reComputer AI R2000 系列快速入门
本文档由 AI 翻译。如您发现内容有误或有改进建议,欢迎通过页面下方的评论区,或在以下 Issue 页面中告诉我们:https://github.com/Seeed-Studio/wiki-documents/issues

reComputer AI R2000 系列是一款基于 Raspberry Pi 5 的强大边缘 AI 计算机。配备四核 Arm Cortex-A76 处理器、8GB RAM、M.2 SSD 支持,以及提供高达 26 TOPS 的 Hailo-8 AI 加速模块,实现实时、低延迟和高效的 AI 推理。它是广泛 AI 应用的完美选择,包括 AI 驱动的视频分析、机器视觉和智能边缘计算。
特性
强大的散热能力:紧凑的设计和优化的热架构使其非常适合在资源受限的环境中部署,提供卓越的散热性能。
强大的性能:由 Raspberry Pi 5 提供支持,配备四核 Cortex-A76 CPU 和高达 8GB 的 RAM。
26 TOPS(每秒万亿次操作):由 Hailo AI 加速器提供支持,集成计算能力高达 26 TOPS。 丰富的接口:2 个 HDMI 4Kp60、1 个以太网端口、2 个 USB 3.0、2 个 USB 2.0。
无线连接:双频 Wi-Fi 和 Bluetooth 5.0/BLE。 灵活的存储选项:PCIe2.0 双 M.2 插槽支持 AI 加速器和 SSD 存储。
规格
**参数** | **描述** |
---|---|
**硬件规格** | |
**CPU** | Raspberry Pi 5,2.4GHz 四核 64 位 Arm Cortex-A76 |
**GPU** | Raspberry Pi 5,VideoCore VII |
**AI 处理器** | Hailo-8 M.2 加速模块,26 TOPS |
**RAM** | 8GB SDRAM |
**操作系统** | Raspberry Pi OS,Ubuntu |
**系统规格** | |
**电源** | 通过 USB-C 提供 5V/5A DC 电源,支持电源传输 |
**视频解码器** | 4Kp60 HEVC 解码器 |
**Wi-Fi** | 双频 802.11ac Wi-Fi® |
**蓝牙** | Bluetooth 5.0/ BLE |
**电源按钮** | 包含开/关按钮 |
**接口** | |
**存储** | 1 个 microSD 卡插槽,支持高速 SDR104 模式 |
**M.2 插槽** | 2 个 M.2 插槽,支持 M.2 NVMe SSD/Hailo M.2 加速模块 |
**USB 端口** | 2 × USB 3.0 端口 |
2 × USB 2.0 端口 | |
**以太网** | 1 × 10/100/1000 Mbps |
**摄像头/显示** | 2 × 4 通道 MIPI 摄像头/显示收发器 |
**显示输出** | 2 × micro HDMI 端口(4Kp60) |
**环境条件** | |
**防护等级** | IP40 |
**工作温度** | 0-45°C |
**其他** | |
**保修** | 1 年 |
**产品生命周期** | 至少到 2036 年 1 月 |
**认证** | CE, FCC, Telec, RoHS, REACH |
Hailo 介绍
硬件介绍
Hailo 提供尖端的 AI 处理器,专门为边缘设备上的高性能深度学习应用量身定制。该公司的解决方案专注于推动边缘设备上的生成式 AI 的新时代,同时支持感知和视频增强功能,这些都由先进的 AI 加速器和视觉处理器提供支持。而搭载 Hailo-8 NPU 加速器的 reComputer_R2000 提供 26 TOPS 的 AI 性能,能够使用 YOLOv8s 实现超过 200 FPS 的性能。
软件介绍
Hailo AI 软件套件提供强大的工具,用于在硬件加速器上高效运行 AI 模型。它旨在与现有的深度学习框架无缝集成,为开发者提供流畅的工作流程。该过程包括在模型构建环境中从 ONNX 文件生成 HEF(Hailo 可执行二进制文件)。生成后,HEF 文件会被传输到推理机器(运行时环境),并通过 HailoRT API 执行推理。提供的脚本可以在模型构建环境中将 ONNX 文件转换为 HEF 文件。
注意: 如果您想了解更多关于使用 Hailo NPU 的示例,请点击此 链接。
硬件概览
刷写操作系统
您需要一张 SD 卡和一个读卡器。将 SD 卡插入读卡器,然后将读卡器的 USB 接口插入主机的 USB 端口。
对于 Windows 主机电脑
步骤 1. 从 这里 下载 Raspberry Pi Imager 软件
步骤 2. 打开 Raspberry Pi Imager 软件
- 步骤 3. 按键盘上的 CTRL + SHIFT + X 打开 高级选项 窗口
- 步骤 4. 点击 CHOOSE OS 并选择您偏好的操作系统
注意: 您可以通过导航到 Other general purpose OS 选择其他操作系统,例如 64-bit Ubuntu

