Малинки машины: Доступ с вашего IP-адреса временно ограничен — Авито

Содержание

Немцы поиронизировали над Lada Granta под «Калинку-малинку» — Российская газета

Тест-драйв Lada Granta в Германии провели под звуки русской песни «Калинка». Более того, популярная композиция помогла автоэксперту Deutsche Welle заглушить неприятный скрип, который на новенькой машине издавала приборная панель. «Жить с этим можно. Надо просто включить радио чуть-чуть погромче», — сказал Эммануэль Шеффер, саркастически улыбнувшись в камеру.

По большому счету, эта улыбка не сходила с лица эксперта все несколько минут, которые длится ролик. Салон он назвал не слишком привлекательным и непредназначенным для длительных поездок из-за жесткости пассажирских сидений, ходовую часть — «средненькой», радио — очень удобным, потому что «не нужно продираться через тысячу электронных меню», расход топлива — завышенным, а о трансмиссии и вовсе умолчал.

Впрочем, Эммануэль Шеффер нашел и повод похвалить самый популярный в России автомобиль, который пытается завоевать внимание иностранной публики. В частности, Шеффер назвал Granta «довольно приемистой и маневренной», а еще оценил ее вместительный багажник — в него влезла огромная сумка со штативом.

«Главный аргумент в пользу Granta в Германии — ее цена, всего около 7 тысяч евро, — констатировал эксперт. — С такой ценой ей легко простить спартанскую комплектацию и недостаток комфорта».

Ранее «РГ» писала о немецких тест-драйвах универсала Lada Kalina и его внедорожной версии Kalina Cross, которые тоже получились весьма любопытными — эксперты, опробовав российские машины, испытали приступ ностальгии.

Известно, что в 2015 году немцы купили 1 181 автомобиль Lada. Бестселлером остается внедорожник 4×4 Taiga, а спрос на Granta и Kalina не велик. Первая модель разошлась тиражом в 188 экземпляров, вторая — всего в три единицы. Между тем вчера появилась информация, что на рынок Германии выйдут и новинки АвтоВАЗа — седан Lada Vesta и кроссовер Lada Xray. Вероятно, это произойдет в 2017 году.

Подписывайтесь на автомобильные новости «РГ» в Telegram:

telegram.me/rgruavto

Группа «Малинка» — МДОБУ «Детский сад № 17 «Жемчужинка» комбинированного вида»

Опубликовано: 18.02.2021

На этой неделе дети средней группы «Малинка» знакомились с перелетными птицами. Смотрели мультфильмы по теме, беседовали. Сделали аппликации снегирей и синичек и сделали вывод, что без помощи человека птицам очень сложно выжить зимой. Ребята заранее принесли из дома корм для птиц и во время прогулки разместили его в … Читать далее →

Опубликовано: 07.12.2020

В рамках тематической недели посвященной Дню инвалидов в средней группе «Малинка» была проведена беседа » Добро в наших сердцах «. Ребята оказали сочувствие « травмированной»  кукле Асе, слушали и рассматривали фотографии людей с ОВЗ, делились личным опытом по данной теме. Беседа всем очень понравилась.

Читать далее →

Опубликовано: 01.12.2020

В рамках тематической недели, посвященной Дню инвалидов, в нашей группе «Малинка» с малышами была проведена беседа «Добро в наших сердцах». Ребята внимательно слушали и рассматривали фотографии людей с ограниченными возможностями здоровья, делились личным опытом по данной теме.  Бережно и аккуратно детки оказали сочувствие «травмированной» кукле Асе. По окончании обсуждения ребята … Читать далее →

Опубликовано: 09.10.2020

Умение хорошо ориентироваться при переходе дороги по пешеходному переходу – очень важное умение, которое необходимо формировать уже с самого детства.
В рамках совместной деятельности с малышами нашей группы «Малинка» педагоги в игровой наглядной форме помогли ребятам почувствовать себя достаточно взрослыми, чтобы сосредоточиться на «светофоре» и выбрать верный сигнал для … Читать далее →

Опубликовано: 16.02.2020

Сказки живут среди нас, надо только разглядеть, где и когда они начинаются.

Диля Еникеева.

