2019/05/13 - [Study/인공지능학습] - [인공지능] coral usb accelerator + Raspberry pi zero w

2019/05/16 - [Study/인공지능학습] - [인공지능] Coral USB Accelerator와 Edge TPU




지난 포스팅에서 구글의 Coral USB Accelerator를 구입하고 간단한 모델을 돌려본 것을 정리해보았다.

이번 포스팅에서는 Coral USB Accelerator(이하 coral)의 공식 홈페이지를 참조하여 요구 사항 및

엣지 컴퓨팅에 사용되는 Tesorflow Lite에 대해 간단하게 살펴보고자 한다.


각각의 공식 홈페이지는 다음과 같다.


Coral
Tensorflow Lite


Coral USB Accelerator


Coral 시리즈는 지금 소개하고자 하는 USB Accelerator 외에 완전한 보드 형태인 Coral Dev Board가

있으나 이번 포스팅에서는 USB Accelerator에 대해서만 다루도록 하겠다. 다른 부분에 대해서는 공식홈페이지를

참고하기 바란다.


우선 데이터시트를 보면 coral은 구글에서 자체적으로 만든 프로세서를 사용하며 USB 3.0 Type C 소켓을

지원하고 데비안 기반의 리눅스에서 작동을 한다. 하지만 데비안에서 파생된 우분투 리눅스도 사용 가능하며

x86-64 또는 ARMv8 명령어 집합을 포함하는 ARM32/64 기반의 프로세서에서 사용이 가능하다.


이 기준에 따르면 라즈베리파이 zero 시리즈는 ARMv6 명령어 셋 기반이라 지원이 안되지만 홈페이지에도

나와 있듯이 비공식적으로는 사용 가능하다. 또한 coral은 USB 3.0을 지원하지만 라즈베리파이는 아직 2.0만을

지원하기 때문에 속도면에서 손실이 있다.


coral을 사용하기 위해서는 Edge TPU runtime과 Python 라이브러리를 설치해야 하는데 기본적으로

Python 3.5 버전을 지원하며 만일 3.6 버전 이상인 경우 install.sh 스크립트 파일의 맨 마지막 줄에서

python3.5 대신 python3으로 수정한 후 설치하면 된다. 라이브러리가 설치되는 동안 coral이 연결된

상태였다면 설치 후 다시 연결을 해주어야 coral이 작동한다.


또한 이 과정에서 클록 주파수를 최대로 사용할 것인지를 묻는데 만일 최대로 사용하게 되면 추론 속도가

2배가 되지만 대신에 전력 소모량이 많아지며 발열이 증가한다. 심지어는 최대로 할 경우에는 손닿지 않는

곳에 장치를 두거나 부상을 막기 위해서는 기본 속도를 사용하라고 경고하고 있을 정도니 발열이 꽤나 심한
것 같다. 클록 주파수 설정은 단순히 라이브러리 설치를 다시 진행하여 변경할 수 있지만 2019년 4월 이전에

설치한 경우별도의 업데이트 과정을 거쳐야 한다.


coral에는 흰색 LED가 하나 장착이 되어있는데 신호는 매우 단순하다. 그냥 불이 들어와 있으면 초기 상태인

것이고 연산을 수행하면 LED가 점멸한다. 이게 끝이다…


coral을 작동시키기 위해서는 USB를 통해 적어도 5V 전압에 500mA의 전류를 공급해주어야 한다. 내가 

라즈베리파이 zero w를 사용하면서 usb 허브에 coral을 물릴 수밖에 없었는데 이 때 전원 공급이 가장 

우려되었지만 별도의 외부 전원 없이 coral이 정상 동작 하였다. 혹시 전원 공급이 약해서 속도가 느린가 하고 

usb 허브에 외부 전원을 넣어 봤으나 느린 건 매한가지였다…-.-


이번 포스팅에서는 여기까지만 다루기로 한다. 기타 상세한 내용에 대해해서는 공식 홈페이지를 참고하기바란다.


TensorFlow models on the Edge TPU - 개요

엣지 컴퓨팅에 사용되는 TensorFlow Lite는 TensorFlow 공식 홈페이지에 소개가 되어있지만 Coral

홈페이지에도 TensorFlow 관련 내용이 있어 먼저 Coral 홈페이지의 내용부터 정리를 해보겠다.

Edge TPU의 경우 낮은 전력을 소모하면서 빠른 신경망 연산을 처리해야 한다는 제약이 있기 때문에

조금 특별한 신경망 연산 기능과 구조를 가져야 한다. 때문에 Edge TPU에서도 CNN과 같은 심층 신경망을

실행할 수 있지만 TensorFlow Lite라는 특별한 버전만 지원되며 Edge TPU에 맞게 컴파일 되어야 한다.


TensorFlow Lite는 TensorFlow의 경량 버전으로 TensorFlow Lite의 모델과 인터프리터 커널의
바이너리 사이즈를 줄임으로써 모바일 기기나 임베디드 시스템에서 추론의 속도를 높였다. 다만 모델을 바로
훈련 시키지는 못하며 TensorFlow에서 훈련시킨 모델을 TensorFlow Lite converter라는 툴을 이용하여

변환해야 한다.


