Benchmark en RPi5 y CM4 ejecutando yolov8s con el kit AI de RPi
Introducción
YOLOv8 (You Only Look Once versión 8) es la serie más popular de modelos de estimación de poses y detección de objetos en tiempo real de YOLO. Se basa en las fortalezas de sus predecesores al introducir varias mejoras en velocidad, precisión y flexibilidad. El Raspberry-pi-AI-kit se utiliza para acelerar la velocidad de inferencia, con un acelerador de inferencia de redes neuronales de 13 tera-operaciones por segundo (TOPS) construido alrededor del chip Hailo-8L.
Este wiki presenta un benchmarking de YOLOv8s para estimación de poses y detección de objetos en Raspberry Pi 5 y Raspberry Pi Compute Module 4. Todas las pruebas utilizan el mismo modelo (YOLOv8s), cuantizado a int8, con un tamaño de entrada de 640x640 píxeles, tamaño de lote configurado a 1, y entrada desde el mismo video a 240 FPS.
Preparar el hardware
Para CM4
reComputer r1000 | Raspberry Pi AI Kit |
---|---|
![]() | ![]() |
Para Raspberry Pi 5
Raspberry Pi5 8GB | Raspberry Pi AI Kit |
---|---|
![]() | ![]() |
Ejecutar este proyecto
- Pi5 Benchmark
- CM4 Benchmark
Instalar el kit AI en RPi5
Por favor consulta este enlace
Instalar el software Hailo y verificar la instalación
Actualizar el sistema:
sudo apt update
sudo apt full-upgrade
Configurar PCIe para gen2/gen3 (gen3 es más rápido que gen2):
Añadir el siguiente texto a /boot/firmware/config.txt
# Habilitar el conector PCIe externo
dtparam=pciex1
# Forzar velocidades Gen 3.0
dtparam=pciex1_gen=3
Si deseas usar gen2, comenta la línea dtparam=pciex1_gen=3
Instalar hailo-all y reiniciar:
Abre la terminal en Raspberry Pi 5 y ejecuta el siguiente comando para instalar el software Hailo.
sudo apt install hailo-all
sudo reboot
Verificar el software y el hardware:
Abre la terminal en Raspberry Pi 5 y ejecuta el siguiente comando para verificar si hailo-all se ha instalado correctamente.
hailortcli fw-control identify
El resultado correcto se muestra a continuación:
Abre la terminal en Raspberry Pi 5 y ejecuta el siguiente comando para verificar si hailo-8L se ha conectado correctamente.
lspci | grep Hailo
El resultado correcto se muestra a continuación:
Ejecutar el proyecto
- Ejecutar estimación de pose
- Ejecutar detección de objetos
Instalar el proyecto
git clone https://github.com/Seeed-Projects/Benchmarking-YOLOv8-on-Raspberry-PI-reComputer-r1000-and-AIkit-Hailo-8L.git
cd Benchmarking-YOLOv8-on-Raspberry-PI-reComputer-r1000-and-AIkit-Hailo-8L
Ejecutar el proyecto
# ejecutar estimación de pose con AI kit
bash run.sh pose-estimation-hailo
# ejecutar estimación de pose sin AI kit
bash run.sh pose-estimation
Resultado
Instalar el proyecto
git clone https://github.com/Seeed-Projects/Benchmarking-YOLOv8-on-Raspberry-PI-reComputer-r1000-and-AIkit-Hailo-8L.git
cd Benchmarking-YOLOv8-on-Raspberry-PI-reComputer-r1000-and-AIkit-Hailo-8L
Ejecutar el proyecto
# ejecutar detección de objetos con AI kit
bash run.sh object-detection-hailo
# ejecutar detección de objetos sin AI kit
bash run.sh object-detection
Resultado
Para detección de objetos, consulta el siguiente wiki: yolov8_object_detection_on_recomputer_r1000_with_hailo_8l
Para estimación de pose, consulta el siguiente wiki: yolov8_pose_estimation_on_recomputer_r1000_with_hailo_8l
Resultado
- batchsize=8
- batchsize=1
Soporte técnico y discusión sobre el producto
¡Gracias por elegir nuestros productos! Estamos aquí para brindarte diferentes tipos de soporte para garantizar que tu experiencia con nuestros productos sea lo más fluida posible. Ofrecemos varios canales de comunicación para adaptarnos a diferentes preferencias y necesidades.