В нашей группе прошла очень интересная тематическая неделя: «В гостях у сказки». За это время малыши:

— вспомнили и рассказали давно полюбившиеся русские народные сказки «Колобок», «Теремок», «Репка»;

— нарисовали любимого героя русской сказки;

— вылепили … Читать далее →

Опубликовано: 26.11.2019

Раскраснелась детвора —
Накатала три шара!
Друг на друга их сложили,
И ведро нагромоздили.

Нос — морковка, уголь — глазки,

Снеговик из детской сказки!
Руки — ветки, рот — конфета…
Пусть стоит теперь до лета!

Опубликовано: 20.08.2019

Это лето особенное для нашей группы – с начала августа состоялся набор дошколят, и в ней потихоньку появляются новые маленькие жители.

Детский садик, детский сад!
Малыши туда спешат.
Посмотреть я в сад иду –
Что растет в таком саду?
Может груши, виноград?
Их … Читать далее →

Опубликовано: 23.07.2019

Пашут каждую весну,
Поднимают целину,
Сеют, жнут, ночей не спят,
С детства знай, как хлеб растят.
Хлеб ржаной, батоны, булки,
Не добудешь на прогулке.
Люди хлеб в полях лелеют,
Сил для хлеба не жалеют.

(Я. Аким)

Хлеб — … Читать далее →

Опубликовано: 23.07.2019

Вот так дружно и весело нам живется в любимом детском саду!

Опубликовано: 20.11.2018

В нашей группе ведется кружок «Волшебная ниточка». На первых ознакомительных занятиях педагоги проводили с детьми тактильные упражнения, которые познакомили ребят с нитями разной толщины, разного качества. Также ребята смогли отработать и закрепить навыки работы с ножницами и нитью.

Первой самостоятельной работой ребят стала аппликация «Кораблик».

Работа требует усидчивости, кропотливости, аккуратности — … Читать далее →

Опубликовано: 20.11.2018

В нашей группе прошел осенний утренник под названием «Осенний сундучок». Вместе с героями Осень и Ежик ребята пели песни, танцевали, играли в веселые игры, отгадывали загадки и рассказывали стихи. А самым ярким оказался сюрприз от Осени – грибочек с яблоками для всех ребят.

Читать далее →

Опубликовано: 27.04.2018

10 апреля наша группа приняла участие в общем для всего детского сада мероприятии – Дне открытых дверей.

Родители наших воспитанников могли присутствовать как в процессе образовательной и игровой деятельности,  так и во время режимных моментов. Для всех желающих была представлена непосредственно-образовательная деятельность по аппликации «Веточка вербы», а также театрализованная игра … Читать далее →

Опубликовано: 27.04.2018

Последние мартовские дни в нашей группе были посвящены обсуждению таких недетских, но очень важных даже для малышей, тем. В игровой форме мы с ребятами обсуждали правила поведения на дороге и основы пожарной безопасности. На практике выясняли, как же вести себя во время пожара – учились быстро одеваться и в сопровождении … Читать далее →

VMware ESXi на Raspberry Pi: первые тесты и выводы

Не так давно в статье на Хабре мы рассказывали, что VMware ESXi стала доступна для Raspberry Pi. В этой статье мы рассмотрим установку гипервизора и запуск гостевой ОС на Raspberry PI 4 Model B.

Мы подразумеваем, что читатель обладает базовыми навыками по работе с VMWare ESXi.

Подготовка рабочего места

Прежде чем приступать к установке, необходимо подготовить рабочее место. Вот что использовалось при написании инструкции:

  • Raspberry Pi 4 Model B 4GB RAM;
  • источник питания Qualcomm GA-QC810;
  • кабель USB A to USB type C;
  • карта MicroSD 16GB;
  • адаптер MicroSD to USB;
  • USB флешка 32GB;
  • USB флешка 16GB;
  • кабель HDMI-mini to HDMI;
  • комплект клавиатура+мышь с беспроводным адаптером;
  • ноутбук с Ubuntu 20.04;
  • кабель RJ-45;
  • монитор.

Уделите особое внимание источнику питания, так как нехватка тока может привести к разным ошибкам в процессе установки гипервизора. Используемый нами Qualcomm GA-QC810 дает 3А при напряжении 5В, что идеально подходит для нашей «малинки». Также рекомендуем использовать активное охлаждение Raspberry PI вместо пассивного.