Edge TPU에 대한 최적화 과정에서 Quantizing이라는 용어가 나오는데 이는 사이즈를 줄이기 위해

가중치나 활성함수의 출력에 사용되는 32비트 부동 소수점 타입을 8비트 고정 소수점 타입으로 변환하는

과정이라고 한다. 이 과정을 통해 모델이 더 작고 빨라지게 되며, 비록 정밀도가 떨어지긴 하지만 추론의

정확도에는 큰 영향을 미치지 않는다고 한다.


이러한 이유로 새로 모델을 만들고 훈련시키는 과정이 조금 복잡한데 구글에서 새로운 데이터 셋으로 재학습을

하면 Edge TPU에서 사용 가능한 TensorFlow 모델들을 다수 제공하고 있으므로 필요한 경우 이를 활용하면

시간을 절약할 수 있을 것이다.


Edge TPU work process출처 : https://coral.withgoogle.com/docs/edgetpu/models-intro/



하지만 직접 모델을 만들어 Edge TPU에서 사용하려고 한다면 다음의 요구 조건을 충족시켜야 한다.


  • 텐서 파라미터는 8비트 고정 소수점 타입이어야 한다.
  • 텐서의 크기는 컴파일 시에 그 크기가 고정되어있어야 한다.
  • bias 텐서 같은 모델 파라미터 역시 컴파일 시에 크기가 고정되어있어야 한다.
  • 텐서들은 3차원 이하여야 한다. 만일 3차원 이상의 크기를 가지는 텐서를 사용할 경우 가장 안쪽의
    3개 차원만이 1보다 큰 크기를 갖게 된다.
  • 모델은 Edge TPU를 지원하는 연산만 사용 가능하다.


이 조건이 충족되지 않아도 컴파일은 되지만 Edge TPU 상에서는 일부만 실행될 것이다. 이렇게 조건을 충족하지
않는 연산이 있는 경우에는 모델의 그래프가 Edge TPU에서 실행 가능한 부분과 그렇지 않은 부분으로 나뉘게

되는데 이 중 Edge TPU에서 지원하지 않는 부분은 CPU에서 실행된다.


여기서 주의할 점은 현재의 Edge TPU 컴파일러는 이러한 분할을 한 번만 할 수 있기 때문에 만일 첫 번째

연산이 Edge TPU에서 실행 가능한 연산이고 두 번째 연산이 실행 불가능한 연산이라면 두 번째 이후의

모든 연산은 비록 Edge TPU에서 실행 가능하다 하더라도 모두 CPU에서 실행되어 버린다.


출처 : https://coral.withgoogle.com/docs/edgetpu/models-intro/



이렇게 CPU에서 실행되는 연산이 포함되면 당연히 100% Edge TPU에서 실행될 때보다 추론이 늦어지므로

Edge TPU에서 실행 가능한 연산만 포함되도록 노력해야 한다(참고로 Edge TPU 컴파일러는 컴파일이 종료되면 

Edge TPU에서 실행된 연산과 CPU에서 실행된 연산의 수를 알려준다고 한다).


앞서도 언급했지만 밑바닥부터 모델을 만드는 시간과 노력을 절약하기 위해서는 구글에서 이미 Edge TPU와

호환되도록 만들어놓은 모델을 재학습하여 사용하면 되는데 이 때 사용되는 기술이 Transfer Learning(이전 학습
또는 전이 학습) 혹은 fine tuning(세부 조정)이라는 기술이다. 또 다른 방법으로 Edge TPU 장비에서 직접
재학습을 수행하는 Python API를 이용한 weight imprinting이라는 방법이 있다.

Transfer Learning은 소개의 범위를 벗어나므로 더 상세한 내용은 Coral 홈페이지를 참조하기 바란다.

이렇게 만들어진 모델을 Edge TPU에서 실행하기 위해서는 Edge TPU runtime과 API 라이브러리가 호스트
시스템(라즈베리파이 등)에 설치가 되어있어야 한다. 하지만 Coral 제품 중 Coral Dev Board나 SoM 등은 
이미 이러한 것들이 설치되어 있어 설치 과정을 생략하고 바로 사용 가능하다.

현재 Coral 제품에서는 C++과 Python 기반의 API가 사용 가능하다.


정리

이렇게 간단하게나마 Coral Accelerator의 하드웨어적인 측면과 소프트웨어적인 측면의 개요를 정리해 보았다.
중요하게 알아야 할 것은 모바일 기기 또는 임베디드 시스템을 위해 만들어진 것이라 원하는 모든 것을 할 수는
없다는 점이다. 물론 이러한 기기들의 컴퓨팅 파워가 더 올라갈 수는 있겠지만 저전력이라는 매리트를 포기하지
않는 한은 한계가 있을 것이다.

추후 추가로 정리하겠지만 TensorFlow Lite에서 제공하고 있는 모델은 총 5가지가 있는데 다음의 모델들이다.

