Raspberry Pi KI-Kit

Mit dem Raspberry Pi AI Kit können Sie schnell komplexe KI-Vision-Anwendungen erstellen. Diese Anwendungen können in Echtzeit mit geringer Latenz und geringem Strombedarf ausgeführt werden.

Angenommen, Sie erstellen hochmoderne neuronale Netzwerke, die zur Objekterkennung, zur Schätzung der Körperposition und zur Gesichtserkennung verwendet werden. Dann laufen sie vollständig auf dem Hailo-8L-Coprozessor. Dadurch bleibt die CPU Raspberry Pi 5 frei für andere Aufgaben.

– Sehr geringer Verbrauch von ca. 2 Watt

– 13 Tera-Operationen pro Sekunde (TOPS) Inferenzleistung

– Single-Lane-PCIe-3.0-Verbindung mit 8 Gbit/s

– Vollständige Integration mit dem Raspberry Pi -Software-Subsystem

– Kompatibilität mit Raspberry Pi oder Kameras von Drittanbietern

– Effiziente Beschleuniger-Hardwareplanung: Führen Sie mehrere neuronale Netzwerke auf einer Kamera oder einzelne/mehrere neuronale Netzwerke mit zwei Kameras gleichzeitig aus

– Die Möglichkeit zur Kombination mit einem Raspberry Pi Aktivkühler

Das KI-Framework ist vollständig Open Source. Es ist mit Dokumentation online auf GitHub. Das Framework verfügt auch über eine Python-Pipeline, sodass Sie die Nachbearbeitung selbst in Python codieren können. Es gibt auch eine API, die sich in das GStreamer-Framework und native Python- oder C/C++-Anwendungen integrieren lässt. Hierzu zählen auch Nutzungsszenarien, die nichts mit einer Kamera zu tun haben. Beispielsweise das Durchführen von Inferenzen anhand vorab aufgezeichneter Videodateien. Auch die Nutzung eines eigenen neuronalen Netzes ist mit dem Hailo-8L AI Accelerator möglich.

Der Hailo-8L unterstützt über seine robuste Software-Suite sofort eine Reihe von Deep-Learning-Modellen und -Anwendungen. Dieses Paket enthält den Hailo Dataflow Compiler. Dies ermöglicht Benutzern, ihre eigenen neuronalen Netzwerke in ein mit der Hailo-8L-Hardware kompatibles Format zu konvertieren.

Es ist in Ordnung, wenn die Erstellung eines eigenen neuronalen Netzwerks nicht Ihr Ding ist oder für Ihre Zwecke nicht erforderlich ist. Sie können jederzeit eines der vielen vortrainierten Modelle verwenden. Sie finden dies auf der GitHub-Seite. Dort finden Sie eine vielfältige Anzahl vortrainierter neuronaler Netzwerke. Diese sind sehr einfach zu implementieren und zu verwenden.

In vielen Fällen verwenden Sie eine Pi-Kamera. Es ist jedoch sicherlich nicht darauf beschränkt. Sie können auch Videos verwenden und diese von einem neuronalen Netzwerk zur Gesichtsverfolgung analysieren lassen.

Wir haben den Chip selbst zusammen mit einem Pi-Kameramodul 3 getestet. Hier sind unsere ersten Erfahrungen:

Die Installation.

Hinweis: Dieser Test wurde auf einem Raspberry Pi 5 mit Raspberry Pi OS durchgeführt.

Die Installation der Software für den Chip selbst und des Programms (TAPPAS), das den Chip steuert, verlief recht reibungslos. Es gab nicht gerade viel zu installieren. Es musste nur 1 Paket installiert werden.

Dabei ist uns schnell ein Fehler aufgefallen, der aber nach einer kurzen Frage im Hailo-Forum schnell behoben wurde.

Testen.

Dank der Dokumentation auf GitHub war die Verwendung recht einfach. Hier wird Schritt für Schritt erklärt, was Sie tun müssen, damit es funktioniert. Dies erleichterte auch den Einstieg erheblich.

Das KI-Kit funktioniert gut in Kombination mit der Pi-Kamera. Bald hatten wir mit der Picamera und einem der Beispiel-Neuronalen Netzwerke alles am Laufen. Diese sind auch auf der GitHub-Seite „rpicam-apps“ verfügbar.

Auch der Test verlief gut, ich konnte die Dinge schnell und gut erkennen und auch sehr genau. Wenn Sie beispielsweise ein neuronales Netzwerk ausführen, das Objekte und Personen identifizieren kann, werden Sie feststellen, dass die CPU- und GPU-Auslastung des Pi nur etwa 16 % beträgt. Denn die Arbeitslast wird größtenteils vom KI-Chip übernommen. Alle Berechnungen im neuronalen Netzwerk/der KI werden in diesem Chip durchgeführt. Lediglich die Umwandlung von Videos in nutzbare Daten für das neuronale Netzwerk erfolgt nicht über den Chip. Daher der geringe prozentuale Anstieg.

Wir haben selbst ein neuronales Netzwerk mit etwa 30 fps ausgeführt, was einwandfrei funktionierte.

Das zusammen mit Hailo entwickelte Raspberry Pi AI Kit ist eine leistungsstarke Lösung für KI-Projekte. Das Gerät ist sowohl für Anfänger als auch für Fortgeschrittene geeignet. Der Hailo-8L-Coprozessor ermöglicht fortschrittliche KI-Anwendungen wie Objekt- und Gesichtserkennung. Dadurch wird die Raspberry Pi -CPU für andere Aufgaben freigegeben. Das Kit ist energieeffizient, verbraucht nur 2 Watt und bietet 13 Teraoperationen pro Sekunde für 79,95 €. Dadurch ergibt sich ein hervorragendes Preis-Leistungsverhältnis.

Die Open-Source-KI-Software und die umfangreiche Dokumentation auf GitHub machen das Kit einfach zu verwenden. Auch ohne große KI-Erfahrung ist der Einstieg problemlos möglich. Durch die Möglichkeit, vortrainierte Modelle zu verwenden, ist das Kit flexibel und zugänglich.

Unsere Tests haben gezeigt, dass die Installation reibungslos verläuft und die Leistung beeindruckend ist. Der KI-Chip übernimmt den Großteil der Verarbeitungslast, was zu einer geringen CPU- und GPU-Auslastung führt. Dies führt zu einer genauen und effizienten Objekt- und Gesichtserkennung, sogar bei 30 fps.

Das Raspberry Pi AI Kit ist eine hervorragende Investition für alle, die sich mit KI beschäftigen möchten. Es bietet leistungsstarke Leistung, benutzerfreundliche Software und umfangreiche Funktionen.