При установке рекомендуется использовать монитор и клавиатуру. Способ с использованием последовательного порта поддерживается, но ограничен по функциональности.

Обратите внимание, что на момент написания статьи VMWare ESXi не поддерживает модуль Wi-Fi, для подключения к сети используется только проводной интерфейс.

Теперь, когда известны все ограничения текущей версии, можно приступать к подготовке нашего одноплатного компьютера.

Обновление EEPROM

Первым делом обновите EEPROM «малинки». Эта процедура выполняется в Raspberry PI OS. Эта ОС должна быть предустановлена на Raspberry PI, но, если вы уже устанавливали другую ОС, это не проблема.

Скачиваем Raspberry Pi Imager с официального сайта. Для Ubuntu программа распространяется в виде deb-пакета. Далее в терминале переходим в каталог со скачанным пакетом и устанавливаем его:

sudo dpkg -i imager_1.4_amd64.deb

Могут возникнуть ошибки, связанные с неразрешенными зависимостями. Необходимые зависимости устанавливаются с помощью команды apt:

sudo apt --fix-broken install

Если зависимости и Imager успешно установились, можно приступать к установке Raspberry Pi OS.

Окно Raspberry Pi Imager v1.4 с выбранными ОС и накопителем

Подключаем MicroSD-карту к ноутбуку и запускаем утилиту. В качестве ОС выбираем Raspberry Pi OS (32-bit), а в качестве SD Card — подключенную MicroSD-карту. Убедитесь, что выбрали правильное устройство, так как нажатие кнопки «write» сотрет все данные на устройстве и запишет туда файлы выбранной ОС.

Запись Raspberry Pi OS на MicroSD-карту

После завершения записи утилита дополнительно проверит корректность записанных данных. Если все хорошо, то устанавливаем MicroSD-карту в Raspberry Pi и запускаем. После загрузки ОС нас приветствует первоначальная настройка ОС. Отвечаем на ее вопросы и ближе к концу соглашаемся обновить ПО.

Обновлений EEPROM не найдено

После обновления ПО можно приступать к обновлению EEPROM. Сначала проверим наличие обновлений:

sudo rpi-eeprom-update

У нас установлена актуальная версия, поэтому необходимости выполнять обновление нет. Однако если версия CURRENT все же отличается от LATEST, то обновляемся:

sudo rpi-eeprom-update -a
sudo reboot

Теперь, когда EEPROM обновлен, приступаем к установке образа UEFI.

Установка UEFI


Для загрузки VMWare ESXi необходим UEFI, которого по умолчанию нет на Raspberry Pi. Это легко исправить. Выключаем «малинку», извлекаем MicroSD-карту и подключаем ее к ноутбуку.

Карточку необходимо отформатировать в FAT32 и примонтировать в удобное место:

sudo mkfs.fat -I /dev/sdX
sudo mount /dev/sdX /mnt

Обратите внимание, что мы создаем файловую систему прямо на накопителе без использования таблицы разделов. Далее скачиваем и распаковываем архив с содержимым репозитория raspberrypi/firmware.

cd /tmp
wget 'https://github.com/raspberrypi/firmware/archive/master.zip'
unzip master.zip

В репозитории нас интересует содержимое каталога boot, кроме файлов с расширением .img, которые представляют собой образы с ядром ОС Linux. Избавляемся от img-файлов и копируем содержимое каталога на MicroSD-карту:

cd firmware-master/boot
rm -f *.img
sudo cp -r * /mnt

Так как это оригинальные файлы прошивки, в них нет UEFI. Скачиваем модули с UEFI отдельно на странице релизов:

cd /tmp
mkdir uefi
cd uefi
wget 'https://github.com/pftf/RPi4/releases/download/v1.20/RPi4_UEFI_Firmware_v1.20.zip'
unzip RPi4_UEFI_Firmware_v1.20.zip
rm RPi4_UEFI_Firmware_v1.20.zip

Если вы используете Raspberry Pi с 4 ГБ оперативной памяти, то в config.txt необходимо добавить строчку gpu_mem=16:

echo "gpu_mem=16" >> config.txt

После этого добавляем файлы на MicroSD-карту:

sudo cp -r * /mnt

Далее отмонтируем карту, устанавливаем ее в Raspberry Pi и запускаем.

