Raspberry Pi tar ett betydande steg framåt inom AI-utveckling med stora uppgraderingar av sina AI-produkter, inklusive AI HAT+ och de tillhörande AI-kiten. Dessa enheter erbjuder nu fullt stöd för den nyligen lanserade versionen av Raspberry Pi OS, Trixie. Uppdateringen medför också ett förstärkt stöd för Hailo-acceleratorer och introducerar en innovativ funktion för input-tensorinjektion i AI-kameran, vilket drastiskt förbättrar utvecklarupplevelsen och felsökningsmöjligheterna för anpassade neurala nätverk.
De nya mjukvaruuppdateringarna positionerar Raspberry Pi som en ännu starkare plattform för att implementera AI på edge-enheter, vilket gör avancerad maskininlärning mer tillgänglig för en bredare skara utvecklare och entusiaster.
Operativsystem och hårdvara i symbios
Kärnan i de senaste förbättringarna är det fullständiga stödet för Raspberry Pi OS Trixie. Detta innebär att Raspberry Pi AI HAT+ och AI-kiten, som båda bygger på Hailo AI-acceleratorer, nu fungerar sömlöst med det senaste operativsystemet. Alla nödvändiga mjukvarupaket är tillgängliga och redo att installeras via Raspberry Pis APT-förråd.
En viktig förändring i denna version är att Hailo-drivrutinen för enheter har tagits bort från kärnbyggena och nu installeras som en del av paketet med hjälp av DKMS (Dynamic Kernel Module Support). Denna lösning ger ökad flexibilitet vid framtida mjukvarureleaser och möjliggör för användare att nedgradera enhetsdrivrutinen utan att behöva nedgradera hela kärnan. Detta är särskilt användbart för de som arbetar med specialbyggda modeller genererade från äldre versioner av Hailo Dataflow Compiler. Raspberry Pi AI HAT+ är kompatibel med Raspberry Pi 5 och finns i varianter med 13 TOPS (tera-operationer per sekund) eller 26 TOPS, byggda kring Hailo-8L respektive Hailo-8 neurala nätverksacceleratorer.
Förbättrad utvecklingsupplevelse med Hailo och AI-kamera
En av de mest efterfrågade funktionerna för Raspberry Pi AI Camera har varit möjligheten att enkelt felsöka anpassade neurala nätverk som körs på enheten. Med den nya funktionen för input-tensorinjektion blir detta nu möjligt. Denna funktion tillåter utvecklare att validera kvaliteten och prestandan hos neurala nätverk på enheten med hjälp av befintliga bilddatamängder, på ett repeterbart sätt. Dessa bilddatamängder kan vara standardiserade dataset som COCO eller helt anpassade dataset som är skräddarsydda för en specifik applikation.
Raspberry Pi AI Camera är baserad på Sony IMX500 Intelligent Vision Sensor, som kombinerar en 12-megapixel CMOS-bildsensor med inbyggd inferensacceleration. Kameran utför inferens direkt på sensorn, vilket frigör den huvudsakliga Raspberry Pi-processorn för andra uppgifter och möjliggör effektiva AI-tillämpningar på enheten. Dessutom har Hailo nyligen lanserat sitt ramverk för applikationsinfrastruktur på GitHub, vilket tillhandahåller en grund för att utveckla egna AI-baserade applikationer med hjälp av återanvändbara pipelines och komponenter.
Framåtblick: Effekter för AI-utveckling
Dessa uppgraderingar stärker Raspberry Pis roll som en tillgänglig och kraftfull plattform för AI på “the edge”. Genom att optimera mjukvaran och erbjuda avancerade felsökningsverktyg demokratiseras AI-utvecklingen, vilket gör det enklare för både hobbyister och professionella att experimentera med och implementera komplexa maskininlärningsmodeller i verkliga applikationer.
Den förbättrade flexibiliteten med drivrutinshantering och de nya felsökningsfunktionerna för AI-kameran innebär att utvecklare kan snabba upp sin utvecklingscykel och skapa mer robusta och pålitliga AI-lösningar. Detta öppnar upp för innovation inom områden som processkontroll, säkerhet, hemautomation och robotik, där kostnadseffektiva och energieffektiva AI-lösningar är avgörande. Raspberry Pis engagemang för att kontinuerligt förbättra sitt AI-ekosystem lovar gott för framtiden för inbäddad AI och utökade möjligheter för smarta enheter.