  • Image classification
  • Object detection
  • Smart reply
  • Pose estimation
  • Segmentation

  • 아직은 처음 두가지만 재학습 없이 테스트해보았지만 나머지 모델들도 확인을 해보고 싶다. 특히 Pose estimation은
    활용도가 꽤 있을 것 같다.

    처음에는 그저 호기심으로 인한 지름으로 시작했는데 하나하나 정리하다보니 나같이 머신러닝이나 딥러닝을 
    앝은 수준에서 시작해보려는 사람들에게는 좋은 학습 대상이 될 수 있을 것 같다. 특히나 ‘인공지능? 어따 써먹지?
    하는 사람들은 몸소 느끼면서 배울 수 있을 것 같다.

    일단 무작정 머리에 들어오지도 않는 책만 읽는 것 보다는 라즈베리파이와 Coral 그리고 TF Lite에서 주어진
    모델들을 이용하여 뭔가 하나 만들어보는 쪽으로 올해의 목표를 수정해야겠다.


    블로그 이미지

    마즈다

    이미 마흔을 넘어섰지만 아직도 꿈을 좇고 있습니다. 그래서 그 꿈에 다가가기 위한 단편들을 하나 둘 씩 모아가고 있지요. 이 곳에 그 단편들이 모일 겁니다...^^



    2019/05/13 - [Study/인공지능학습] - [인공지능] coral usb accelerator + Raspberry pi zero w

    2019/05/16 - [Study/인공지능학습] - [인공지능] Coral USB Accelerator와 Edge TPU




    뭔가 하나를 진득하니 끝내야 하는데…이놈에 호들갑스러운 호기심은 눈밭에 강아지 뛰놀듯한다…
    얼른 미니 드론 만들고 다음에 싱글콥터 그 다음에 4족 보행 로봇 최종판을 만들어야 하는데…
    도대체 어느세월에...ㅠ.ㅠ


    이번 호기심의 대상은 바로 구글에서 엣지 컴퓨팅 보드로 출시한 coral 시리즈 중에 usb 가속기인

    coral usb accelerator이다. 페이스북에서 어떤 분이 올려놓으신 엣지 컴퓨팅을 위한 보드들의
    성능을 비교한 해외 블로그를 보고 나니 궁금해서 견딜 수가 없었다.


    Benchmarking Edge Computing


    아직은 책만 줄창 읽어대고 있는 정도의 수준이라 내가 이걸 사서 제대로 써먹을 수나 있을지 의문이었지만
    지름의 기본 자세인 '그래도 언젠가는 써먹겠지’라는 마음가짐으로 하나 질렀다.

    그리고 다행히도 간단한 테스트 정도는 해볼 수 있었다…^^;



    Edge Computing이란?


    우선 본론에 들어가기 전에 엣지 컴퓨팅이란 것이 무엇인지 부터 알고 넘어가자.


    예전에 메인프레임을 쓸 때는 당연한 일이었고 웹 기반의 시스템이 자리를 잡은 후에도 대부분의 중요한

    연산은 서버에서 처리를 하고 클라이언트 기기(PC)에서는 자료를 입력하는 정도의 기능만 수행을 했다.

    그만큼 서버는 강력한 기능을 갖고 있었고 클라이언트로부터 전송되는 데이터들은 서버가 감당하기에

    충분한양이었다.


    하지만 스마트폰이 지배하는 세상이 되면서 클라이언트의 종류와 그로부터 전송되는 데이터는 점점 증가를

    하게 되었고 급기야 IoT라는, 모든 것을 인터넷에 연결시키겠다는 야심찬 시도가 진행되면서 이제 클라이언트는

    그 종류를 한정할 수 없게 되었고 그 수많은 클라이언트들로부터 올라오는 데이터의 양은 서버가 감당하기 어려운

    상황이 되어버렸다.


    한편, 스마트폰을 시작으로 한 클라이언트 기기들은 소형화와 고성능화로 인해 웬만한 작업은 그 기기 내에서 처리를

    할 수 있게 되었다. 예전같으면 워크스테이션에서나 가능했을 동영상 편집을 스마트폰에서도 할 수 있게 된 것이다.

    상황이 이렇다보니 클라이언트 기기를 단순히 서버로 데이터를 전송하는 용도로만 사용하는 것이 엄청난 자원의 낭비가

    된 것이다.


    결국 가능한 한 클라이언트에서 처리할 수 있는 부분은 처리를 하고 서버에서는 연산에 높은 성능이 필요한 부분을

    처리하려는 시도를 하게 되었고 이 과정에서 클라이언트 측에서 처리되는 부분을 Edge Computing이라고 부르게

    되었다.


    하지만 아무리 클라이언트 기기들의 성능이 좋아졌다고 해도 머신러닝이나 딥러닝을 처리하기에는 한계가 있다보니

    이러한 고성능의 연산을 보조해주기 위한 많은 장치들이 개발되었다. 그 자체로 보드형태를 가지고 나온 제품과

    기존의 소형 컴퓨터 보드인 라즈베리파이 등에 연결해서 사용 가능한 USB 기기 형태로 나온 제품들이 있는데

    처음 소개한 블로그에서는 바로 이러한 기기들의 성능을 벤치마킹하고 있는 것이다.