Экран выбора загрузки

Если все сделано корректно, то UEFI быстро загрузится и «малинка» предложит зайти в настройки или продолжить загружаться.

UEFI Setup Utility на Raspberry Pi

Заходим в Setup и видим достаточно привычную для серверов картину. Однако глаз «цепляется» за строку «3072 MB RAM». Объяснение этому достаточно простое. По умолчанию оперативная память ограничивается до 3 ГБ для совместимости с другими ОС.

Отключение искусственного ограничения оперативной памяти

Так как нам нужна вся доступная на «малинке» оперативная память, то находим пункт Limit RAM to 3 GB по пути Device Manager — Raspberry PI Configuration — Advanced Configuration и устанавливаем в Disabled. После этого сохраняем настройки нажатием клавиши F10 и выходим из Setup Utility. Для применения настроек необходимо выполнить перезагрузку, о чем нас и попросят. Соглашаемся на перезагрузку, и наш Raspberry Pi готов к установке гипервизора.

Подготовка установочной флешки

Заходим на страничку ESXi Arm Edition, выбираем ESXi-Arm-ISO, соглашаемся с лицензией Technical Preview и принимаем факт, что Flings — это экспериментальное ПО и его стоит использовать только для тестовых целей.

Скачать образ без существующего аккаунта VMware не получится. Необходимо зарегистрироваться или войти со своей учетной записи. На странице загрузок выбираем ESXi for Arm ISO image (no VMware Tools). После скачивания разворачиваем ISO-образ на меньшую из флешек:

sudo dd if=VMware-VMvisor-Installer-7.0.0-16966451.aarch64.iso of=/dev/sdX bs=1M

Подключаем в Raspberry Pi флешку с образом и чистую флешку, которая будет выполнять роль системного диска, и включаем «малинку».

Назначение порядка загрузки

По умолчанию порядок загрузки UEFI начинается с попыток загрузиться по сети. Так как мы работаем с флешками, то заходим в Setup Utility и меняем порядок в следующем пункте настроек: Boot Maintenance Manager — Boot Options — Change Boot Order — Change the order. Записи меняют приоритет по нажатию кнопок +/-. Устанавливаем флешки первыми.

После установки приоритета необходимо нажать Enter для сохранения нового порядка, а затем сохранить изменения в конфигурации с помощью F10. Перезагружаем Raspberry Pi и наконец попадаем в установщик VMware ESXi.

Установка VMware ESXi

Дополнительные параметры для установщика

Ранее мы говорили, что предпочтительным способом общения с установщиком является использование монитора и клавиатуры, а не консоли. Эта рекомендация имеет наибольшую силу во время начала установки. При использовании клавиатуры можно нажать Shift + O и задать параметры для установщика, в то время как в консольном режиме это невозможно.

Мы как раз воспользуемся этим для ограничения раздела VMFS-L до 1 ГБ. Нажимаем Shift + O и прописываем autoPartitionOSDataSize=1024. Так у нас останется место на Datastore для виртуальных машин. К сожалению, нам не удалось заставить ESXi видеть другие USB-накопители и iSCSI-устройства, поэтому ограничение раздела VMFS-L — это пока единственный способ выделить место для хранилища ВМ.

Отвечаем на вопросы установщика, и спустя 10 минут VMware ESXi установлена. Обратим внимание, что установщик не задает вопросы про сетевые интерфейсы. Проводной интерфейс настроен получать адрес по DHCP, а беспроводной игнорируется системой.

Главная страница веб-интерфейса VMware ESXi

Если установка прошла успешно, то перезагружаем Raspberry Pi, извлекаем установочную флешку и дожидаемся загрузки гипервизора. Операционная система попытается получить адрес по DHCP на проводном интерфейсе, и если ей это удастся, то этап установки завершен.

Запуск виртуальной машины

Во время установки гипервизора мы ограничили размер VMFS-L раздела до 1 ГБ, что позволило оставить 20 ГБ под datastore — место, где виртуальные машины хранят свои данные. Мы бы очень хотели воспользоваться возможностью загрузки готовых OVA-образов, но, к сожалению, под архитектуру ARM64 такие образы не находятся.

Установка Debian 10 из ISO-образа

Так как легким путем пойти не удалось, придется искать образы CD с ОС под архитектуру ARM64. Мы выбрали Debian 10 и скачали netinstall-версию с cdimage.debian.org.

