Orange Pi AI Pro 开箱 记录

香橙派 AIpro(OrangePi AIpro)是一款面向AI开发的强大开发板,提供了高性能和多功能的开发环境。我将结合自己的开发经验,详细介绍这款开发板的性能、适用场景及使用体验。

一、产品概述

香橙派 AIpro配备了强大的硬件配置,包括8GB内存、电源、散热组件和32GB存储卡。这些硬件为AI开发提供了充足的资源和稳定的运行环境。

OrangePi AIpro(8T)采用昇腾AI技术路线,4核64位处理器+AI处理器,集成图形处理器,支持8TOPS AI算力,拥有8GB/16GB LPDDR4X,可以外接32GB/64GB/128GB/256GB eMMC模块,支持双4K高清输出。 Orange Pi AIpro引用了相当丰富的接口,包括两个HDMI输出、GPIO接口、Type-C电源接口、支持SATA/NVMe SSD 2280的M.2插槽、TF插槽、千兆网口、两个USB3.0、一个USB Type-C 3.0、一个Micro USB(串口打印调试功能)、两个MIPI摄像头、一个MIPI屏等,预留电池接口,可广泛适用于AI边缘计算、深度视觉学习及视频流AI分析、视频图像分析、自然语言处理、智能小车、机械臂、人工智能、无人机、云计算、AR/VR、智能安防、智能家居等领域,覆盖 AIoT各个行业。 Orange Pi AIpro支持Ubuntu、openEuler操作系统,满足大多数AI算法原型验证、推理应用开发的需求。

二、开发体验

1. 硬件安装

安装香橙派 AIpro非常简单,按照官方提供的说明书,连接好电源、散热组件和存储卡,整个过程不到三分钟。

到手后如图所示:有一个板子、一个充电器,然后板子上已经装好了风扇和sd卡,sd卡预装了 orange pi 的 linux 系统(系统是官方定制的Ubuntu20.04,也可以换为openEuler版本)。

2. 系统安装

香橙派 AIpro支持多种操作系统,包括Ubuntu和openEuler。到手的办卡已经内置了Ubuntu系统。如果需要替换,去官网论坛下载其他镜像,通过烧录工具将系统镜像写入存储卡后,插入开发板,接通电源即可启动。

下载地址:http://www.orangepi.cn/html/hardWare/computerAndMicrocontrollers/service-and-support/Orange-Pi-AIpro.html

3.开发板结构


4. 开发环境配置

登录方式主要有两种,一种是通过远程ssh,给香橙派插入网线,然后找到其局域网地址,ssh上即可。另一种是直接给开发板接屏幕、键盘、鼠标。我是后面这种方案。(如下图所示)。

由于Orange Pi AI Pro 已经内置了 wifi 模块,我单独准备的有:

  • 无线鼠标 x 1、无线键盘 x 1
  • 嵌入式屏幕 x 1、hdmi 线(用于连屏幕)x1

刚好我手上都有,所以直接开始下一步。

  • 分别给香橙派、屏幕供电,然后hdmi线连接屏幕,以及插上两个无线键盘鼠标的信号接收器就成功开机啦。【开发板上电后,LED指示灯绿色常亮,表示启动正常。】
  • 刚开机的时候风扇可能会声音比较大,开机后会保持稳定声音变的很小。
  • 效果如下图:

    在Ubuntu系统上,安装Python和TensorFlow等常用的AI开发工具。香橙派 AIpro的8GB内存在运行这些工具时表现出色,开发环境配置过程非常顺畅,没有出现卡顿或性能不足的情况。

三、性能测试

1 图片识别

为了测试香橙派 AIpro的性能,我选择了一个常见的机器学习任务——图像分类。在开发板上运行了一个预训练的卷积神经网络模型,整个推理过程非常流畅,处理速度也很快,充分展示了这款开发板的强大性能。

在 /opt/opi_test 下预置有一些测试代码可以体验。

香橙派默认密码:Mind@123

su # 记得需要root
cd /opt/opi_test
# 这里有很多测试代码,可供学习cd ResnetPicture/scripts/
bash sample_run.sh
# 如果这里报错大概率是没root登录导致的

2 手写数字识别

参考项目:https://gitee.com/ascend/EdgeAndRobotics/tree/master/Samples/HandWritingTrainAndInfer

git clone https://gitee.com/ascend/EdgeAndRobotics.git
# 切换到样例目录
cd EdgeAndRobotics/Samples/Mnist_For_Pytorch

Pytorch 安装参考官方文档:https://www.hiascend.com/document/detail/zh/canncommercial/700/envdeployment/instg/instg_0046.html

注意版本:PyTorch2.1.0、torchvision1.16.0

# torch_npu由于需要源码编译,速度可能较慢,本样例提供 python3.9,torch2.1版本的torch_npu whl包
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/wanzutao/torch_npu-2.1.0rc1-cp39-cp39-linux_aarch64.whl# 使用pip命令安装
pip3 install torch_npu-2.1.0rc1-cp39-cp39-linux_aarch64.whl

配置离线推理所需的环境变量:

# 配置程序编译依赖的头文件与库文件路径
export DDK_PATH=/usr/local/Ascend/ascend-toolkit/latest 
export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub

安装离线推理所需的ACLLite库(参考https://gitee.com/ascend/ACLLite)
CANN版本要求: 7.0及以上社区版本。【参考https://www.hiascend.com/zh/document安装CANN】

# 我这里是ubuntu
apt-get install ffmpeg libavcodec-dev libswscale-dev libavdevice-dev
# 拉取ACLLite仓库,并进入目录
git clone https://gitee.com/ascend/ACLLite.git
cd ACLLite# 设置环境变量,其中DDK_PATH中/usr/local请替换为实际CANN包的安装路径
export DDK_PATH=/usr/local/Ascend/ascend-toolkit/latest
export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub# 安装,编译过程中会将库文件安装到/lib目录下,所以会有sudo命令,需要输入密码
bash build_so.sh

到现在完成了基础环境的安装。下面是运行配置:
设置环境变量减小算子编译内存占用

export TE_PARALLEL_COMPILER=1
export MAX_COMPILE_CORE_NUMBER=1
# 运行训练脚本
python3 main.py

训练脚本后,会自动下载Mnist数据集,数据集目录结构如下:

├── dataset├──MNIST├──raw│──train-labels-idx1-ubyte.gz│──train-labels-idx1-ubyte│──train-images-idx3-ubyte.gz│──train-images-idx3-ubyte│──t10k-labels-idx1-ubyte.gz│──t10k-labels-idx1-ubyte│──t10k-images-idx3-ubyte.gz│──t10k-images-idx3-ubyte

执行以下命令,将训练生成的mnist.pt转换mnist.onnx模型:mnist.onnx模型生成在当前路径下

python3 export.py


执行以下命令,获取在线推理的测试图片。

cd data
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/wanzutao/mnist/8.jpg

执行在线推理。

cd ../onnxInfer/
python3 infer.py


模型可以正确识别为8。

因为我这里没有usb摄像头,所以就不进行目标检测的演示了。

四、适用场景

香橙派 AIpro适用于多种AI开发场景,包括但不限于:

  • 图像处理:高效的硬件支持图像分类、目标检测等任务,广泛应用于视频图像分析、智能安防等领域。
  • 自然语言处理:强大的计算能力使其能轻松处理文本生成、情感分析等任务,适用于自然语言处理和智能家居等应用。
  • 边缘计算:小巧的体积和低功耗设计,使其在边缘计算中具有显著优势,特别适用于AI边缘计算、智能小车、机械臂和无人机等场景。
  • 深度视觉学习和视频流AI分析:凭借其强大的性能,香橙派 AIpro在深度视觉学习和视频流AI分析中表现出色,可应用于AR/VR和智能安防等领域。
  • 云计算和AIoT:作为AIoT领域的重要设备,香橙派 AIpro覆盖了从云计算到各个AIoT行业的广泛需求。

五、使用感受

总体来说,香橙派 AIpro是一款性能优越的AI开发板,硬件配置强大,开发环境友好,适用于多种AI应用场景。特别是在图像处理和边缘计算方面,表现尤为出色。非常适合硬件创客去做一些DIY应用。

学习资料

香橙派AIpro快速上手指南
香橙派AIpro学习资源一站式导航

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/23533.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

详解 Flink 的运行架构

一、组件 1. JobManager 作业管理器是一个 Flink 集群中任务管理和调度的核心,是控制应用执行的主进程 1.1 JobMaster JobMaster 是 JobManager 中最核心的组件,负责处理单独的作业(Job)。JobMaster 和具体的 Job 是一一对应的&…

通过 SFP 接口实现千兆光纤以太网通信4

Tri Mode Ethernet MAC 与 1G/2.5G Ethernet PCS/PMA or SGMII 的连接 在设计中,需要将 Tri Mode Ethernet MAC 与 1G/2.5G Ethernet PCS/PMA or SGMII 之间通过 GMII 接口互联。Tri Mode Ethernet MAC IP 核的工作时钟源为 1G/2.5G Ethernet PCS/PMA or SGMII …

今日增长工具精选| 8个SaaS出海必备运营工具

一、SurveyMonkey 是一个灵活、方便、经济实惠的在线调查工具,可以通过自行设计定制化问卷,开展消费者调研,收集第一手数据,获取用户反馈。 客户涵盖财富100强公司以及其他不同规模和类型的组织,如公司、学术研究机构…

伯克希尔·哈撒韦:“股神”的“登神长阶”

股价跳水大家见过不少,但一秒跌掉62万美元的你见过吗? 今天我们来聊聊“股市”巴菲特的公司——伯克希尔哈撒韦 最近,由于纽交所技术故障,伯克希尔哈撒韦A类股股价上演一秒归“零”,从超过62万美元跌成185.1美元&…

关于main函数参数列表的那些事

写在最前面: 本篇博客所写代码,全部都依赖于Linux环境。 在开始之前,我们先问自己几个问题: main函数可以传参吗?如果main函数可以传参,最多可以传几个参数。main函数传递的参数具体作用是什么? 一.是否…