或者您可以使用以下链接下载镜像文件:
步骤 5. 点击 CHOOSE STORAGE
步骤 6. 最后点击 WRITE
请等待几分钟,直到刷写过程完成。
对于 MAC 主机电脑
您需要安装 homebrew 才能继续以下步骤。
请打开终端并输入 brew -V
检查是否正确设置了 homebrew 环境,您应该能看到已安装的 homebrew 环境版本。
步骤 1. 通过访问 此链接 下载并安装 Raspberry Pi Imager 应用程序
步骤 2. 打开 Raspberry Pi Imager 应用程序
- 步骤 3. 按键盘上的 CTRL + SHIFT + X 打开 高级选项 窗口
在这里您可以 设置主机名、启用 SSH、设置密码、配置 WiFi、设置本地设置 等。
- 步骤 4. 点击 CHOOSE OS 并选择您偏好的操作系统
注意: 您可以通过导航到 Other general purpose OS 选择其他操作系统,例如 64-bit Ubuntu

或者您可以使用以下链接下载镜像文件:
步骤 5. 点击 CHOOSE STORAGE
步骤 6. 最后点击 WRITE
对于 Linux 主机电脑
- 步骤 1. 下载 snap
sudo apt install snap
- 步骤 2. 下载 rpi-imager
snap install rpi-imager
- 步骤 3. 打开 Raspberry Pi Imager 软件
rpi-imager
结果如下所示:
- 步骤 4. 按键盘上的 CTRL + SHIFT + X 打开 高级选项 窗口
在这里您可以 设置主机名、启用 SSH、设置密码、配置 WiFi、设置本地设置 等。
- 步骤 5. 点击 CHOOSE OS 并选择您偏好的操作系统

注意: 您可以通过进入 Other general purpose OS 选择其他操作系统,例如 64-bit Ubuntu

或者您可以使用以下链接下载镜像文件:
步骤 6. 点击 CHOOSE STORAGE 并选择已连接的 eMMC 驱动器
步骤 7. 最后,点击 NEXT 和 YES
请等待几分钟,直到刷写过程完成。结果如下图所示:
从 NVME 启动
更新 EEPROM
此方法适用于您拥有 SD 卡并已成功启动设备的情况。请确保您的系统是最新的 Raspberry Pi 系统(Bookworm 或更高版本),并且您的 RPi 5 固件已更新至 2023-12-06(12 月 6 日)或更新版本,否则可能无法识别与 NVME 相关的配置。
步骤 1:确保您的 Raspberry Pi 系统是最新的(Bookworm 或更高版本),输入以下命令更新 RPi 5 固件:
sudo apt update && sudo apt upgrade -y
sudo rpi-eeprom-update # 如果不是 2023 年 12 月之后的版本,请在终端中输入以下命令启动配置工具
sudo raspi-config
向下滚动到 Advanced Options
并按 Enter:

向下滚动到 Bootloader Version
并按 Enter:

最后选择 Latest
,并按 Enter:

在这里选择 No
- 您需要的是 latest
引导加载程序。

通过选择 Finish
退出工具:

如果被要求重启,请选择 Yes
。

步骤 2:点击主屏幕上的 Applications => Accessories => SD Card Copier,运行 SD Card Copier 程序,并将操作系统复制到 NVME SSD,如下图所示。