При создании виртуальной машины нужно уделить особое внимание количеству оперативной памяти и размеру диска гостевой ОС. Во-первых, диск гостевой ОС должен быть от 16 ГБ, чтобы установщику было где развернуться. Во-вторых, количество свободного места на VMFS-разделе должно превышать количество выделенной оперативной памяти для ВМ.

Таким образом, при наличии 20 ГБ свободного места на VMFS получилось создать виртуальную машину с 2 ГБ оперативной памяти и 18 ГБ постоянной памяти. При нарушении этого условия виртуальная машина откажется запускаться, и одной из причин будет No space left on device.

Гостевая Debian 10 Buster и характеристики виртуальной машины

После множества попыток нам удалось установить Debian 10 на виртуальной машине в следующей конфигурации:

  • 2 vCPU;
  • 1 ГБ RAM;
  • 17 ГБ диск.

Со стороны операционной системы важными являются следующие настройки:

  • один раздел для всего на 17 ГБ;
  • не использовать swap;
  • из компонентов на выбор поставить только SSH Server.

Конечно, успех был достигнут не с первой попытки.

Рекомендации по решению проблем

При установке гостевой ОС необходимо помнить, что работа гипервизора и гостевой ОС производится в условиях жесткой нехватки аппаратных ресурсов. Для решения части проблем необходимо просто набраться терпения и подождать.

Но не все проблемы решаются бездействием. Так, например, нам не удалось установить Debian с первого раза, поскольку виртуальная машина зависла на этапе разбиения диска, а следом завис и гипервизор.

Жесткая перезагрузка помогла продвинуть установку Debian дальше, но на этапе установки ядра ВМ опять зависала, потребление CPU снижалось до минимума, как и обращение к дискам. Гипервизор был неспособен перезагрузить ВМ, а datastore browser отображал бесконечную загрузку. Подозрения пали на флешку с гипервизором.

Задержка при обращении к диску до 150 секунд

Просто заменить флешку было невозможно, так как внешних накопителей подобного объема в ближайшем доступе не было. Графики мониторинга гипервизора говорили о больших задержках при обращениях к диску. Мы проверили установку Ubuntu 20.04 и CentOS 7, и каждая из ОС выдавала схожие симптомы, а проблема воспроизводилась в конкретные этапы установки.

Предположили, что установщику не хватает места. Мы сократили раздел VMFS-L до 1ГБ и выделили виртуальной машине 16 ГБ. Это сместило зависание виртуальной машины на самый конец установки и подтвердило догадку. Опытным путем было установлено, что для минимальной установки Debian 10 требуется диск на 17 ГБ.

В нашей сборке «бутылочным горлышком» было пространство на флешке, которого не хватало. Эту проблему можно решить использованием внешнего жесткого диска, однако в этом случае рекомендуем убедиться, что питания Raspberry Pi хватит для работы этого диска.

Заключение

Мы добились желаемого и не просто поставили гипервизор на Raspberry Pi, но и установили гостевую ОС, которая корректно работает. Хочется отметить, что запуск VMware ESXi на «малинке» был увлекательной и местами нетривиальной задачей.

Несмотря на малую вычислительную мощность Raspberry Pi, вероятно в будущем, ее можно применить в качестве бюджетного хоста-свидетеля (witness) для программно-определяемого хранилища VMware vSAN.

Стали известны подробности смертельного ДТП у Малинок

К обочине дороги возле поселка Малинки стянуты экипажи ДПС и пожарные расчеты. На месте аварии работают эксперты-криминалисты и дознаватели. Сюда же лично приехал начальник областного управления ГИБДД Роман Головкин.

Повсюду разбросаны детали разбитых машин, личные вещи пострадавших, визитки. На стеклах и подушках безопасности в иномарках – капли крови. В салоне зеленого ВАЗА 99 модели тела двух погибших пенсионеров. Сегодня утром на этом месте столкнулись сразу три автомобиля.

«По предварительным данным, автомобиль «ВАЗ» 99-ой модели, следовавший со стороны Родников, занесло, водитель не справился с управлением. Автомобиль выехал на полосу встречного движения, где столкнулся с автомобилем «Шевроле Лачетти», – сообщила инспектор отделения пропаганды УГИБДД УМВД России по Ивановской области Екатерина Большакова.

От мощного удара «ВАЗ» отбросило на обочину, а «Шевроле» столкнулся с ехавшим сзади «Митсубиси». В результате водитель «Лачетти» и двое его пассажиров получили тяжелые травмы и были госпитализированы. Мужчина за рулем 99-й также был доставлен в клинику, а вот двое его пассажиров погибли на месте.

Андрей Лазарев, корреспондент: «Учитывая насколько сильно раскорежена задняя часть отечественной легковушки, можно предположить, что основной удар пришелся именно на то место, где находились пассажиры. Также можно обратить внимание, что на колесах «ВАЗа» установлена летняя резина. Возможно, именно из-за нее автомобиль занесло на зимней трассе».

Водитель Митсубиси – единственный, кто отделался лишь легким испугом. Игорь еще не успел оправиться от пережитого шока и с явной неохотой рассказывает журналистам подробности трагедии.

«– Как все проиcходило?

– Я ехал сзади машины «Шевроле», а этот вылетел на встречку и ударил «Шевроле». «Шевроле» откинуло на меня.

– Удар сильный был?

– Хороший…

– А вы сами как себя чувствуете?

– Я хорошо себя чувствую.

– Подушки сработали?

– Да».

Чтобы извлечь тела погибших с заднего сиденья искореженного «ВАЗа» спасателям пришлось использовать спецсредства. Сотрудники силовых ведомств работали на месте несколько часов. Уже удалось выяснить, водитель «Шевроле Лачетти» работал в службе такси. По предварительным данным, все его документы в порядке. А вот что же стало истинной причиной страшной аварии около Малинок, еще только предстоит разобраться.

Однако столичному региону не хватает объектов по обращению с отходами

Власти Москвы не планируют размещать бытовые отходы на полигоне «Малинки» в Новой Москве, рассказал глава столичного департамента ЖКХ Гасан Гасангаджиев. По его словам, у правительства Москвы нет такой потребности. Между тем, в Минприроды России “Ъ” сообщили, что столичный регион сегодня «нуждается в дополнительных объектах по обращению с отходами». Ранее региональные чиновники признавали, что нехватка мощностей по размещению отходов уже спровоцировала «мусорный» коллапс в Подмосковье.

Полигон «Малинки» в Новой Москве не будет использоваться для размещения твердых бытовых отходов (ТБО). Об этом на заседании Мосгордумы в четверг сообщил глава столичного департамента ЖКХ города Гасан Гасангаджиев.

В конце сентября Главгосэкспертиза одобрила проект расширения закрытого ранее полигона «Малинки» (Троицкий административный округ) «за счет строительства опытно-экспериментальной площадки по обработке, отбору вторичных материальных ресурсов, захоронению и утилизации твердых коммунальных отходов». В рамках проекта, в частности, будут проведены аварийно-восстановительные мероприятия и дозагрузка существующего захоронения полигона, а также создана опытно-экспериментальная площадка для приема и безопасного захоронения твердых коммунальных и приравненных к ним отходов с целью восстановления нарушенного рельефа и создания упорядоченного ландшафта, сообщают в Главгосэкспертизе.

Полигоны ТБО до 2025 года могут размещаться и эксплуатироваться на территории муниципальных образований, включенных в состав Москвы в результате изменения ее границ. Общая площадь «Малинок» — 64,13 га, «максимальное общее количество размещаемых отходов на полигоне составит 10,8 млн тонн, в том числе 7,7 млн тонн твердых коммунальных отходов, 1,5 млн тонн отходов грунта, сопутствующих проведению земляных работ четвертого и пятого класса опасности, и 1,7 млн тонн осадка, образующегося в процессе очистки сточных вод».

«У правительства Москвы потребности в размещении на этом объекте (полигон «Малинки».— “Ъ”) на сегодняшний момент нет», — сказал Гасан Гасангаджиев. По его словам, объект будет разморожен только для того, чтобы провести санитарную обработку территории после недобросовестной работы предыдущего эксплуатанта. В частности, не выполнялись такие мероприятия, как пересыпка слоев грунтом при рекультивации, пояснил господин Гасангаджиев. Он отмечает, что предстоит выровнять склоны полигона за счет строительных грунтов, полученных при работах по строительству метрополитена, чтобы восстановить «пологость». «Очень серьезно ограничен срок жизненного цикла этого полигона — до конца 2024 года, и весь реализованный комплекс мероприятий направлен именно на то, чтобы обеззаразить существующий объект до этого срока»,— говорит Гасан Гасангаджиев.

