Utilizando a GPU ARM Mali-G31 para a execução do YOLOX com o framework Burn

• Luiz F. B. de Araujo Unioeste
• Marcio S. Oyamada Unioeste

DOI: https://doi.org/10.5753/score.2025.17186

Resumo

O presente trabalho investiga a utilização da GPU ARM Mali-G31, comum em SBCs (single board computer) e em TVBox de baixo custo, para o processamento de redes neurais convolucionais utilizando o framework Burn. O estudo foi conduzido em uma TVBox Amlogic S905X4 descaracterizada, executando o sistema Debian Bookworm, a fim de avaliar a viabilidade do uso de hardware reaproveitado em aplicações de computação na borda. Foram realizados testes de inferência com o modelo YOLOX-Tiny, empregando os backends NdArray (CPU) e WGPU (GPU) do Burn. Os resultados demonstraram que, embora o backend WGPU permita a execução na GPU Mali-G31 via OpenGL, o desempenho foi inferior ao da CPU, apresentando latência aproximadamente quatro vezes maior. Essa diferença é atribuída à ausência de suporte completo ao Vulkan, melhor que o OpenGL em tarefas de computação, e às limitações intrínsecas da arquitetura da GPU. Apesar disso, a execução bem-sucedida da inferência comprova a compatibilidade do Burn com os drivers de código aberto da GPU ARM Mali-G31, Panfrost e Mesa, e evidencia o potencial de reutilização de dispositivos descartados em aplicações sustentáveis de IA embarcada. O estudo contribui para a democratização de aplicações de aprendizado profundo em plataformas acessíveis e destaca oportunidades de otimização para trabalhos futuros.

Palavras-chave: Computação em borda, GPU ARM Mali-G31, Burn, WGPU

Referências

NVidia. (2025) Nvidia jetson for robotics and edge ai. NVidia. [Online]. Available: [link]

Google. (2025) Coral. Google. [Online]. Available: [link]

Mesa3D. (2025) Panfrost. [Online]. Available: [link]

TracelAI. (2025) Train and deploy ai models efficiently on any device. TracelAI. [Online]. Available: [link]

WGPU. (2025) Wgpu: portable graphics library for rust. WGPU. [Online]. Available: [link]

S. I. Gunadi and P. Yugopuspito, “Real-time gpu-based sph fluid simulation using vulkan and opengl compute shaders,” in 2018 4th International Conference on Science and Technology (ICST). IEEE, 2018, pp. 1–6.

O. Ferraz, P. Menezes, V. Silva, and G. Falcao, “Benchmarking vulkan vs opengl rendering on low-power edge gpus,” in 2021 International Conference on Graphics and Interaction (ICGI). IEEE, 2021, pp. 1–8.

I. Gil, “Performance improvement methods for hardware accelerated graphics using vulkan api,” in 2022 VI International Conference on Information Technologies in Engineering Education (Inforino). IEEE, 2022, pp. 1–5.

G. Jocher. (2025) Yolov8 vs. yolox: Uma análise técnica detalhada. [Online]. Available: [link]

devmfc. (2025) Debian linux image for android tv boxes with amlogic soc’s. [Online]. Available: [link]

TracelAI. (2025) Models. TracelAI. [Online]. Available: [link]