    무엇을 선택할 것인가?


    이 블로그를 보면 몇가지 대상에 대해 상당히 많은 항목을 벤치마킹 하고 있다. 하지만 영어 울렁증의 도움으로

    아주 가볍게 한 가지를 선택할 수 있었다. 바로 제일 처음 나오는 추론 속도에 대한 벤치마킹을 기준으로 가장

    가성비가 높은 제품을 고르기로 한 것이다.


    일단 추론 속도에 대한 벤치마킹 그래프를 보면 구글의 coral 시리즈가 매우 성능이 좋다. 그래서 1차로 coral 
    시리즈를 구입하기로 결정을 했다(사실 인텔의 NCS2를 더 먼저 알게 되었고 디자인도 NCS2의 사이버틱한

    디자인이 더 마음에 들었지만 벤치마킹 결과와 가성비에서 탈락했다).


    라즈베리파이가 없었다면 완전체인 coral dev board를 구입했겠지만 이미 예전에 빅데이터 클러스터 공부한다고

    깝죽대면서 사다놓은 라즈베리파이가 수두룩 빽빽하게 있어 비용면에서 더 저렴한 coral usb accelerator로

    선택을 했다.





    구매는 MOUSER에서 했으며 가격은 $74이다. 배송은 DHL로 약 2일만에 도착을 했고 배송비는 무료다!

    생각보다 빨리, 안전하게 도착해서 참 다행이었다(가장 최근의 해외 직구는 banggood에서 주문한 모터를

    2달 만에 받은 것이었다…-.-).



    장비 연결


    현재 집에 있는 라즈베리파이는 3B 모델이 5대, zero w 모델이 2대 있다. 그런데 생각해보니 3B 5대는

    클러스터 만들면서 스택 케이스에 다 연결하고 배선까지 꽁꽁 묶어놓아서 도무지 풀어서 사용할 엄두가

    나질 않았다.


    결국 zero w를 사용하기로 결정을 했는데 이게 또 만만치 않다.라즈베리파이 zero w의 경우 USB포트가

    마이크로 USB타입으로 꼴랑 2개 있다. 그나마 하나는 전원공급용이므로 실제 사용 가능한 것은 1개 뿐이다.

    게다가 w가 무색하게 빌트인 된 Wi-Fi 모듈은 잘 붙는공유기 찾기가 하늘의 별따기라 어쩔 수 없이 USB 형태의

    무선 랜카드를 별도로 사용해야 한다.


    이렇게 해서 일단 필요한 USB장비는 벌써 2개가 되었다. USB 랜카드와 coral…여기서 또 한가지 생각지 못한

    문제가 생겼다. 라즈베리파이 사 모을 때 파이 카메라 V2 버전을 같이 산 것이 있어 그 걸 사용하려고 했는데…

    아뿔싸! 라즈베리파이 3B와 zero w의 카메라용 필름 케이블 소켓 크기가 다르다…OTL 변환 케이블이 있긴 있는데…
    돈도 돈이고, 배송도 배송이고…ㅠ.ㅠ


    다행히 아이들이 학습용으로 사용하던 USB CAM이 있어서 그걸 사용하기로 했다.
    이렇게해서 총 3개의 USB장치를 붙여야 하는 상황이 되었다. 결국 USB 허브까지 하나 구매해서 어찌어찌

    연결은 성공하였다~^^ (사진은 카메라 연결 전이다.)


    사실 최대한 부피를 줄인 장치를 만들어보고 싶어서 보드로 zero w를 선택한 것인데 결과적으로는 배보다 배꼽이 

    더 큰 상황이 되어버렸다. 나중에 기회가 된다면 하우징들은 다 벗겨버리고 연결을 해서 작은 통합 기기를 만들어
    보고 싶다(하지만 성능 때문에 zero w는 못쓸 듯…-.-).






    라이브러리 설치 및 테스트


    공식적으로 coral usb accelerator가 지원하는 기기는 라즈베리파이 2와 3의 모델 B와 B+ 뿐이다.

    즉, zero w는 공식적으로는 지원하지 않는 보드이다. 하지만 비공식적으로 설치 가능한 라이브러리가 존재하고

    공식 사이트에서도 소개하고 있다. zero w에 대한 라이브러리 설치 방법은 아래 링크에서 확인 가능하다.


    support for Raspberry Pi Zero


    설치 방법은 매우 간단하며, 압축된 라이브러리 패키지를 다운로드 받고 압축을 해제한 후 install.sh를 실행하면

    끝이다. 그리고나서 공식 사이트에 있는 설명대로 데모 프로그램을 돌려보면 된다.우선 설치 후 2개의 데모 프로그램을 

    실행해보았다. 이미지 분류와 얼굴 인식을 하는 데모였는데 정상적으로결과가 나오는 것을 확인하였다. 


