Comenzando con la Serie reComputer AI R2000

La serie reComputer AI R2000 es una potente Computadora de IA de Borde basada en Raspberry Pi 5. Con procesador quad-core Arm Cortex-A76, 8GB de RAM, soporte para M.2 SSD, y un módulo de aceleración de IA Hailo-8 que proporciona hasta 26 TOPS, habilitando inferencia de IA en tiempo real, de baja latencia y alta eficiencia. Es la elección perfecta para una amplia gama de aplicaciones de IA, incluyendo análisis de video con IA, visión artificial y computación inteligente de borde.
Características
-
Potentes Capacidades de Refrigeración: El diseño compacto y la arquitectura térmica optimizada lo hacen altamente adecuado para despliegue en entornos con recursos limitados, proporcionando excelente rendimiento de refrigeración.
-
Rendimiento Potente: Alimentado por Raspberry Pi 5 con CPU quad-core Cortex-A76, hasta 8GB de RAM.
-
26 Tera-Operaciones Por Segundo: Alimentado por el Acelerador de IA Hailo que ofrece Potencia de Cómputo Integrada de hasta 26 Tops. Interfaces Extensas: 2x HDMI 4Kp60, 1x Puerto Ethernet, 2x USB 3.0, 2x USB 2.0.
-
Conectividad Inalámbrica: Wi-Fi de banda dual y Bluetooth 5.0/BLE. Opciones de Almacenamiento Flexibles: El Slot dual M.2 PCIe2.0 soporta tanto acelerador de IA como almacenamiento SSD.
Especificaciones
Parámetros | Descripción |
---|---|
Especificación de Hardware | |
CPU | Raspberry Pi 5, 2.4GHz quad-core 64-bit Arm Cortex-A76 |
GPU | Raspberry Pi 5, VideoCore VII |
Procesador de IA | Módulo de Aceleración M.2 Hailo-8, 26 Tera-Operaciones Por Segundo |
RAM | 8GB SDRAM |
Sistema Operativo | Raspberry Pi OS, Ubuntu |
Especificación del Sistema | |
Fuente de Alimentación | Alimentación DC 5V/5A vía USB-C, Power Delivery soportado |
Decodificador de Video | Decodificador HEVC 4Kp60 |
Wi-Fi | Wi-Fi® 802.11ac de banda dual |
Bluetooth | Bluetooth 5.0/ BLE |
Botón de Encendido | Encendido/Apagado incluido |
Interfaz | |
Almacenamiento | 1 x ranura para tarjeta microSD, con soporte para modo SDR104 de alta velocidad |
Slot M.2 | 2 x Slot M.2, soporta M.2 NVMe SSD/Módulo de Aceleración M.2 Hailo |
Puertos USB | 2 × puertos USB 3.0 |
2 × puertos USB 2.0 | |
Ethernet | 1 x 10/100/1000 Mbps |
Cámara/Pantalla | 2 × transceptores MIPI de 4 carriles para cámara/pantalla |
Salida de Pantalla | 2 x puertos micro HDMI (4Kp60) |
Condiciones Ambientales | |
Protección de Ingreso | IP40 |
Temperatura de Operación | 0-45°C |
Otros | |
Garantía | 1 Año |
Vida Útil de Producción | Hasta al menos enero de 2036 |
Certificación | CE, FCC, Telec, RoHS, REACH |
Introducción a Hailo
Introducción al hardware
Hailo ofrece procesadores de IA de vanguardia especialmente diseñados para aplicaciones de aprendizaje profundo de alto rendimiento en dispositivos edge. Las soluciones de la empresa se enfocan en habilitar la próxima era de IA generativa en el edge, junto con percepción y mejora de video, impulsadas por aceleradores de IA avanzados y procesadores de visión. Y el reComputer_R2000, equipado con el acelerador NPU Hailo-8 que proporciona 26 TOPs de rendimiento de IA, es capaz de lograr más de 200 FPS con YOLOv8s.
Introducción al software
La Suite de Software de IA Hailo proporciona herramientas poderosas para ejecutar modelos de IA de manera eficiente en aceleradores de hardware. Está diseñada para integrarse sin problemas con marcos de aprendizaje profundo existentes, ofreciendo flujos de trabajo fluidos para desarrolladores. El proceso involucra generar un HEF (Archivo Binario Ejecutable Hailo) desde un archivo ONNX en el Entorno de Construcción de Modelos. Una vez creado, el archivo HEF se transfiere a la máquina de inferencia (Entorno de Tiempo de Ejecución), donde se usa para ejecutar inferencia con la API HailoRT. El script proporcionado facilita la conversión de un archivo ONNX en un archivo HEF dentro del Entorno de Construcción de Modelos.
Nota: Si quieres aprender más sobre ejemplos de uso de Hailo NPU, por favor haz clic en este enlace.
Descripción general del hardware
Flashear SO
Necesitas una tarjeta SD y un lector de tarjetas. Inserta la tarjeta SD en el lector de tarjetas, y luego conecta la interfaz USB del lector de tarjetas al puerto USB de tu máquina host.
Para computadora host Windows
-
Paso 1. Descarga el software Raspberry Pi Imager desde aquí
-
Paso 2. Abre el software Raspberry Pi Imager
- Paso 3. Presiona CTRL + SHIFT + X en el teclado para abrir la ventana de Opciones avanzadas
- Paso 4. Haz clic en CHOOSE OS y selecciona tu SO preferido
NOTA: Puedes seleccionar otro SO como Ubuntu de 64 bits navegando a Other general purpose OS

