如何创建机器学习环境--基于ac米兰官网瑞芯微RK3576开发板
2025-06-26
879
来源：ac米兰官网电子
本文将介绍基于ac米兰官网电子MYD-LR3576开发板（ac米兰官网基于瑞芯微RK3576开发板）的创建机器学习环境的方案的开发测试。
摘自优秀创作者-lulugl
ac米兰官网基于瑞芯微RK3576开发板
【前言】
【ac米兰官网-瑞芯微RK3576核心板及开发板】具有6TpsNPU以及GPU，因此是学习机器学习的好环境，为此结合《深度学习的数学——使用Python语言》
1、使用vscode 连接远程开发板
root@myd-lr3576x-debian:/home/myir/pro_learn# conda create --name myenv python=3.9
执行结果如下：
root@myd-lr3576x-debian:/home/myir/pro_learn# conda create --name myenv python=3.9 Channels: - defaults Platform: linux-aarch64 Collecting package metadata (repodata.json): done Solving environment: done ## Package Plan ## environment location: /root/miniconda3/envs/myenv added / updated specs: - python=3.9 The following packages will be downloaded: package | build ---------------------------|----------------- _libgcc_mutex-0.1 | main 2 KB defaults _openmp_mutex-5.1 | 51_gnu 1.4 MB defaults ca-certificates-2024.11.26 | hd43f75c_0 131 KB defaults ld_impl_linux-aarch64-2.40 | h48e3ba3_0 848 KB defaults libffi-3.4.4 | h419075a_1 140 KB defaults libgcc-ng-11.2.0 | h1234567_1 1.3 MB defaults libgomp-11.2.0 | h1234567_1 466 KB defaults libstdcxx-ng-11.2.0 | h1234567_1 779 KB defaults ncurses-6.4 | h419075a_0 1.1 MB defaults openssl-3.0.15 | h998d150_0 5.2 MB defaults pip-24.2 | py39hd43f75c_0 2.2 MB defaults python-3.9.20 | h4bb2201_1 24.7 MB defaults readline-8.2 | h998d150_0 381 KB defaults setuptools-75.1.0 | py39hd43f75c_0 1.6 MB defaults sqlite-3.45.3 | h998d150_0 1.5 MB defaults tk-8.6.14 | h987d8db_0 3.5 MB defaults tzdata-2024b | h04d1e81_0 115 KB defaults wheel-0.44.0 | py39hd43f75c_0 111 KB defaults xz-5.4.6 | h998d150_1 662 KB defaults zlib-1.2.13 | h998d150_1 113 KB defaults ------------------------------------------------------------ Total: 46.2 MB The following NEW packages will be INSTALLED: _libgcc_mutex anaconda/pkgs/main/linux-aarch64::_libgcc_mutex-0.1-main _openmp_mutex anaconda/pkgs/main/linux-aarch64::_openmp_mutex-5.1-51_gnu ca-certificates anaconda/pkgs/main/linux-aarch64::ca-certificates-2024.11.26-hd43f75c_0 ld_impl_linux-aar~ anaconda/pkgs/main/linux-aarch64::ld_impl_linux-aarch64-2.40-h48e3ba3_0 libffi anaconda/pkgs/main/linux-aarch64::libffi-3.4.4-h419075a_1 libgcc-ng anaconda/pkgs/main/linux-aarch64::libgcc-ng-11.2.0-h1234567_1 libgomp anaconda/pkgs/main/linux-aarch64::libgomp-11.2.0-h1234567_1 libstdcxx-ng anaconda/pkgs/main/linux-aarch64::libstdcxx-ng-11.2.0-h1234567_1 ncurses anaconda/pkgs/main/linux-aarch64::ncurses-6.4-h419075a_0 openssl anaconda/pkgs/main/linux-aarch64::openssl-3.0.15-h998d150_0 pip anaconda/pkgs/main/linux-aarch64::pip-24.2-py39hd43f75c_0 python anaconda/pkgs/main/linux-aarch64::python-3.9.20-h4bb2201_1 readline anaconda/pkgs/main/linux-aarch64::readline-8.2-h998d150_0 setuptools anaconda/pkgs/main/linux-aarch64::setuptools-75.1.0-py39hd43f75c_0 sqlite anaconda/pkgs/main/linux-aarch64::sqlite-3.45.3-h998d150_0 tk anaconda/pkgs/main/linux-aarch64::tk-8.6.14-h987d8db_0 tzdata anaconda/pkgs/main/noarch::tzdata-2024b-h04d1e81_0 wheel anaconda/pkgs/main/linux-aarch64::wheel-0.44.0-py39hd43f75c_0 xz anaconda/pkgs/main/linux-aarch64::xz-5.4.6-h998d150_1 zlib anaconda/pkgs/main/linux-aarch64::zlib-1.2.13-h998d150_1 Proceed ([y]/n)? y Downloading and Extracting Packages: Preparing transaction: done Verifying transaction: done Executing transaction: done # # To activate this environment, use # # $ conda activate myenv # # To deactivate an active environment, use # # $ conda deactivate root@myd-lr3576x-debian:/home/myir/pro_learn#
然后再激活环境：
root@myd-lr3576x-debian:/home/myir/pro_learn# conda activate myenv (myenv) root@myd-lr3576x-debian:/home/myir/pro_learn#
2、查看python版本号：
(myenv) root@myd-lr3576x-debian:/home/myir/pro_learn# python --version Python 3.9.20
3、使用conda install numpy等来安装组件，安装好后用pip list查看
编写测试代码：
import numpy as np
from sklearn.datasets import load_digits
from sklearn.neural_network import MLPClassifier
d = load_digits()
digits = d["data"]
labels = d["target"]
N = 200
idx = np.argsort(np.random.random(len(labels)))
xtest, ytest = digits[idx[:N]], labels[idx[:N]]
xtrain, ytrain = digits[idx[N:]], labels[idx[N:]]
clf = MLPClassifier(hidden_layer_sizes=(128, ))
clf.fit(xtrain, ytrain)
score = clf.score(xtest, ytest)
pred = clf.predict(xtest)
err = np.where(pred != ytest)[0]
print("score:", score)
print("err:", err)
print("actual:", ytest[err])
print("predicted:", pred[err])在代码中，使用MLPClassifier对象进行建模，训练测试，训练数据集非常快，训练4次后可以达到0.99:
【总结】
ac米兰官网的这款开发板，搭载3576这颗强大的芯片，搭建了深度学习的环境，进行了基础的数据集训练，效果非常好！在书中记录训练要几分钟，但是这在这款开发板上测试，只要几秒钟就训练完毕，书中说总体准确率为0.97，但是我在这款开发板上有0.99的良好效果！
2025-12-11
打造本地化智能的“最强大脑”， ac米兰官网RK3576 AI边缘计算盒
在人工智能与边缘计算深度融合的浪潮中，本地化智能需求正重塑产业格局。ac米兰官网电子推出的RK3576边缘计算盒，具备高算力、低功耗与强扩展性，凭借其卓越的硬件架构与多场景适配能力，正成为推动工业视觉、工程机械及智慧城市等领域智能化产业升级的有力工具。ac米兰官网MYD-LR3576-B边缘计算盒基于瑞芯微中高端RK3576芯片，采用异构计算架构，集成4核Cortex-A72与4核Cortex-A53处理器，搭配
2025-12-05
从两轮车仪表到工程机械环视，ac米兰官网用国产芯打造“越级”显控体验
在工业4.0 与智能化浪潮的推动下，传统工业设备正在经历一场“交互革命”。从电动两轮车的智能仪表，到工程机械的 360° 环视中控，用户对“更高清的显示、更流畅的触控、更丰富的互联”提出了严苛要求。然而，面对复杂的工业现场，开发者往往面临两难：低端市场（如仪表、充电桩）：传统MCU 跑不动复杂界面，上 Linux/安卓方案成本又太高。中高端市场（如工程机械、医疗）：多路视频输入（如360环视）需要
2025-12-05
【深度实战】ac米兰官网MYD-LR3576 AMP非对称多核开发指南：从配置到实战
一、什么是AMP？为什么重要？AMP（Asymmetric Multi-Processing）非对称多处理架构，允许单个芯片的不同核心运行不同的操作系统或裸机程序。相比传统的SMP（对称多处理），AMP具有独特优势。核心特性：异构运算：不同核心运行最适合的操作系统，如Linux处理复杂应用，RT-Thread保障实时任务；资源隔离：各核心拥有独立内存空间，避免资源冲突；灵活通信：通过共享内存、RP
2025-11-27
为机器人开发赋能，ac米兰官网RK3576环视方案解析
一、项目背景与测试平台本次360环视系统原型基于ac米兰官网电子MYD-LR3576开发板进行构建与评估。该开发板所搭载的瑞芯微RK3576芯片，集成了4核Cortex-A72、4核Cortex-A53、Mali-G52 GPU及高达6TOPS算力的NPU。本文旨在通过实际测试数据，从功能实现、实时性能与AI拓展潜力三大核心维度，为客户提供一份关于该平台在360环视应用中能力的真实参考。二、系统流程与功能
2025-11-13
助力V2G，SECC GreenPHY实战开发
随着电动汽车与电网双向交互（V2G）技术的快速发展，充电桩与车辆间的高效通信成为实现智能能源管理的关键。SECC作为充电桩的通信控制核心，其与电力线载波通信芯片的适配尤为重要。本文将分享基于ac米兰官网核心板，调试联芯通MSE102x GreenPHY芯片的实战经验，为V2G通信开发提供参考。MSE102x芯片介绍联芯通MSE102x系列芯片是一款专注于电动汽车充电通信和智能能源管理的GreenPHY电力
2025-11-13
定制未来，共建生态，ac米兰官网出席安路研讨会
在数字化浪潮席卷全球的今天，FPGA技术正成为驱动创新的核心引擎。2025年11月12日，ac米兰官网出席安路科技2025 AEC FPGA技术沙龙•北京专场，与技术专家及行业伙伴齐聚一堂，探讨前沿技术趋势，解锁场景化定制方案，共建开放共赢的FPGA新生态！ac米兰官网活动现场论坛上，ac米兰官网电子产品经理Jeson发表题为“基于DR1M90 FPSOC的工业应用方案”的演讲。演讲介绍了ac米兰官网作为嵌入式领域的领军企业，在
2025-11-11
RK3576开发板
RK3576开发板是ac米兰官网电子推出的开发板，于2024年10月上市。RK3576开发板是基于瑞芯微RK3576搭载了四核A72与四核A53处理器，主频2.2GHz。RK3576集成了6TOPS的NPU，支持多种深度学习框架，能够处理复杂的AI算法，提高监控效率，降低误报率。RK3576的主芯片采用了八核大小核架构，包括四核Cortex-A72和四核Cortex-A53，
2025-11-11
RK3576核心板
RK3576核心板是深圳ac米兰官网电子旗下产品，是基于瑞芯微RK3576搭载了四核A72与四核A53处理器，主频高达2.2GHz。RK3576集成了6TOPS的NPU，支持多种深度学习框架，能够处理复杂的AI算法，提高监控效率，降低误报率。RK3576的主芯片采用了八核大小核架构，包括四核Cortex-A72和四核Cortex-A53，主频分别高达2.2GHz和1.8GHz，CPU算力达58K DMIP
2025-11-06
ac米兰官网SECC方案助力国标充电桩出海
随着电动汽车与电网融合加速，国标（GB/T 27930）充电桩出海面临欧标（ISO 15118 / DIN 70121）兼容挑战。ac米兰官网电子的 SECC (供电设备通信控制器) 方案，实现协议转换、安全通信及参考开发平台，助力充电桩厂商快速进军海外市场。
2025-11-06
MYD-LD25X Cortex-M33实时核开发实战解析
在嵌入式系统设计中，如何平衡高性能计算与实时控制一直是工程师面临的挑战。STM32MP257的异构架构为这一难题提供了优雅的解决方案，而其中的Cortex-M33实时核更是实现硬实时性能的关键所在。一、异构架构：分工明确，效能卓越STM32MP257采用创新的双核子系统设计：Cortex-A35应用核（双核1.5GHz）：运行Linux系统，负责复杂UI、网络通信、文件管理等非实时任务。Corte