Introducción a la Serie reComputer AI R2000

Obtener Uno Ahora 🖱️

La serie reComputer AI R2000 es una potente computadora Edge AI 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 AI Hailo-8 que proporciona hasta 26 TOPS, habilitando inferencia AI en tiempo real, de baja latencia y alta eficiencia. Es la elección perfecta para una amplia gama de aplicaciones AI, incluyendo análisis de video con AI, visión artificial y computación inteligente en el 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 AI 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 AI 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 AI	Módulo de Aceleración Hailo-8 M.2, 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 slot 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 Hailo M.2
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 AI de vanguardia especialmente diseñados para aplicaciones de aprendizaje profundo de alto rendimiento en dispositivos de borde. Las soluciones de la empresa se enfocan en habilitar la próxima era de AI generativa en el borde, junto con percepción y mejora de video, impulsadas por aceleradores AI avanzados y procesadores de visión. Y el reComputer_R2000, equipado con el acelerador NPU Hailo-8 que proporciona 26 TOPs de rendimiento AI, es capaz de lograr más de 200 FPS con YOLOv8s.

Introducción al software

La Suite de Software AI de Hailo proporciona herramientas poderosas para ejecutar modelos AI de manera eficiente en aceleradores de hardware. Está diseñada para integrarse perfectamente con marcos de aprendizaje profundo existentes, ofreciendo flujos de trabajo fluidos para desarrolladores. El proceso involucra generar un HEF (Archivo Binario Ejecutable de 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 del NPU Hailo, 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 Advanced options

• Paso 4. Haz clic en CHOOSE OS y selecciona tu SO preferido

NOTA1: Recomendamos flashear la imagen de Raspberry Pi OS de 64 bits (Debian 12 Bookworm) por ahora. El Raspberry Pi OS recién lanzado basado en Debian 13 "Trixie" aún no ha actualizado el paquete hailo-all, por lo que Bookworm te dará soporte completo de Hailo desde el inicio. Enlace de descarga link.

Luego escríbelo en tu tarjeta SD usando el imager con la opción Use custom.

Si aún quieres probar la imagen más reciente, necesitarás instalar el software Hailo manualmente en lugar de usar la ruta de un comando hailo-all; por favor sigue este enlace.

NOTA2: Puedes seleccionar otros SO como Ubuntu de 64 bits navegando a Other general purpose OS

O puedes usar este enlace para descargar el archivo de imagen:

Ubuntun for raspberry-pi

• 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

caution

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 Advanced options

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 otros SO como Ubuntu de 64 bits navegando a Other general purpose OS

O puedes usar este enlace para descargar el archivo de imagen:

Ubuntun for raspberry-pi

• Paso 5. Haz clic en CHOOSE STORAGE

• Paso 6. Finalmente, haz clic en WRITE

Para computadora host Linux

• Paso 1. Descargar 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 Advanced options

Aquí puedes establecer un nombre de host, habilitar SSH, establecer una contraseña, configurar wifi, establecer configuraciones locales y más

• Paso 5. Haz clic en CHOOSE OS y selecciona tu SO preferido

NOTA: Puedes seleccionar otros SO como Ubuntu de 64 bits navegando a Other general purpose OS

O puedes usar este enlace para descargar el archivo de imagen:

Ubuntun for raspberry-pi

• Paso 6. Haz clic en CHOOSE STORAGE y selecciona la unidad eMMC conectada

• Paso 7. Finalmente, haz clic en NEXT y YES

Por favor espera unos minutos hasta que el proceso de flasheo 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 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 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 a NVME

Primero: Actualizar EEPROM con tarjeta SD

Por favor consulta este enlace.

Para establecer el orden de arranque NVMe como la prioridad más alta, 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 guardar el resultado. Y el resultado es el siguiente:

Segundo: Grabar Ubuntu en el NVMe

Abrir Raspberry Pi Imager:

Elegir SO Ubuntu:

Finalmente, haz clic en Next y espera a que el proceso de flasheo se complete.

Tercero: Reemplazar el archivo del SO

Instalar pcie-fix.dtbo con este enlace

Copiar pcie-fix.dtbo al archivo /overlays como se muestra a continuación:

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

Y luego usa Ctrl+X e ingresa y para guardar este archivo.

Consumo de energía y temperatura

⚠️ Nota: El estado de espera fue probado bajo las siguientes condiciones: la interfaz gráfica estaba deshabilitada, Bluetooth estaba apagado, y 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
Espera	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 (Grabador de Video en Red) de código abierto diseñado para detección de objetos en tiempo real usando IA. Se integra con cámaras existentes y usa 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 la propuesta de regiones y la clasificación por separado, YOLO realiza ambas tareas en una sola pasada 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.