده روی محصول هستند. نسل ۵ این برد ها که میشه Radxa CM5 از تراشه rk3588s2 استفاده میکنند. در ادامه تصویر این برد رو میتونید ببینید.

یک برد IO هم منتطبق با CM5 توسط radxa طراحی شده که فایل های طراحی اون با نرم افزار آلتیوم و orcad به صورت رایگان در اینجا قرار گرفته. 

در نهایت به نظر من شما برای شروع میتونید از برد radxa rock 5c استفاده کنید و بعدا اگر نیاز بود که حتما بردی اختصاصی طراحی کنید از CM5 استفاده کنید و اون رو روی برد خودتون قرار بدید. در قسمت های بعدی آموزش هم ما از برد radxa rock 5c استفاده میکنیم. در مورد نسخه های مختلف که با مقدار ram مختلف هستند هم من پیشنهادم استفاده از نسخه 8 گیگ هست که هم قیمت مناسبی داره و هم برای 90 درصد کاربرد ها مناسب و کافی هست. مقدار رم پایین تر ممکنه برای بعضی از تست ها کم باشه.

در ادامه این سری مطلب، در دو قسمت بعدی به مباحث پایه و آشنایی با مفهوم هوش مصنوعی و انواع و تاریخچه اون و نقش سخت افزار های پردازشی مثل NPU و CPU و GPU در پروژه های مرتبط با هوش مصنوعی و Edge AI میپردازیم.

نویسنده : mahdi.h

خرید برد Radxa Rock 5C از فروشگاه امبددتک: