在友晶LabCloud平台上使用PipeCNN实现ImageNet图像分类

拜读维拉科技关于机器人相关信息的综合整理，涵盖企业排名、产品类型及资本市场动态：一、中国十大机器人公司（综合类）‌优必选UBTECH）‌聚焦人工智能与人形机器人研发，产品覆盖教育、娱乐及服务领域，技术处于行业前沿‌。在友晶LabCloud平台上使用PipeCNN实现ImageNet图像分类机器人‌中科院旗下企业，工业机器人全品类覆盖，是国产智能工厂解决方案的核心供应商‌。埃斯顿自动化‌国产工业机器人龙头，实现控制器、伺服系统、本体一体化自研，加速替代外资品牌‌。遨博机器人（AUBO）协作机器人领域领先者，主打轻量化设计，适用于3C装配、教育等柔性场景‌。埃夫特智能‌国产工业机器人上市第一股，与意大利COMAU深度合作，产品稳定性突出‌。二、细分领域机器人产品‌智能陪伴机器人‌Gowild公子小白‌：情感社交机器人，主打家庭陪伴功能‌。CANBOT爱乐优‌：专注0-12岁儿童心智发育型亲子机器人‌。仿真人机器人目前市场以服务型机器人为主，如家庭保姆机器人（售价10万-16万区间）‌，但高仿真人形机器人仍处研发阶段。水下机器人‌工业级产品多用于深海探测、管道巡检，消费级产品尚未普及。在友晶LabCloud平台上使用PipeCNN实现ImageNet图像分类资本市场动态‌机器人概念股龙头‌双林股份‌：特斯拉Optimus关节模组核心供应商，订单排至2026年‌。中大力德‌：国产减速器龙头，谐波减速器市占率30%‌。金力永磁‌：稀土永磁材料供应商，受益于机器人电机需求增长‌。行业趋势‌2025年人形机器人赛道融资活跃，但面临商业化落地争议，头部企业加速并购整合‌。四、其他相关机器人视频资源‌：可通过专业科技平台或企业官网（如优必选、新松）获取技术演示与应用案例。价格区间‌：服务型机器人（如保姆机器人）普遍在10万-16万元，男性机器人13万售价属高端定制产品‌。

利用深度卷积（CNN）进行图像分类是通过使用多个卷积层来从输入数据中提取特征，最后通过分类层做决策来识别出目标物体。

典型的大规模CNN网络通常包含数百万个神经单元和数百万个连接，需要超过十亿次的操作才能处理一个输入，因此整个过程比较耗时。

peCNN是一个开源的基于OpenCL的深度卷积神经网络加速器，采用板载＋异构计算的方式来加速CNN运算中计算密集型运算。卷积、全连接等复杂运算利用FPGA的丰富片上并行计算资源进行加速，保证了实时性。ARM上运行数据流读取和显示工作，保证了程序的灵活和可扩展性。

本文将演示如何在友晶LabCloudFPGA硬件在线实验云平台（下文简称LabCloud平台）上用PipeCNN进行ImageNet图像分类加速。

01在Lab Cloud上运行PipeCNN步骤搭建环境

Lab Cloud平台已经安装有OpenCL环境 。(可在终端下发如下三条命令进行验证)

资源下载

1. 可以直接在云节点打开终端，输入如下命令进行源码下载：

若有些院校Lab Cloud只连了局域网，则可以通过链接https://github.com/doonny/PipeCNN下载到自己的上：

然后通过Lab Cloud平台的文件上传功能传至云节点。

2. 通过链接https://pan.bdu.com/s/1jIl6qkm?_at_=1744271894249#list/path=%2FPipeCNN下载data_alex文件夹(包含image.dat，fc8.dat，weights.dat三个文件），并将该文件夹放到PipeCNN-master/project_/data路径下。

3. 测试图像使用的是ImageNet(ILSC2012_img_st.zip，300张照片)

下载链接:https://pan.baidu.com/s/1Agx0qZs55aZWM58c-Wng8A提取码: tera

编译kernel

1. 进入PipeCNN-master/project_intel/device/RTL路径下，打开终端，输入 make：

2. 按照下图修改project_intel/Makefile：

USE_OPENCV=1

PLATFORM=arm32

FLOW=hw

切换路径到

/root/intelFPGA/18.1/hld/board/de_cloud

3. 按照下图修改PipeCNN-master/project_intel/device/hw_pa.cl文件:

VEC_SIZE 8

LANE_NUM 8

choose net 改为 ALEXNET

4. 按照下图修改PipeCNN-master/project_intel/device/conv_pipe.cl文件:

5. 进入 PipeCNN-master/project_intel 路径下执行 make fpga，最终在PipeCNN-master/project_intel 路径下会产生一个conv.aocx文件：

编译host

编译host时还需要继续修改project_intel/Makefile文件去指定当前opencv路径。

1. 对于当前Lab Cloud 上对应的DE_Cloud板卡环境需要修改如下：

OCV_LIBS后面添加 -lopencv_imgcodecs

修改路径 /usr/local/lib

修改路径 /usr/local/include

2. 将PipeCNN-master/project_intel/host/layer_config.h文件当中的char型定义全部改成signed char型（一共4处修改）。

3.data_alex文件夹若不是放在PipeCNN-master/project_intel/data路径下（已经在该路径下的忽略此步骤），则需要进入main.cpp修改文件路径到当前正确路径。

4. 删掉PipeCNN-master/project_xilinx文件夹和PipeCNN-master/project_intel/conv文件（删掉多余文件以便将剩下文件传输到云平台开发板）。

5.然后点击SoC传输将PipeCNN-master文件夹和ILSVRC2012_img_test.zip文件传到DE_Cloud开发板的LXDE桌面：

6. 将ILSVRC2012_img_test.zip解压到/home/root路径（

若图片解压到其他路径下，则需要进入main.cpp修改文件路径到当前正确路径。）：

7. 点击SoC桌面进入DE_Cloud开发板的 LXDE桌面：

8. 按照下图打开的终端：

9. 用命令cd OpenCL 切换到OpenCL文件夹，用命令source ./init_opencl.sh进行OpenCL runme初始化：

10. 切换路径到PipeCNN-master/project_intel/下执行make host就会在当前路径下生成run.exe文件（在这个过程中会有warning提示，可以忽略）：

执行PipeCNN

1. 配置FPGA使用命令aocl program /dev/l0 conv.aocx。

2. 运行host使用命令make run。

运行结束，便可以得到分类结果。

02Lab Cloud平台简介

LabCloud FPGA 硬件在线实验云平台