Mixtile Blade 3.: Review (1)

Hola amigos, aquí os dejo la primera parte de la Review de la placa SBC Blade 3 que me ha ofrecido la empresa Mixtile y que me ha parecido interesante trae al canal para hacer una review sobre ella.
Mas información en: aquihayapuntes...
Enlaces:
=======
. www.mixtile.co... hay 100 cupones de descuento de $50 para los usuarios del canal en los productos siguientes: Blade 3, Mixtile Blade 3 Case y Mixtile Cluster Box. Con las siguientes condiciones:
Valido hasta 31 de Diciembre de 2024
El total del carrito debe de superar los $50
Uso único y no se puede combinar con otros cupones de descuento
Código del cupón: biblioman09
Otros componentes necesarios para el funcionamiento de la placa:
=====================================================
. Hub USB tipo C: s.click.aliexp...
. Cargador PD: s.click.aliexp...
Si te gusta el contenido del canal me puedes seguir también en las siguientes redes sociales donde iré subiendo contenido adicional:
aquihayapuntes...
odysee.com/$/i...
/ biblioman.aquihayapuntes
/ biblioman09
www.pinterest....
github.com/Bib...
Un saludo

[@gerardolopez8202]

Excelente video, esperando segunda parte, saludos desde Mexico

[@biblioman09]

Gracias, si muy pronto.
Un saludo desde España

[@jprcdev]

saludos desde españa, seria probar correr modelos LLm como qwen2:1.5b , con su npu , la cpu y el gpu?

[@biblioman09]

Hola, no es tan fácil para aprovechar la NPU los modelos se tienen que convertir a RKNN que es el tipo de modelo de IA que soportan los chips de Rockchip, la Blade 3 tiene la ventaja que se puede crear un cluster de placas pero para que eso sea optimo debe de estar optimizado tanto el hardware como el firmware y de momento que yo sepa no hay mucha información al respecto de las prestaciones que se conseguirían, aún así para los modelos grandes con muchos parámetros se quedaría corta, las GPU de los sistemas embebidos no valen para IA. En mi opinión se puede "cacharrear" y aprender mucho sobre aprendizaje automático y redes neuronales con estas placas pero con modelos pequeños no con modelos grandes.
Un saludo