    특히 얼굴 인식의 경우 구글에서 받은 이미지로도 테스트를 해보았는데 대체로잘 인식이 되었으나 특정 사진 한장은 전혀 

    인식을 못하였다. 다양한 요인이 있을 것 같은데 정확한 이유는 모르겠다. 맨 처음 사진은 Mobilenet SSD v2에서 제공

    되는 사진이고 다음 3장은 구글에서 가져온 사진인데 맨 마지막 사진은 인식에 실패했다.









    성능의 문제

    사실 지금까지 라즈베리파이를 사용해오면서 딱히 성능을 확인해야 할만큼 부하가 걸리는 작업을 해본 적이
    없기에 굳이 따져보지 않았는데 막상 coral usb accelerator를 연결하여 이미지 분류나 인식 작업을 해보니
    라즈베리파이 3 모델 B와 zero w 사이에는 엄청난 성능의 차이가 있었다.

    라즈베리파이 3 모델 B에서 데모 프로그램 실행 시 얼마나 시간이 걸리는지 측정한 자료가 거의 없어 확인이
    쉽지 않았는데 유튜브에서 발견한 동영상 하나에서 대략 5초 정도 걸리는 것을 확인했다.

    그런데 zero w 모델에서는 15초 정도의 시간이 걸렸다. 처음에는 coral usb accelerator가 연결되지 않았는지
    의심도 해보았으나 연결되지 않은 경우에는 실행 시 오류가 발생을 하였고 또 연결되었을 때 연산 시 LED가 
    점멸하는 것도 확인을 하였으니 분명 coral usb accelerator가 작동을 하고 있는 것이었다.






    이러한 성능의 문제는 다음에 테스트한 동영상에서의 사물 인식의 경우에 더 심각하게 나타났다.


    카메라 테스트


    일단 앞서 말한대로 파이 카메라를 사용할 수가 없어 USB Cam을 사용하게 되었다. 
    그리고…이미 사물 인식을 하기도 전에 영상은 너무 끊겨서 적당한 수양의 과정을 거치지 않고서는 참고 
    보아줄 수 없는수준이었다.

    그래도 나름 참는데는 일각연이 있는 터라 테스트를 진행해보았다. 2개의 다른 소스로 진행을 해보았다.
    처음 테스트는 아래의 블로그를 참고하였다.

    Hands-on with the Google Coral USB Accelerator


    사용한 모델 및 실행 코드 정보가 모두 위의 블로그에 정리되어 있다. 그저 다운로드 받고 실행하기만 하면
    되는 생각보다 간단한 과정으로 진행할 수 있다. 아래 동영상을 보면 알겠지만 일단 상당히 느리다…ㅠ.ㅠ
    인식률 또한 상상했던 것보다 좋지 않은데 두 번째 테스트와 종합적으로 봤을 때 사람과 차에 대한 인식룰은
    기가 막히다. 특히 사람은 팔뚝만 슬쩍 보여도 사람으로 인식한다.

    하지만 드라이버와 커터는 인식을 못했고 귤은 사과로 인식하거나 햄스터를 새, 개 등으로 인식하고 있었다.
    두 번째 동영상은 유튜브에서 영상을 하나 틀어놓고 그 영상을 찍으면서 인식을 시킨 것인데 버스나 차를 대체로
    잘 인식하는 것 같았다.






    두 번째 테스트는 다음의 2개 사이트를 참고했다.

    프미케의 낙서장
    https://qiita.com/PINTO/items/dd6ba67643bdd3a0e595


    사용한 모델은 첫 번째 테스트와 동일하지만 실행코드가 조금 다르다. 두 번째 테스트용 실행코드에는 초당 프레임

    정보가 나오는데 위 링크한 블로그들의 프레임 수와 비교하면 형편없는 수준이다. 그리고 특이한 것이 처음 테스트에서는 
    커터를 인식하지 못했는데 두 번째 테스트에서는 커터를 인식하였다.





    정리


    대체로 뭔가 하나에 관심을 갖게 되어 실행을 해볼 때까지 구입, 준비, 실행의 과정이 꽤나 길었는데 이번에는
    관심을 갖게된 후 이 블로그 포스팅을 작성하기까지 정확히 5일 걸렸다. 거의 일사천리로 진행이 된 것이다.
    그거 하나로도 위안이 된다…^^;;

    하지만 앞에서도 강조했듯이 라즈베리파이 zero w는 작다는 것 외에는 그닥 쓸모가 없다는 것이 판명났다.
    적어도 엣지 컴퓨팅에서는…최소한 라즈베리파이 3 모델 B 이상은 되어야 암에 걸릴 확률을 낮출 수 있을것이다.
    아직은 내 수준이 남들 발바닥 언저리에서 노는 수준이다보니 근거는 없지만 뭔가 모델들이 사람이나 차량에
    특화된 것 같은 느낌이다. 자율주행 RC카 같은 것 만들어보면 재밌을 것 같다.

    물론 조금 더 실력이 된다면 수화 번역기 같은 것을 한 번 만들어보고 싶다.

    어쨌든 이렇게 또 하나의 가능성을 맛본 것으로 만족하면서 포스팅을 마친다.


