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

任务3.8 实现词频统计功能

任务3.8 实现词频统计功能

阅读更多...
详解 Flink 的运行架构

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&…
阅读更多...
通过 SFP 接口实现千兆光纤以太网通信4

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 …
阅读更多...
今日增长工具精选| 8个SaaS出海必备运营工具

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…
阅读更多...
伯克希尔·哈撒韦：“股神”的“登神长阶”

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&…
阅读更多...
关于main函数参数列表的那些事

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…
阅读更多...
C++之类与类之间的关系

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…
阅读更多...
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…
阅读更多...
IDEA 2022

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…
阅读更多...
C语言.数据结构.双向链表

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.…
阅读更多...
CMMI软件能力成熟度评估标准

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…
阅读更多...
一文吃透！如何在鸿蒙上开发Unity游戏的方法！

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…
阅读更多...
esp32-c6所有配套教程

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…
阅读更多...
策略模式+简单工厂

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…
阅读更多...
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

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…
阅读更多...
好家风短视频：成都鼎茂宏升文化传媒公司

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…
阅读更多...
5.透明效果

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…
阅读更多...
Dvws靶场

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…
阅读更多...
MySQL 存储过程（二）

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…
阅读更多...
【Linux取经路】初识信号

【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、…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023