O puedes usar este enlace para descargar el archivo de imagen:
-
Paso 5. Haz clic en CHOOSE STORAGE
-
Paso 6. Finalmente, haz clic en WRITE
Por favor espera unos minutos hasta que el proceso de flasheo esté completo.
Para computadora host MAC
Necesitas instalar homebrew antes de proceder con los siguientes pasos.
Por favor abre una terminal y escribe brew -V
para verificar si has configurado el entorno homebrew correcto, deberías ver la versión del entorno homebrew que has instalado.
-
Paso 1. Descarga e Instala la Aplicación Raspberry Pi Imager visitando este enlace
-
Paso 2. Abre la Aplicación Raspberry Pi Imager
- Paso 3. Presiona CTRL + SHIFT + X en el teclado para abrir la ventana de Opciones avanzadas
Aquí puedes establecer un nombre de host, habilitar SSH, establecer una contraseña, configurar wifi, establecer configuraciones locales y más
- Paso 4. Haz clic en CHOOSE OS y selecciona tu SO preferido
NOTA: Puedes seleccionar otro SO como Ubuntu de 64 bits navegando a Other general purpose OS

O puedes usar este enlace para descargar el archivo de imagen:
-
Paso 5. Haz clic en CHOOSE STORAGE
-
Paso 6. Finalmente, haz clic en WRITE
Para computadora host Linux
- Paso 1. Descarga snap
sudo apt install snap
- Paso 2. Descargar rpi-imager
snap install rpi-imager
- Paso 3. Abrir el software Raspberry Pi Imager
rpi-imager
El resultado se muestra a continuación:
- Paso 4. Presiona CTRL + SHIFT + X en el teclado para abrir la ventana de Opciones avanzadas
Aquí puedes establecer un nombre de host, habilitar SSH, establecer una contraseña, configurar wifi, establecer configuraciones locales y más
- Paso 5. Haz clic en ELEGIR SO y selecciona tu SO preferido

NOTA: Puedes seleccionar otro SO como Ubuntu de 64 bits navegando a Otros SO de propósito general

O puedes usar este enlace para descargar el archivo de imagen:
-
Paso 6. Haz clic en ELEGIR ALMACENAMIENTO y selecciona la unidad eMMC conectada
-
Paso 7. Finalmente, haz clic en SIGUIENTE y SÍ
Por favor espera unos minutos hasta que el proceso de grabación esté completo. El resultado se muestra a continuación:
Arrancar desde NVME
Actualizar EEPROM
Este método funciona si tienes una tarjeta SD y has arrancado el dispositivo exitosamente. Por favor asegúrate de que tu sistema sea el último sistema Raspberry Pi (Bookworm o posterior) y que tu firmware de RPi 5 esté actualizado al 2023-12-06 (6 de diciembre) o más reciente, de lo contrario puede que no reconozca las configuraciones relacionadas con NVME.
Paso 1: Asegúrate de que tu sistema Raspberry Pi esté actualizado (Bookworm o posterior), ingresa el siguiente comando para actualizar el firmware de RPi 5:
sudo apt update && sudo apt upgrade -y
sudo rpi-eeprom-update # If it is not post-December 2023 type the following into a terminal to start the configuration tool
sudo raspi-config
Desplázate hacia abajo hasta Advanced Options
y presiona Enter:

Desplázate hacia abajo hasta Bootloader Version
y presiona Enter:

Y finalmente elige Latest
, y presiona Enter:

Selecciona No
aquí - quieres el bootloader latest
.

Y sal de la herramienta seleccionando Finish
:

Si se te pide reiniciar, selecciona Yes
.

Paso 2:Haz clic en Applications =>Accessories =>SD Card Copier en la pantalla principal, ejecuta el programa SD Card Copier, y copia el SO al SSD NVME como se muestra en la figura a continuación.