    블로그 이미지

    마즈다

    이미 마흔을 넘어섰지만 아직도 꿈을 좇고 있습니다. 그래서 그 꿈에 다가가기 위한 단편들을 하나 둘 씩 모아가고 있지요. 이 곳에 그 단편들이 모일 겁니다...^^


    2019/04/21 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #1 - Atom + PlatformIO

    2019/04/23 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #2 - Eclipse

    2019/04/28 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #3 - Visual Studio

    2019/05/06 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #4 - Xcode + embedXcode





    아두이노 공식 개발툴을 대체할 수 있는 5가지 방법 중 마지막으로 embedXcode를 소개한다.

    사실 마지막 5번째로 CLI(Command Line Interface: 명령 줄 실행 환경)이 있으나 고수들이 아니면 사용이

    쉽지 않은 관계로 이번 정리에서는 제외를 하였다.


    지난 번 이클립스 관련 포스팅에서 이클립스가 사용하기 무겁다고 하였지만 사실 Xcode에 비하면 이클립스는

    양반이라고 할 수 있다. 만일 PC(Mac) 환경이 메모리 8Gb에 HDD를 사용 중이라면 개발은 포기하는 것이

    좋을 것이다. 적어도 메모리 16Gb에 디스크는 퓨전 드라이브 정도는 써야 쓸만할 것이다.

    어쨌든 Mac을 사용한다면 선택 가능한 툴이니 소개를 해본다.

    Xcode + embedXcode

    Xcode는 Mac의 App Store를 통해 다운로드 받을 수 있다. 그리고 embedXcode는 다음의 주소에서
    다운로드 받으면 된다.

    embedXcode 다운로드


    embedXcode의 경우에도 세가지 버전이 있는데 +에디션 버전과 일반 버전이 있다. 일반 버전은 무료이고
    +에디션 버전은 유료이며 +에디션의 경우 다시 2가지로 나뉘어 개인용은 29유로, 상용 라이센스는 99유로이다.



    우선은 당연히 무료 버전으로 받아 설치를 하면 된다. 다운로드 받을 때 Xcode 10 버전용과 9 이하 버전용이

    별도로 링크되어 있으므로 자신의 Xcode 버전에 맞는 embedXdoce를 다운로드 받으면 된다. 


    설치가 모두 끝났으면 프로젝트를 만들어보자. Xcode를 실행 후 Create a new Xcode project를 선택하여
    새 프로젝트를 만든다.





    템플릿 선택 창이 뜨면 상단의 플랫폼 선택 메뉴에서 macOS를 선택한 후 화면 가장 하단에 있는 embedXcode를
    선택한다.






    프로젝트 정보 입력 창에서 가장 위에 있는 프로젝트 이름과 가장 아래의 2개, 프로젝트 scope와 board를 적절하게
    선택한다.






    생성된 프로젝트 구조는 다음과 같다. 상당히 많은 파일과 디렉토리들이 보이는데 메인 소스는 '프로젝트명.ino’이다.
    프로젝트가 처음 생성된 상태에서는 모든 텍스트가 그냥 흰색으로만 보이는데 이 것은 상단 메뉴에서 선택을 해주면된다. 
    메뉴는 Editor > Syntax Coloring > C++을 선택해주면 된다.







    생성된 파일 중 중요한 파일이 하나 있는데 바로 ‘Makefile’이다. 이 것은 embedXcode의 가장 불편한 점 중

    하나이기도 한다. Serial Port나 Baud Rate같은 중요 사항을 바로 이 파일에 직접 타이핑하여 설정해야 한다.





    이렇게 모든 설정이 끝나고 나서 빌드를 하면 된다. 빌드를 할 때에는 target을 잘 지정해주어야 하는데

    target에 대한 상세한 내용은 아래 링크에서 확인할 수 있다.


    Select a target


    빌드 및 업로드 로그는 Xcode의 좌측에 있는 Navigator창의 상단 가장 오른쪽에 있는 Report Navigator에서
    확인할 수 있다.




    정리

    이렇게 해서 아두이노 공식 개발 IDE를 대체할 수 있는 4가지 방법에 대한 정리가 끝이났다.개개인마다 취향이 다르겠기에 
    무엇이 가장 낫다고 단언할 수는 없지만 대체로 아두이노 스케치 프로그램의크기가 작다는 점을 생각한다면 역시나 처음 소개한
    Atom을 이용하는 것이 가장 부담 없고 편하지 않을까하는 것이 개인적인 생각이다.

    아무쪼록 아두이노를 활용하시는 많은 메이커분들의 선택에 도움이 되었으면 한다.