设置 Raspberry Pi 从 NVMe SSD 启动
如果您可以轻松访问 SD 卡插槽,可以关闭您的 Pi,取出 SD 卡,并且(如果一切正常)下次启动时它应该会自动从 NVMe 驱动器启动。如果您希望保留 SD 卡并仍然从 NVMe 启动,则需要更改启动顺序。
步骤 1:输入以下命令:
sudo raspi-config
向下滚动到 Advanced Options
并按 Enter:

步骤 2:向下滚动到 Boot Order
并按 Enter:

步骤 3:选择 NVMe/USB Boot
并按 Enter:

配置将被确认。按 Enter:

步骤 4:通过选择 Back
或按 Esc 键返回到第一个屏幕。然后使用右方向键导航到 Finish。

系统会询问您是否现在重启。点击 Yes
:

将 Ubuntu 刷写到 NVMe
第一步:使用 SD 卡更新 EEPROM
请参考此链接。
要将 NVMe 的启动顺序设置为最高优先级,请使用以下命令:
sudo rpi-eeprom-config --edit
然后将 rpi-eeprom-config
修改如下:
BOOT_UART=1
BOOT_ORDER=0xf461
NET_INSTALL_AT_POWER_ON=1
PCIE_PROBE=1
使用 Ctrl+X
并输入 y
保存结果。结果如下所示:

第二步:将 Ubuntu 烧录到 NVMe
打开 Raspberry Pi Imager:

选择 Ubuntu 操作系统:

最后,点击 Next
并等待烧录过程完成。
第三步:替换操作系统文件
通过此链接安装 pcie-fix.dtbo
。
将 pcie-fix.dtbo
复制到 /overlays
文件夹,如下所示:

修改 config.txt
文件,在文件末尾添加 dtoverlay=pcie-fix
,如下所示:

然后使用 Ctrl+X
并输入 y
保存此文件。
功耗与温度
⚠️ 注意: 待机状态测试条件如下:禁用图形界面、关闭蓝牙、禁用 Wi-Fi。命令如下所示:
sudo ifconfig wlan0 down
sudo systemctl stop bluetooth
sudo systemctl stop lightdm
**条件** | **功耗** | **温度** |
---|---|---|
**待机** | 5.9w | cpu:46°C |
**正常运行** | 6.3w | cpu:53°C |
**满载** | 16.2w | cpu:75°C hailo8:81°C |
应用
Frigate
Frigate 是一个开源的 NVR(网络视频录像机),专为使用 AI 进行实时目标检测而设计。它可以与现有摄像头集成,并使用诸如 TensorFlow 和 Coral 等机器学习模型对视频流进行目标检测。Frigate 针对低延迟和高性能视频处理进行了优化,提供了运动检测、实时视频流和自动警报等功能。
注意: 如果您想了解更多关于此项目的信息,请参考此链接。
YOLO
YOLO(You Only Look Once)系列模型是一组为速度和准确性而设计的实时目标检测模型。与传统的目标检测方法需要分别执行区域提议和分类不同,YOLO 在神经网络的单次前向传递中同时完成这两项任务,从而大大提高了速度。YOLO 模型将图像划分为网格,并为每个网格单元预测边界框和类别概率。多年来,YOLO 通过多个版本不断演进,在准确性、速度以及检测小目标的能力方面都有所提升。YOLOv4、YOLOv5,以及最近的 YOLOv7 和 YOLOv8 模型广泛应用于监控、自动驾驶和机器人等领域。
注意: 如果您想了解更多关于此项目的信息,请参考此链接。
Clip
CLIP(Contrastive Language-Image Pretraining)是由 OpenAI 开发的一种机器学习模型,能够同时理解图像和文本。它通过训练将图像与对应的文本描述关联起来,从而能够执行涉及这两种模态的任务。CLIP 支持零样本学习,这意味着它可以识别图像中的对象和概念,而无需专门针对这些类别进行训练。它在图像分类、目标检测,甚至生成图像的文本描述等多种任务中表现出色。
注意: 如果您想了解更多关于此项目的信息,请参考此链接。
技术支持与产品讨论
感谢您选择我们的产品!我们致力于为您提供各种支持,以确保您使用我们的产品时能够获得尽可能顺畅的体验。我们提供多个沟通渠道,以满足不同的偏好和需求。