C++之类与类之间的关系

1、UML 2、继承(泛化) 3、关联 一个类对象与另一个类对象存在一个固定关系。他们的关系不是暂时的,而是固定的。 一个类对象作为另一个类对象的成员。例如订单,是用户的一个成员。用户关联订单。 4、聚合 聚合其实是特殊的一种…

中国新闻网怎么投稿 新闻稿件文章如何发布到中国新闻网上,附中国新闻网价格明细

中国新闻网是中国最具影响力和权威性的新闻门户网站之一。作为广大作者和媒体从业者,怎样向中国新闻网投稿一直是一个备受关注的话题。在这篇文章中,我们将着重介绍媒介库网发稿平台,并分享如何在该平台上成功投稿至中国新闻网。 媒介库网发稿…

IDEA 2022

介绍 【尚硅谷IDEA安装idea实战教程(百万播放,新版来袭)】 jetbrains 中文官网 IDEA 官网 IDEA 从 IDEA 2022.1 版本开始支持 JDK 17,也就是说如果想要使用 JDK 17,那么就要下载 IDEA 2022.1 或之后的版本。 公司…

C语言.数据结构.双向链表

数据结构.双向链表 1.双向链表的结构1.1链表的简单介绍1.2图文分析 2.实现双向链表2.1链表的初始化2.1.1初始化2.1.2节点的申请 2.2链表的打印2.2.1代码实现2.2.2图文分析 2.3链表的尾插2.3.1代码实现2.3.2图文分析 2.4链表的头插2.4.1代码实现2.4.2图文分析 2.5链表的尾删2.5.…

CMMI软件能力成熟度评估标准

版权声明 本文原创作者:谷哥的小弟作者博客地址:http://blog.csdn.net/lfdfhl CMMI概述 CMMI,全称为Capability Maturity Model Integration,即能力成熟度模型集成,是在原有的CMM(Capability Maturity Mo…

一文吃透!如何在鸿蒙上开发Unity游戏的方法!

实际效果: 使用 Webview 在鸿蒙设备上运行 Unity 游戏需要几个步骤? 用 Webview 在鸿蒙上运行 Unity 游戏 ①创建鸿蒙全屏工程 在 DevEco 中创建一个新工程,模板选择 Full Screen Ability。 ②添加 Webview 这个工程的布局很简单&#xf…

esp32-c6所有配套教程

1.介绍 本文是esp32-c6所有资料的介绍 如果需要详细代码的话请访问下面这个链接 esp32-c6使用教程wifi(espidf修改成arduino)附带代码websocket,舵机,点灯【2024年】-CSDN博客 配置环境 视频教程 0-2设置开发环境_哔哩哔哩_bi…

策略模式+简单工厂

🍇工厂模式 🍈工厂模式向策略模式过度——工厂加一个保安 🍏策略模式 🍐策略模式简单工厂 声明本文需要理解多态的基础上才能来学习 欢迎前来学习——继承和多态 学习记录 工厂模式 需要什么就生成什么 // 工厂模式 class Fact…

Flink任务如何跑起来之 1.DataStream和Transformation

Flink任务如何跑起来之 1.DataStream和Transformation 1. 滥觞 在使用Flink完成业务功能之余,有必要了解下我们的任务是如何跑起来的。知其然,知其所以然。 既然重点是学习应用程序如何跑起来,那么应用程序的内容不重要,越简单…

好家风短视频:成都鼎茂宏升文化传媒公司

好家风短视频:传承与发扬家庭美德的新载体 在数字时代的浪潮中,短视频以其简短、生动、直观的特点,成为了人们获取信息、传递情感的重要渠道。成都鼎茂宏升文化传媒公司而在这个多元化的内容生态中,好家风短视频以其独特的价值和…

5.透明效果

实时渲染中要实现透明效果,通常会在渲染模型时控制它的透明通道(Alpha channel)。 当一个物体被渲染到屏幕上时,每个片元除了颜色和深度值之外,它还有另一个属性—透明度。 当透明度为1时,表示该像素是完…

Dvws靶场

文章目录 一、XXE外部实体注入二、No-SQL注入三、Insecure Direct Object Reference四、Mass Assignment五、Information Disclosure六、Command Injection七、SQL注入 一、XXE外部实体注入 访问http://192.168.92.6/dvwsuserservice?wsdl,发现一个SOAP服务。在SO…

MySQL 存储过程(二)

本篇继续介绍MySQL存储过程的相关内容。 目录 一、if语句 二、case 三、循环语句 while loop repeat 一、if语句 在存储过程中,可以使用if语句进行条件判断,其语法结构如下: if 判断语句 then 逻辑语句..... elseif 判断语句 then 逻…

【Linux取经路】初识信号

文章目录 一、人眼中的信号 VS 进程眼中的信号二、ctrlc 终止一个前台进程三、查看信号信息3.1 Core dump——核心转储功能验证 四、信号的处理方式五、ctrlc 被解释成2号信号验证5.1 signal——设置自定义捕捉方法 六、ctrlc 是如何变成信号的?七、异步、软中断八、…