    블로그 이미지

    마즈다

    이미 마흔을 넘어섰지만 아직도 꿈을 좇고 있습니다. 그래서 그 꿈에 다가가기 위한 단편들을 하나 둘 씩 모아가고 있지요. 이 곳에 그 단편들이 모일 겁니다...^^



    2019/04/21 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #1 - Atom + PlatformIO

    2019/04/23 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #2 - Eclipse

    2019/04/28 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #3 - Visual Studio

    2019/05/06 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #4 - Xcode + embedXcode





    앞서 소개한 2가지 툴의 경우 대부분의 OS에서 제약 없이 사용 가능한 툴이었다. 하지만 남은 2가지 툴의 경우
    사용 OS에 제약이 있는 툴이다. 이번 포스팅에 소개할 Visual Studio(이하 VS)의 경우 Mac용도 있지만
    Mac용 VS에서는 C/C++ 개발이 지원되지 않는다. 따라서 일반적으로 C/C++ 기반으로 개발을 하게 되는
    아두이노 개발 역시 Mac에서는 할 수가 없다. 따라서 VS로 아두이노를 개발하기 위해서는 반드시 Windows
    환경이 필요하다(애초에 Add-On 설치 프로그램의 확장자가 vsix로 Windows환경에서만 실행된다). 


    또한가지 특이한 점이라면 공식 Arduino IDE가 설치되어있어야 하고 VS 설정에서 이 경로를 지정해주어야
    한다는 점이다.


    Visual Studio + Arduino Add-On


    Add-On은 VS 환경에 설치 가능한 플러그인이라 생각하면 된다. 당연히 먼저 VS가 설치 되어 있어야 한다.

    VS의 community 버전은 무료 라이센스이기 때문에 이 community 버전을 다운로드 받아 설치하면 된다.


    Visual Studio 다운로드


    VS가 설치된 상태에서 Add-On을 다운로드 받는다.


    Arduino IDE for Visual Studio


    다만 VS Add-On의 경우 완전한 무료가 아니며 무료로 사용할 수 있는 조건은 학생이 비상업적 용도로 사용할 경우

    하루에 한 번(with once per day nag이라고 되어있는데 정확한 의미를 모르겠음…-.-) 무료라고 되어있어

    실질적으로는 유료 라이센스라고 보면 될 것 같다.

    설치가 모두 끝났으면 새로운 프로젝트를 만들어보자.






    새 프로젝트 만들기를 선택하여 진행하면 최초 VS 설치시 선택한 옵션 여부에 따라 매우 다양한 언어 및 플랫폼 관련

    프로젝트 템플릿을 선택할 수 있다. 찾기가 쉽지 않을 수 있으니 검색 창에 Arduino를 입력하여 검색하면 아래와 같이
    아두이노 관련 프로젝트 목록만을 볼 수 있다.






    Arduino Project를 선택하고 진행하면 기본 정보 입력 화면이 나온다.




    기본 사항 입력 후 만들기 버튼을 누르면 프로젝트가 생성되고 메인 IDE 환경으로 넘어간다.




    주요 설정 버튼들은 상단 툴바에 모여 있다. 먼저 공식 Arduino IDE 경로를 설정해준다.





    툴바의 가장 아랫줄 오른쪽 선택 상자에서 보드 종류를 선택해준다.




    Add Library 선택박스를 클릭하면 필요한 라이브러리를 추가하거나 라이브러리 관리를 할 수 있다.




    툴바의 가장 아랫줄 중앙쪽에 있는 두 개의 버튼은 각각 Build와 Build and Upload 버튼이다. 아래 이미지의 좌측이

    Build, 우측이 Build and Upload




    지금까지으 설정들을 포함하여 모든 아두이노 프로젝트 관련 기능들은 툴바의 가장 아랫줄 맨 앞에 있는 vMicro 버튼을

    클릭하여 설정할 수 있다. Serial monitor는 메뉴 중 View Port Monitor를 선택하면 볼 수 있다.





    VS를 실행한 후 처음 빌드를 시도하면 아래와 같이 라이센스 확인 창이 뜬다. 일단 그냥 Close하면 빌드 및 업로드는

    진행이 된다.




    여기까지 기본적인 설치와 설정 그리고 빌드와 업로드가 모두 끝난 것이다 그런데 빌드를 했더니 오류가 발생을

    하는데 아직 원인을 찾지 못했다. 뭔가 null 참조와 관련된 오류인 것 같은데 아무래도 개발 환경이 익숙하지 않다보니

    원인을 잘 모르겠다…ㅠ.ㅠ





    정리


    이렇게 대체 가능한 아두이노 개발 환경 3번째 도구로 VS를 알아보았다. 하지만 VS는 여러모로 제약이 많은 도구였다.
    우선 Mac을 쓰고 있는 입장에서는 아두이노 Add-On 자체가 사용 불가능이고, Windows 환경에서 사용한다 하더라도
    라이센스 문제라든지 또는 본문 말미에 발생한 오류 등의 문제로 사용하기에는 가장 껄끄러운 툴이었다(물론 윈도우 기반의
    개발환경에 익숙한 개발자라면 얘기가 다를 수 있다).


    이제 다음 포스팅에서는 마지막으로 Mac 기반의 개발 툴인 Xcode에 대해 살펴보고 전체 시리즈를 마무리 하도록 하겠다.

    블로그 이미지

    마즈다

    이미 마흔을 넘어섰지만 아직도 꿈을 좇고 있습니다. 그래서 그 꿈에 다가가기 위한 단편들을 하나 둘 씩 모아가고 있지요. 이 곳에 그 단편들이 모일 겁니다...^^



    2019/04/21 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #1 - Atom + PlatformIO

    2019/04/23 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #2 - Eclipse

    2019/04/28 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #3 - Visual Studio

    2019/05/06 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #4 - Xcode + embedXcode




    지난 포스팅에 이어 공식 Arduino를 대체할 수 있는 개발 툴의 두 번째로 Eclipse의 플러그인을 소개한다.

