前言

最近树莓派4b发布了8gb的版本，这么大的内存用在嵌入式设备上，简直是为了深度计算而生，果断入手了一块，遂开启了一轮踩坑之旅。

为了避免重复 上已有的树莓派教程，后续系列文章，我尽量以2020年为基准，先打造一个最新最稳定的软硬件开发环境，再在其上构建AI应用。比如选择构建OpenCV 4.4，pyTorch 1.6和1.7，Tensorflow 2.1，然后在上面跑yolo v5应用，用intel NCS2加速等等…

文章目录

• 前言
• 树莓派4b（必备，4gb或8gb）
• MircoSD卡（必备，推荐64gb）
• 读卡器（必备）
• 摄像头（必备）
• 散热外壳（必备）
• 无线键盘鼠标（可选）
• HDMI 转接线（可选）
• intel神经棒NCS2（可选）
• usb延长线或usb hub（可选）
• 树莓派UPS或充电宝（可选）
• 树莓派 4G模块（可选）
• 下一篇预告

如果是开发折腾用推荐8gb版本，无论是tensorflow还是pytorch，甚至想在树莓派上开个chrome查下文档，都占相当大的内存。不过由实际使用来看，4gb的版本足已满足当前需求，性价比很高，预算有限的优先选择。而2gb的版本不推荐，在编译大型应用或跑推理模型的时候容易OOM，需要设置很大交换内存，会显著的拖慢编译速度，极度缩减tf卡的寿命。

MircoSD卡（必备，推荐64gb）

烧写镜像或是读写配置文件都需要用到，SD卡套或usb读卡器都行，笔记本的话用卡套方便些。读卡器可以考虑usb 3.0，不过大多数情况2.0的480Mbps匹配MircoSDXC的速度也够用了。

摄像头（必备）

如果要长时间跑AI模型，几块散热片是远远不够的，推荐用乌金铠甲（直接在CPU上用3M的散热胶把热量引到整个外壳上）。这一代的树莓派CPU基础温度很高，随便跑个桌面就50℃多了，满负荷状态下可以稳定的跑在85℃上一整天，必要的时候可以开启风扇降温（比较吵）。

无线键盘鼠标（可选）

AI应用往往是会进行大量浮点数计算，一般会采用GPU进行运算，通过GPU强大的浮点数运算能力，可以有效提升神经 络运算的效能，但若是要将神经 络运算放到如树莓派的单板计算机进行运算，却往往受限于单板计算机的GPU运算效能，使得神经 络运算的速度不足。

虽然树莓派4b的运行速度是3b的3倍以上，但跑AI推理还是无法达到实时（实测跑yolo v4s，0.3fps），但是透过单板计算机进行AIoT的应用促进了边缘运算技术的发展，若单板计算机要在神经 络运算上获得较佳的运算效能，可以考虑透过USB即插即用的外接神经运算装置解决神经 络运算的效能需求。

Google Coral Edge TPU USB加速棒 或者 intel Neural Compute Stick 2 都是可以使用的，就性价比来说，NCS2会更高些。

usb延长线或usb hub（可选）

如果想外出采集数据或是实验AI应用的话，还需要配备一个足够大的充电宝。前文提到普通充电宝接口电流最大2A，如要更大电流，就需要采用两节18650那种提供稳定的电源支持。

树莓派 4G模块（可选）

上述器件入手后，一顿操作将他们组合到一起就搞定硬件平台了。

整体上来看，相对于 NVIDIA的 Jetson 和Google的 Coral 而言，树莓派是一个比较低廉的边缘计算设备，对于大规模对成本敏感的传感器 络来说，是一个很好的可选方案。

下一篇预告

我们将搭建树莓派的软件环境，
介绍一些常用的工具软件，
方便后续的开发工作，
敬请期待…

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树人工智能深度学习210061 人正在系统学习中