Между тем в Минприроды России сказали “Ъ”, что столичный регион «сегодня нуждается в дополнительных объектах по обращению с отходами до строительства перерабатывающих заводов» — предприятий по термическому обезвреживанию отходов, строительство которых в Подмосковье запланировано проектом «Чистая страна».

Напомним, с 2013 года в Подмосковье прекратили принимать коммунальный мусор 24 полигона из 39. В частности, в июне 2017 года в режиме ЧС прекратил работу полигон крупнейший «Кучино» (Балашиха), куда поступала часть бытовых отходов Москвы. Закрытие полигонов спровоцировало мусорный коллапс в Подмосковье, считают региональные чиновники. Жители региона в социальных сетях массово сообщают о проблемах с вывозом мусора — так, в Видном и Подольске не соблюдается график уборки контейнерных площадок, из-за чего образуются стихийные помойки, а в Пушкино при смене подрядчика по вывозу коммунального мусора часть города осталась без контейнеров, отходы скапливались на улицах почти две недели.

Ранее Совет по правам человека при президенте (СПЧ) обратился в прокуратуру Москвы с просьбой проверить законность строительства полигона «Малинки». О строительстве полигона СПЧ сообщили жители Троицкого административного округа. Они, в частности, опасаются ухудшения качества питьевой воды из-за близости полигона к населенным пунктам и дачным товариществам. «Учитывая негативную реакцию жителей на появившуюся информацию и назревающий социально-экологический конфликт, который уже привлек более 25 тыс. участников—граждан России, совет берет ситуацию со строительством полигона на контроль»,— говорится на сайте СПЧ.

Ольга Никитина


что это, кому и зачем может пригодиться? — Техника на vc.ru

Raspberry Pi 400 — новое устройство в виде небольшой клавиатуры, внутри которой полноценный ПК. Стоимость девайса в базовой комплектации — $70. В обзоре Selectel рассказываем, для каких целей он подходит и кому будет пригоден.

{«id»:174399,»url»:»https:\/\/vc.ru\/tech\/174399-raspberry-pi-400-chto-eto-komu-i-zachem-mozhet-prigoditsya»,»title»:»Raspberry Pi 400: \u0447\u0442\u043e \u044d\u0442\u043e, \u043a\u043e\u043c\u0443 \u0438 \u0437\u0430\u0447\u0435\u043c \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0438\u0433\u043e\u0434\u0438\u0442\u044c\u0441\u044f?»,»services»:{«facebook»:{«url»:»https:\/\/www.facebook.com\/sharer\/sharer.php?u=https:\/\/vc.ru\/tech\/174399-raspberry-pi-400-chto-eto-komu-i-zachem-mozhet-prigoditsya»,»short_name»:»FB»,»title»:»Facebook»,»width»:600,»height»:450},»vkontakte»:{«url»:»https:\/\/vk.com\/share.php?url=https:\/\/vc.ru\/tech\/174399-raspberry-pi-400-chto-eto-komu-i-zachem-mozhet-prigoditsya&title=Raspberry Pi 400: \u0447\u0442\u043e \u044d\u0442\u043e, \u043a\u043e\u043c\u0443 \u0438 \u0437\u0430\u0447\u0435\u043c \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0438\u0433\u043e\u0434\u0438\u0442\u044c\u0441\u044f?»,»short_name»:»VK»,»title»:»\u0412\u041a\u043e\u043d\u0442\u0430\u043a\u0442\u0435″,»width»:600,»height»:450},»twitter»:{«url»:»https:\/\/twitter.com\/intent\/tweet?url=https:\/\/vc.ru\/tech\/174399-raspberry-pi-400-chto-eto-komu-i-zachem-mozhet-prigoditsya&text=Raspberry Pi 400: \u0447\u0442\u043e \u044d\u0442\u043e, \u043a\u043e\u043c\u0443 \u0438 \u0437\u0430\u0447\u0435\u043c \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0438\u0433\u043e\u0434\u0438\u0442\u044c\u0441\u044f?»,»short_name»:»TW»,»title»:»Twitter»,»width»:600,»height»:450},»telegram»:{«url»:»tg:\/\/msg_url?url=https:\/\/vc.ru\/tech\/174399-raspberry-pi-400-chto-eto-komu-i-zachem-mozhet-prigoditsya&text=Raspberry Pi 400: \u0447\u0442\u043e \u044d\u0442\u043e, \u043a\u043e\u043c\u0443 \u0438 \u0437\u0430\u0447\u0435\u043c \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0438\u0433\u043e\u0434\u0438\u0442\u044c\u0441\u044f?»,»short_name»:»TG»,»title»:»Telegram»,»width»:600,»height»:450},»odnoklassniki»:{«url»:»http:\/\/connect.ok.ru\/dk?st.cmd=WidgetSharePreview&service=odnoklassniki&st.shareUrl=https:\/\/vc.ru\/tech\/174399-raspberry-pi-400-chto-eto-komu-i-zachem-mozhet-prigoditsya»,»short_name»:»OK»,»title»:»\u041e\u0434\u043d\u043e\u043a\u043b\u0430\u0441\u0441\u043d\u0438\u043a\u0438″,»width»:600,»height»:450},»email»:{«url»:»mailto:?subject=Raspberry Pi 400: \u0447\u0442\u043e \u044d\u0442\u043e, \u043a\u043e\u043c\u0443 \u0438 \u0437\u0430\u0447\u0435\u043c \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0438\u0433\u043e\u0434\u0438\u0442\u044c\u0441\u044f?&body=https:\/\/vc.ru\/tech\/174399-raspberry-pi-400-chto-eto-komu-i-zachem-mozhet-prigoditsya»,»short_name»:»Email»,»title»:»\u041e\u0442\u043f\u0440\u0430\u0432\u0438\u0442\u044c \u043d\u0430 \u043f\u043e\u0447\u0442\u0443″,»width»:600,»height»:450}},»isFavorited»:false}