    Eclipse의 경우 극명한 장단점이 있는 IDE인데 장점은 거의 무궁무진한 확장성과 범용성이고 단점은 바로

    (과장 조금 보태서)무궁무진하게 메모리를 잡아먹는다는 점… 상당히 무겁다...ㅠ.ㅠ

    아무튼 이번 포스팅에서는 Eclipse 기반의 아두이노 개발 환경에 대해 알아보도록 하자.


    Eclipse + Eclipse C++ IDE for Arduino 3.0


    Eclipse의 경우 처음부터 지금까지 가장 유용한 장점을 꼽으라면 바로 플러그인을 통한 확장이라고 할 수

    있을 것이다. Eclipse 기반의 아두이노 개발환경도 바로 이 플러그인을 이용하여 설치하게 된다. 몰론 그 
    전에 당연히 Eclipse를 설치해야 한다.


    Eclipse 다운로드


    최근의 Eclipse는 installer 형식으로 배포되어 installer를 실행하면 용도에 맞는 Eclipse를 설치할 수 있다.

    어차피 다른 용도의 Eclipse도 플러그인 설치로 다 사용 가능하므로 무난하게 Java 개발용으로 설치하면 된다.

    Eclipse 설치가 끝났으면 Help > Eclipse Marketplace…로 이동하여 Arduino로 검색을 하자. 여러개의
    목록이 나올텐데 'Eclipse C++ IDE for Arduino 3.0’을 선택하여 설치해주면 된다.





    설치가 모두 끝나면 이클립스를 재시작하고, 재시작한 이클립스의 툴바에 보면 새로운 컨트롤들이 생겨난 것을 볼 수
    있다.






    이제 설치가 모두 끝났으니 프로젝트를 생성해보도록 하자. New Project에서 C/C++을 선택하면 하위 항목에Arduino 
    Project가 있는 것을 확인할 수 있다. 이후 프로젝트 생성 Wizard를 따라 쭉 진행하자.









    이렇게 프로젝트를 생성하고 나면 소스 파일 1개로 이루어진 아주 썰렁한 프로젝트가 생성이 된다. 그런데 함수 호출 
    코드들이 모두 에러 표시가 되어있다. 이 것은 지난 Atom 포스팅에서도 언급한 바와 같이 Eclipse도 확장자가ino가 
    아닌 cpp로 되어있기 때문이고 “#include <Arduino.h>”를 소스 상단에 추가해주어야 한다.


    또한 플러그인 설치 후 생긴 툴바의 도구들에도 뭔가 따로 선택할 수 있는 것들이 없다. 아두이노와 관련된 설정을

    아무 것도 찾을 수가 없어 조금 당황할 수도 있을 것이다. 당황하지 말고 메뉴 표시줄의 Help 메뉴로 다시 가보자

    Arduino Download Manager라는 못보던 메뉴가 추가되어 있을 것이다.






    이 메뉴를 실행하면 팝업이 하나 열리는데 여기서 Platforn과 라이브러리들을 다운로드 받을 수 있다.










    이제 필요한 내용들이 설치가 되었으면 새로 생긴 툴바의 on: 옆에 있는 셀렉트 박스를 열고 New Launch Target을
    선택해주자. 그러면 새로이 팝업 창이 열리면서 공식 아두이노 IDE의 툴 메뉴에 있는 내용들을 설정할 수 있게 된다.






    여기까지 기본적인 설치와 설정은 모두 끝이났다. 이제 툴바에서 Run 버튼을 클릭하면 빌드와 업로드가 연속해서 진행되고
    콘솔 창으로 Arduino 공식 IDE와 동일한 내용의 로그가 보여진다.






    정리


    이렇게 해서 두번째 Arduino IDE 대안으로 Eclipse에 대해 알아보았다. 사실 Eclipse가 무겁다고는 했지만 뒤에 언급할
    Xcode에 비한다면 양반이라고 할 수 있다…-.- 어쨌든 무겁다 하더라도 상당히 많은 개발자들이 아직도 Eclipse의 품을
    벗어나지 못(안)하고 있고 그 폭넓은 범용성은 단점을 충분히 커버하고도 남기 때문에 훌륭한 대안이 될 수 있으리라 본다.


    나머지 2개의 포스팅은 IT 공룡들인 애플과 마이크로소프트의 제품들을 이용하는 방법인데 두 제품 모두 제대로 활용을하려면 
    비용을 지불해야 한다. 자세한 내용은 해당 제품 포스팅에서 알아보도록 하자.

    블로그 이미지

    마즈다

    이미 마흔을 넘어섰지만 아직도 꿈을 좇고 있습니다. 그래서 그 꿈에 다가가기 위한 단편들을 하나 둘 씩 모아가고 있지요. 이 곳에 그 단편들이 모일 겁니다...^^