当前位置: 首页 > news >正文

【香橙派 Orange pi AIpro】| 开发板深入使用体验

目录

  • 一. 🦁 写在前面
  • 二. 🦁 愉快的安装流程
    • 2.1 安装前准备
    • 2.2 流程准备
      • 2.2.1 烧录镜像
      • 2.2.2 开机
      • 2.2.3 连网
      • 2.2.4 SSH远程连接开发板
    • 2.3 体验 AI 应用样例
  • 三. 🦁 写在最后

权限管理

一. 🦁 写在前面

大家好,我是狮子呀!

这一期很荣幸可以得到香橙派官方的邀请,体验一下他们最新的Orange pi AIpro开发板的性能!

这块是首款基于昇腾深度研发的建设人工智能新生态开发板,可以帮助用户轻松实现从创意到原型再到批量生产的交付,是创客、梦想家、业余爱好者的理想创意平台。
这款板子做工挺精致的,功能齐全,各个配件的功能接口官网都很详细说明了!
在这里插入图片描述现在狮子收到实物了(实物如下),由我从安装到使用给大家整理一下流程(以及遇到的坑🕳)
在这里插入图片描述

二. 🦁 愉快的安装流程

2.1 安装前准备

在安装前,官方发过来的只有Type-C 接口的 20V PD-65W 适配器、32GTF 卡、开发板(散热风扇等配件已经装好了)。
我们还需要自己准备一下装备:

  • 一个用于烧录系统的TF 卡读卡器
  • 用于连接显示器的HDMI线
  • Type-C转USB3.0 转接线,用于Type-C接口连接USB3.0 的存储设备
  • 显示屏(可直接使用笔记本上的,但是要有HDMI转USB接口的线)
  • 有线键盘
  • 有线鼠标

这些东西网上买也不贵,大概京东下单,隔天就能到!
在这里插入图片描述

2.2 流程准备

2.2.1 烧录镜像

在官方提供的镜像资料里面选择合适的镜像文件下载(百度网盘连接直接下载的,可能会比较慢,可以去某宝搞个一天的会员!)
官方镜像下载链接如下:http://www.orangepi.cn/html/hardWare/computerAndMicrocontrollers/service-and-support/Orange-Pi-AIpro.html
官方提供了两个操纵系统,我这里选择的是乌班图的镜像下载:
在这里插入图片描述

在这里插入图片描述
下载完镜像,然后就是烧录了,官方很贴心,提供了烧录的绿色软件,链接如下:https://www.balena.io/etcher/
但是狮子这里使用非官方的软件进行烧录,详情如下:
在这里插入图片描述
等显示100%,就烧录完成了!

2.2.2 开机

烧录系统完成后,其实这块板子就是一个小的主机啦,我们现在来连接显示屏和主机就行!
我们准备好HDMI线和显示屏,连接好对应的接口,如下:
在这里插入图片描述
插上开发板的电源,等待两个绿灯亮起来就启动啦!
在这里插入图片描述
很大一个Orange pi的logo!!!

2.2.3 连网

有两种方式连接网络:

  • 一种是直接插网线(支持千兆网口)
  • 通过无线wifi的方式进行联网。

我这里因为没有多余的网线,就直接来连接本地wifi了!
在这里插入图片描述

2.2.4 SSH远程连接开发板

  1. 连好网络后,我们输入ifconfig命令,查看ipv4地址,如下:
    在这里插入图片描述
  2. 通过Xshell方式远程连接到开发板(这个步骤很基础,具体就不详细描述了)
  3. 连接成功界面如下:
    在这里插入图片描述
    其中,这里的账号密码都是根据文档提供,自行选择需要的账户登入:
    在这里插入图片描述

2.3 体验 AI 应用样例

我们根据文档所言,进入samples目录,就可以看到自带8个实验AI应用样例和一个启动Shell脚本。
在这里插入图片描述
我们通过启动 start_notebook.sh,来启动Jupyter Lab:
在这里插入图片描述
通过所显示的地址,登录 Jupyter Lab:
在这里插入图片描述
我们任意启动几个AI样例来体验一下:

  • 文字识别样例
    作用是从图片中识别出文本,将图像中的文字转化为字符信息,效果如下:
    在这里插入图片描述

  • FCN模型
    对输入图片进行语义分割,效果如下:
    在这里插入图片描述
    实现逻辑主要分为以下几步:

    • 初始化acl资源,在调用acl相关资源时,先初始化AscendCL
    • 对图片进行前处理,使得模型正确推理
    • 推理,利用AclLiteModel接口对图片进行推理
    • 对推理结果进行后处理,使得图片正常画出
    • 可视化图片,利用plt将结果画出
  • 通过ResNet50实现图片分类在这里插入图片描述
    实现逻辑主要分为以下几步:

    • 初始化acl资源,在调用acl相关资源时,先初始化AscendCL
    • 推理,利用AclLiteModel.execute接口对图片进行推理
    • 对推理结果进行后处理,转换像素值值域以及将图片缩放到原图大小
    • 可视化图片,利用plt将结果画出

三. 🦁 写在最后

最后来说一下这块板子的使用体验。
首先,这块作为国产研发的开发板使用步骤真的不难,文档很详细,只要跟着文档来做,基本是入门级别的;
其次,它拥有业界最强大的8/20TOPS澎湃算力和AI处理器,配备丰富的插件扩展口。这将为项目创新和开发人员提供广阔的空间和高度可玩性。不仅可以实现智能家居开发,还能应用于各种不同的ALot场景。其解决方案具有极佳的支持和可靠性,将为未来的嵌入式AI项目提供强大的性能和灵活的应用能力。
在这里插入图片描述
今天使用下来,基本插电6个小时以上,运行了很多例子,板子的温度一直保持在40-50℃这样子,散热真的很好!


在这里插入图片描述

🦁 其它优质专栏推荐 🦁

🌟《Java核心系列(修炼内功,无上心法)》: 主要是JDK源码的核心讲解,几乎每篇文章都过万字,让你详细掌握每一个知识点!

🌟 《springBoot 源码剥析核心系列》:一些场景的Springboot源码剥析以及常用Springboot相关知识点解读

欢迎加入狮子的社区:『Lion-编程进阶之路』,日常收录优质好文

更多文章可持续关注上方🦁的博客,2023咱们顶峰相见!

http://www.lryc.cn/news/399279.html

相关文章:

  • 初识Laravel(Laravel的项目搭建)
  • RequestContextHolder多线程获取不到request对象
  • 打造高效工作与生活质量的完美平衡
  • 【零基础】学JS之APIS第四天
  • 走进linux
  • 智能家居开发新进展:乐鑫 ESP-ZeroCode 与亚马逊 ACK for Matter 实现集成
  • 本地事务和分布式事务
  • 昇思25天学习打卡营第14天|基于MindNLP的文本解码原理
  • Base64文件流查看下载PDF方法-CSDN
  • 基于TCP的在线词典系统(分阶段实现)(阻塞io和多路io复用(select)实现)
  • 设置DepthBufferBits和设置DepthStencilFormat的区别
  • MySQL零散拾遗
  • kali安装vulhub遇到的问题及解决方法(docker及docker镜像源更换)
  • 开源数字人项目Hallo
  • Linux 命令集
  • QML 鼠标和键盘事件
  • WPF引入多个控件库使用
  • 【Linux】1w详解如何实现一个简单的shell
  • 单目测距 单目相机测距 图片像素坐标转实际坐标的一种转换方案
  • ensp防火墙综合实验作业+实验报告
  • 【大模型LLM面试合集】大语言模型基础_Word2Vec
  • 图论基础概念(详细讲解)
  • 未在本地计算机上注册“microsoft.ACE.oledb.12.0”提供程序报错的解决办法
  • 《从零开始学习Linux》——开篇
  • 3D工艺大师快速生成装配动画,驱动汽车工业装配流程革新
  • gateway
  • 第一个ffmpeg程序
  • 论文翻译:Large Language Models for Education: A Survey and Outlook
  • python为什么慢?(自用)
  • 压缩感知3——重构算法正交匹配追踪算法