人工智能套件（AI Kit）

关于

树莓派 AI 套件

树莓派 AI 套件将树莓派 M.2 HAT+ 与 Hailo AI 加速模块捆绑在一起，用于树莓派 5。该套件包含以下物品：

Hailo AI 模块，含神经处理单元（NPU）
树莓派 M.2 HAT+，用于将 AI 模块接入你的树莓派 5
Ai 模块和 M.2 HAT+ 间预装了导热触点
安装螺丝套件
16 mm 堆叠 GPIO 引脚

AI 模块功能

每秒 13 万亿次（TOPS）神经网络推理加速器，基于 Hailo-8L 芯片设计。
M.2 2242 外形尺寸

安装

要使用 Ai 套件，你需要：

树莓派 5

每份 Ai 套件都配备了预安装的 Ai 模块、排线电缆、GPIO 堆叠排针和安装硬件。请按照以下说明完成安装你的 Ai 套件：

首先，请确保你的树莓派运行的软件是最新的。运行以下命令进行更新：
```
$ sudo apt update && sudo apt full-upgrade
```
接下来，请确保你的树莓派固件是最新的。运行以下命令可查看你正在运行的固件版本：
```
$ sudo rpi-eeprom-update
```
如果你看到的日期是 2023 年 12 月 6 日及更晚，请继续下一步。如果你看到的日期早于 2023 年 12 月 6 日，请运行以下命令打开树莓派配置 CLI：
```
$ sudo raspi-config
```
在 Advanced Options > Bootloader Version 下，选择 Latest。然后，单击 Finish，或按 Esc 键 可退出 raspi-config。
运行以下命令，可以将固件更新到最新版本：
```
$ sudo rpi-eeprom-update -a
```
然后，使用 sudo reboot 重启。
在开始安装前，请断开树莓派的电源。
为了获得最佳性能，我们建议将 Ai 套件与树莓派主动散热器搭配使用。如果你有主动散热器，请在安装 Ai 套件之前安装它。

使用附带的四颗螺丝安装间隔柱。牢固地将 GPIO 堆叠排针压在树莓派的 GPIO 引脚顶部；只要所有引脚都能正确插入即可，方向无所谓。从 Ai 套件上断开排线电缆，将另一端插入树莓派的 PCIe 接口。从两侧抬起排线电缆固定器，然后将带有铜触点朝向内部、即朝向 USB 接口的线缆插入。确保排线电缆完全且均匀地插入 PCIe 接口，然后从两侧按下电缆固定器，将排线电缆牢固地固定在位。

将 AI 套件放在间隔物顶部，并使用剩下的四颗螺丝将其固定在位。

将排线插入 AI 套件上的插槽。从两侧抬起排线固定器，然后插入铜接点朝上的电缆。将排线完全均匀地插入接口，从两侧按下电缆固定器，牢固地固定排线电缆。

恭喜，现在你已成功的安装 AI 套件了。将你的树莓派接入电源；树莓派系统可自动检测 AI 套件。

警告
在连接/断开 M.2 插槽上的设备之前，务必先将你的树莓派断开电源。

入门指南

本指南将帮助你设置树莓派 5 与树莓派 AI 套件配合使用。这将使你能够使用 Hailo AI 神经网络加速器运行 rpicam-apps 摄像头演示。

准备工作

对于本指南，你将需要以下物品：

树莓派 5
树莓派 Ai 套件，其中包括：
- M.2 HAT+
- 预装的 Hailo-8L Ai 模块
64 位树莓派系统 Bookworm 系统
官方树莓派摄像头（例如摄像头模块 3 或高质量（HQ）摄像头）

硬件设置

将摄像头连接到你的树莓派 5 主板，按照在安装树莓派摄像头中的说明进行操作。你可以跳过电源连接，因为你需要在下一步中断开树莓派的电源。
按照安装说明将你的 AI 套件硬件连接到你的树莓派 5。
按照说明启用 PCIe Gen 3.0。这一步骤是可选的，但为了使你的 AI 套件获得最佳性能，强烈建议启用它。
安装使用 Ai 套件所需的依赖包。在终端运行以下命令：
```
$ sudo apt install hailo-all
```
这将安装以下依赖项：
- Hailo 内核设备驱动程序和固件
- HailoRT 中间件软件
- Hailo Tappas 核心后处理库
- rpicam-apps Hailo 后处理软件演示阶段
最后，使用 sudo reboot 重启你的树莓派，以使这些设置生效。

为确保一切正常运行，请运行以下命令：

$ hailortcli fw-control identify

如果你看到类似如下信息的输出，则已成功安装了 Ai 套件及其软件依赖包：

Executing on device: 0000:01:00.0
Identifying board
Control Protocol Version: 2
Firmware Version: 4.17.0 (release,app,extended context switch buffer)
Logger Version: 0
Board Name: Hailo-8
Device Architecture: HAILO8L
Serial Number: HLDDLBB234500054
Part Number: HM21LB1C2LAE
Product Name: HAILO-8L AI ACC M.2 B+M KEY MODULE EXT TMP