Configurar la Raspberry Pi para arrancar desde el SSD NVMe
Si tienes fácil acceso a tu ranura de tarjeta SD podrías apagar tu Pi, sacar la tarjeta SD y (si todo funciona como se espera) debería arrancar automágicamente desde tu unidad NVMe la próxima vez que la inicies. Sin embargo, si quieres dejar la tarjeta SD donde está y aún así arrancar desde NVMe, necesitarás cambiar el orden de arranque.
Paso 1:Ingresa el siguiente comando:
sudo raspi-config
Desplázate hacia abajo hasta Advanced Options
y presiona Enter:

Paso 2: Desplázate hacia abajo hasta Boot Order
y presiona Enter:

Paso 3: Elige NVMe/USB Boot
y presiona Enter:

La configuración será confirmada. Presiona Enter:

Paso 4: Regresa a la primera pantalla seleccionando Back
o presionando la tecla Esc. Luego navega a Finish usando la tecla de cursor derecha.

Se te preguntará si quieres reiniciar ahora. Haz clic en Yes
:

Flashear ubuntu al NVME
Primero: Actualizar EEPROM con tarjeta SD
Por favor consulta este enlace.
Para establecer el orden de arranque NVMe como la máxima prioridad, usa el siguiente comando:
sudo rpi-eeprom-config --edit
Y luego cambia rpi-eeprom-config como se muestra a continuación:
BOOT_UART=1
BOOT_ORDER=0xf461
NET_INSTALL_AT_POWER_ON=1
PCIE_PROBE=1
Usa Ctrl+X
e ingresa y
para almacenar el resultado. Y el resultado es el siguiente:

Segundo: Grabar Ubuntu en el NVMe
Abre Raspberry Pi Imager:

Elige el SO Ubuntu:

Finalmente, haz clic en Next
y espera a que se complete el proceso de grabación.
Tercero: Reemplazar el archivo del SO
Instala pcie-fix.dtbo
con este enlace
Copia pcie-fix.dtbo al archivo /overlays como se muestra a continuación:

Modifica el config.txt
, añade dtoverlay=pcie-fix
al final del archivo como se muestra a continuación:

Y luego usa Ctrl+X
e ingresa y
para almacenar este archivo.
Consumo de energía y temperatura
⚠️ Nota: El estado de espera se probó bajo las siguientes condiciones: la interfaz gráfica estaba deshabilitada, el Bluetooth estaba apagado y el Wi-Fi estaba deshabilitado. El comando se muestra a continuación:
sudo ifconfig wlan0 down
sudo systemctl stop bluetooth
sudo systemctl stop lightdm
Condición | Consumo de energía | Temperatura |
---|---|---|
Standby | 5.9w | cpu:46°C |
Operación Normal | 6.3w | cpu:53°C |
Carga Máxima | 16.2w | cpu:75°C hailo8:81°C |
Aplicación
Frigate
Frigate es un NVR (Network Video Recorder) de código abierto diseñado para detección de objetos en tiempo real usando IA. Se integra con cámaras existentes y utiliza modelos de aprendizaje automático, como TensorFlow y Coral, para realizar detección de objetos en transmisiones de video. Frigate está optimizado para procesamiento de video de baja latencia y alto rendimiento, ofreciendo características como detección de movimiento, transmisiones de video en vivo y alertas automatizadas.
Nota: Si quieres aprender más sobre este proyecto, por favor consulta este enlace.
YOLO
La serie de modelos YOLO (You Only Look Once) es una familia de modelos de detección de objetos en tiempo real diseñados para velocidad y precisión. A diferencia de los métodos tradicionales de detección de objetos que realizan propuesta de región y clasificación por separado, YOLO realiza ambas tareas en un solo paso hacia adelante de la red neuronal, haciéndolo mucho más rápido. Los modelos YOLO dividen la imagen en una cuadrícula y predicen cajas delimitadoras y probabilidades de clase para cada celda de la cuadrícula. A lo largo de los años, YOLO ha evolucionado a través de varias versiones, con mejoras en precisión, velocidad y la capacidad de detectar objetos más pequeños. Los modelos YOLOv4, YOLOv5, y los recientes YOLOv7 y YOLOv8 son ampliamente utilizados para aplicaciones como vigilancia, vehículos autónomos y robótica.
Nota: Si quieres aprender más sobre este proyecto, por favor consulta este enlace.
Clip
CLIP (Contrastive Language-Image Pretraining) es un modelo de aprendizaje automático desarrollado por OpenAI que puede entender imágenes y texto juntos. Está entrenado para asociar imágenes con descripciones textuales correspondientes, permitiéndole realizar tareas que involucran ambas modalidades. CLIP es capaz de aprendizaje de cero disparos, lo que significa que puede reconocer objetos y conceptos en imágenes sin necesidad de ser específicamente entrenado en esas categorías. Ha mostrado un rendimiento sólido en una variedad de tareas, como clasificación de imágenes, detección de objetos, e incluso generar descripciones textuales de imágenes.
Nota: Si quieres aprender más sobre este proyecto, por favor consulta este enlace.
Soporte Técnico y Discusión de Productos
¡Gracias por elegir nuestros productos! Estamos aquí para brindarte diferentes tipos de soporte para asegurar que tu experiencia con nuestros productos sea lo más fluida posible. Ofrecemos varios canales de comunicación para satisfacer diferentes preferencias y necesidades.