香橙派AI Pro初体验

文章讲述了用户张小白购买并体验香橙派AIPro边缘计算产品,包括其硬件配置、软件安装、网络连接、内存管理以及初步的模型推理。着重提到散热问题对后续应用的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

香橙派AI Pro是香橙派厂家跟华为昇腾合作的新一代边缘计算产品:

现在推出的产品仅支持8TOPS算力,有8G和16G的两种版本,鉴于张小白在使用Atlas 200DK和Atlas 200I DK A2上的经验和教训,决定购买16G的版本。

经过两个月漫长的等待,张小白预定的香橙派AI Pro终于到货了:

打开包装盒,可以看到内置一个塑封的电路板:

左右上三个方向还有黑色的海绵支撑,确保电路板不会被压坏。厂商确实用了点心。

拆开塑封:

一个带天线的电路板映入眼帘。天线包含两个头,一个头写的是2.4G,一个头写的是2.4/5.8G。

最上面是40PIN的排针(GPIO),右上角左边是MIPI摄像头接口(Camera0),右边是MIPI显示屏接口(Display)。上面两个圆点,一个是RESET复位按钮,一个是PowerOff电源按钮,再下面又是一个MIPI摄像头接口(Camera1)。

中间白色的Hi1910应该是昇腾310B4芯片。

将电路板竖放:

可以看到一些接口:两个Type-C,两个HDMI接口,耳麦接口,2个USB 3.0接口,1个RJ45有线网卡接口。(相比前面的介绍,好像是把MicroUSB接口换成了另一个Type-C接口)

另一侧刚才已经介绍过了2个按钮和40PIN:

从反面看:

左上角是SD卡插槽,下面黑色的接口是nvme SSD接口。

先准备好SD卡,官方由于延迟发货,赠送了一张64G的TF卡,将其插入TF卡转接头,然后接入电脑,开始制卡。

打开 香橙派官网:

打开AI Pro。这里的官方工具可以点击下载:

官方镜像我们先下载Ubuntu的:

如上图所示,选择Desktop的那个,耐心等待下载完毕:

打开 官方工具中的BalenaEtcher:

将镜像刻录到SD卡上:

由于张小白买AI Pro的时候没搞清楚情况, 既没有买外壳,也没有买散热的相关配件。所以只有将开发板搭在塑料盒子上使用。将SD卡插入开发板SD卡槽,接上网线,将HDMI口接上显示器,插上Type-C电源:

简陋是简陋了点,但是能用。

Type-C电源开启,屏幕上不一会儿会出现以下界面:

输入密码:Mind@123

打开终端:

使用npu-smi info可以查看昇腾芯片NPU卡的信息,上图显示,Device为310B4,芯片温度为55度,总内存为15.6G,已使用1.67G左右。 使用 ifconfig可以查看到 有线网卡eth0的IP地址信息,也可以查到无线网卡wlan0的信息。

可以到右上角点击无线网卡设置:

输入无线网络的密码:

此时无线网卡已连接。可以拔掉网线:

查看无线网卡的IP地址:192.168.199.238

使用MobaXterm连接该地址:

可以远程登录到开发板:

可以看到系统已经内置了conda环境。

查看内存和存储剩余空间情况:

free -h

df -h

内存16G,还剩13G左右,swap空间为0,存储59G,还剩43G左右。暂时还行。不过swap今后可以考虑扩一点。

根据

切换到root用户,执行样例:

su root (密码一样)

cd /opt/opi_test/ResnetPicture/scripts

bash sample_run.sh

可以看到resnet50的离线模型推理成功。

使用npu-smi info

可以看到芯片温度貌似有点高,有81度。

看来散热还是得有呀。。。但是大过节的,客服也下班了,好像官网的散热器好像也没有单独的购买链接。

先这样吧。下面有空把Atlas 200I DK A2上的应用迁移到AI Pro上试试。但是散热好像是个大问题。

(全文完,谢谢阅读)

### 香橙 (Orange Pi) 和 RealSense 的集成与使用 #### 硬件准备 在开始之前,需要准备好以下硬件设备: - **香橙开发板**(如 Orange Pi AI Pro 或其他型号)[^1]。 - **Intel RealSense 深度摄像头**(如 D435i)[^2]。 确保所选的香橙开发板支持 USB 接口,并能够提供足够的电力给 RealSense 摄像头。 --- #### 软件环境配置 ##### 1. 烧录操作系统 为了实现更好的兼容性和性能表现,建议烧录 Ubuntu 22.04 LTS 到香橙开发板上。具体操作可以参考官方文档中的说明。 ##### 2. 安装依赖库 在完成系统烧录并启动后,需更新系统的包管理器索引文件,并安装必要的工具和依赖项: ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential cmake pkg-config libusb-1.0-0-dev git -y ``` 上述命令会安装编译所需的工具链以及 `libusb` 库,这是用于驱动 RealSense 设备的基础组件之一。 --- #### 下载并构建 librealsense SDK ##### 1. 获取源码 通过 Git 命令克隆 Intel 提供的 librealsense 开发套件至本地目录下: ```bash git clone https://github.com/IntelRealSense/librealsense.git cd librealsense ``` 此步骤获取的是最新版本的 SDK 源代码仓库[^3]。 ##### 2. 编译项目 进入目标路径之后执行如下脚本来自动生成 Makefile 并完成整个项目的编译过程: ```bash mkdir build && cd build cmake ../ -DBUILD_EXAMPLES=true -DCMAKE_BUILD_TYPE=Release make -j$(nproc) sudo make install ``` 这里启用了 `-DBUILD_EXAMPLES=true` 参数来同时生成一些示例程序以便后续测试用途;而 `nproc` 函数则动态调整并发线程数从而加速整体进程运行效率。 完成后重启计算机使新加载模块生效。 --- #### 测试连接状态 一旦所有前期准备工作结束就可以验证实际效果如何了。打开终端输入下面这条指令查看当前接入的所有USB外设列表里是否有对应的条目存在: ```bash lsusb | grep Realtek ``` 如果一切正常的话应该能看到类似于这样的输出结果表示成功识别到了指定型号的产品单元. 接着再尝试调用 realsense-viewer 工具进一步确认各项功能参数设置无误与否 : ```bash realsense-viewer ``` 此时图形界面窗口弹出会展示实时采集回来的数据流画面内容 , 用户可以根据个人需求自行调节相关选项直至满意为止 . --- #### SLAM 实验案例分享 对于希望深入探索机器人领域的朋友来说还可以考虑基于以上平台搭建一套完整的同步定位映射(Simultaneous Localization And Mapping简称SLAM )解决方案 。比如利用 ROS(Robot Operating System)框架配合 RTABMAP 插件共同协作达成预期目的等等 [^2]. 需要注意的是由于计算资源有限的缘故可能还需要额外优化算法逻辑或者降低分辨率等方式缓解压力提升流畅程度体验感更佳哦 ! ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

张小白TWO

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值