另外，你可以运行 dmesg | grep -i hailo 来查看内核日志，应该会产生类似以下的输出：

[    3.049657] hailo: Init module. driver version 4.17.0
[    3.051983] hailo 0000:01:00.0: Probing on: 1e60:2864...
[    3.051989] hailo 0000:01:00.0: Probing: Allocate memory for device extension, 11600
[    3.052006] hailo 0000:01:00.0: enabling device (0000 -> 0002)
[    3.052011] hailo 0000:01:00.0: Probing: Device enabled
[    3.052028] hailo 0000:01:00.0: Probing: mapped bar 0 - 000000000d8baaf1 16384
[    3.052034] hailo 0000:01:00.0: Probing: mapped bar 2 - 000000009eeaa33c 4096
[    3.052039] hailo 0000:01:00.0: Probing: mapped bar 4 - 00000000b9b3d17d 16384
[    3.052044] hailo 0000:01:00.0: Probing: Force setting max_desc_page_size to 4096 (recommended value is 16384)
[    3.052052] hailo 0000:01:00.0: Probing: Enabled 64 bit dma
[    3.052055] hailo 0000:01:00.0: Probing: Using userspace allocated vdma buffers
[    3.052059] hailo 0000:01:00.0: Disabling ASPM L0s
[    3.052070] hailo 0000:01:00.0: Successfully disabled ASPM L0s
[    3.221043] hailo 0000:01:00.0: Firmware was loaded successfully
[    3.231845] hailo 0000:01:00.0: Probing: Added board 1e60-2864, /dev/hailo0

为了确保摄像头正常运行，请运行以下命令：
```
$ rpicam-hello -t 10s
```
这将启动摄像头并显示一个十秒钟的预览窗口。如果你已经验证一切安装正确，就可运行一些演示了。

演示

rpicam-apps 摄像头应用套件实现了一个后处理框架。本节包含一些演示后处理阶段，突出了 Ai 套件的一些功能。

以下演示使用 rpicam-hello，默认情况下显示一个预览窗口。但是，你也可以使用其他 rpicam-apps，包括 rpicam-vid 和 rpicam-still。你可能需要添加或修改一些命令行选项，以使演示命令与替代应用程序兼容。

要开始，请下载演示所需的后处理 JSON 文件。这些文件确定要运行的后处理阶段，并配置每个阶段的行为。例如，你可以在对象检测演示中启用、禁用、加强/减弱时间滤波的强度。或者你可以在分割演示中启用或禁用输出蒙版绘制。

要下载完整的后处理 JSON 文件集合，请克隆 rpicam-apps 存储库。运行以下命令仅拉取存储库中最新的提交，以节省空间：

$ git clone --depth 1 https://github.com/raspberrypi/rpicam-apps.git ~/rpicam-apps

技巧
后续部分提供的命令使用此存储库中的 JSON 文件。为了便于引用这些文件，此命令在你的主文件夹中创建了克隆的 rpicam-apps 目录。如果你修改了此目录的位置，则还必须修改下面的演示命令，以引用 JSON 文件的新位置。

目标检测

此演示显示神经网络检测到的物体周围的边界框。要禁用取景器，请使用参数 -n。要返回纯文本输出，说明检测到的物体，请添加参数 -v 2。运行以下命令在你的树莓派上尝试演示：

$ rpicam-hello -t 0 --post-process-file ~/rpicam-apps/assets/hailo_yolov6_inference.json --lores-width 640 --lores-height 640

或者，你可以尝试另一款性能和效率上不同权衡的模型。

使用 Yolov8 模型运行演示，请运行以下命令：

$ rpicam-hello -t 0 --post-process-file ~/rpicam-apps/assets/hailo_yolov8_inference.json --lores-width 640 --lores-height 640

使用 YoloX 模型运行演示，请运行以下命令：

$ rpicam-hello -t 0 --post-process-file ~/rpicam-apps/assets/hailo_yolox_inference.json --lores-width 640 --lores-height 640

使用 Yolov5 人脸模型运行演示，请运行以下命令：

$ rpicam-hello -t 0 --post-process-file ~/rpicam-apps/assets/hailo_yolov5_personface.json --lores-width 640 --lores-height 640

图像分割

此演示执行对象检测，并通过在取景器图像上绘制颜色掩模来对对象进行分割。运行以下命令在你的树莓派上尝试演示：

$ rpicam-hello -t 0 --post-process-file ~/rpicam-apps/assets/hailo_yolov5_segmentation.json --lores-width 640 --lores-height 640 --framerate 20

姿势估计

此演示执行 17 点人体姿势估计，绘制连接检测点的线条。运行以下命令在你的树莓派上尝试演示：

$ rpicam-hello -t 0 --post-process-file ~/rpicam-apps/assets/hailo_yolov8_pose.json --lores-width 640 --lores-height 640

进一步资源

Hailo 还创建了一组演示，你可以在树莓派 5 上运行，可在GitHub 存储库 hailo-ai/hailo-rpi5-examples 中找到。

你可以在GitHub 存储库 hailo-ai/hailo_model_zoo 中找到 Hailo 广泛的模型库，其中包含大量神经网络。

查看 Hailo 社区论坛和开发者区，进一步讨论有关 Hailo 硬件和工具的内容。

产品简介

有关 Ai 套件的更多信息，包括机械规格和操作环境限制，请参阅产品简介。

上一页M.2 HAT+下一页树莓派音频扩展板（Raspberry Pi Audio Board）

最后更新于7天前