25 687 просмотров

Спойлер: пользу обнаружат даже школьники.

На днях Raspberry Pi Foundation представила новое устройство, которое получило название Raspberry Pi 400. В отличие от прошлых систем, это не совсем одноплатный ПК. Точнее, он, только в форм-факторе клавиатуры, и с рядом доработок.

Устройство хочется назвать «новым Spectrum», но, конечно, это только желание, которое с действительностью имеет мало общего. Внутри клавиатуры — Raspberry Pi 4 4GB, адаптированного специально для новой системы. Базовый девайс с ценой $70 включает мышь, блок питания, необходимые для работы кабели, microSD карточку и копию Raspberry Pi Beginner’s Guide.

В целом, все хорошо — те, кто разрабатывал дизайн Raspberry Pi 400, не зря свой хлеб едят. Девайс привлекает внимание необычным форм-фактором, и напоминает о классических ПК, включая Commodore 64, «Микрошу» и все тот же ZX Spectrum.

Новые возможности.

Selectel

Размеры клавиатуры — 283 x 120 x 20 мм. Судя по отзывам тех, кто уже опробовал устройство в работе, клавиатура удобная, никаких проблем работа на ней не вызывает. Но клавиатура — это еще не все, на задней панели системы — ряд портов и разъемов, включая GPIO, слот для карт памяти, сразу два порта micro HDMI, два порта USB 3.0 и один USB 2.0. Есть еще и гигабитный Ethernet, так что пользователь получает все, что нужно.

Для чего оно может пригодиться?

По словам разработчиков из Raspberry Pi Foundation, устройство создавалось для того, чтобы практически любой пользователь мог получить свой собственный персональный компьютер — как для обычной офисной работы, так и для нужд разработки. Его небольшой размер и обилие портов и протоколов связи дают возможность использовать систему в полевых условиях, дома и на улице.

Систему можно подключить к любому телевизору и начать изучать программирование — детям и подросткам подобная система подойдет как нельзя лучше.

«Моя мечта заключается в том, чтобы соблазнить людей купить ПК, а затем хитростью заставить их стать программистами. Вот что случилось со мной: меня заманили купить BBC Micro, а впоследствии я стал инженером-программистом», — заявил основатель Raspberry Pi Эбен Аптон.

Девайс не слишком мощный, но видео в 4K он «тянет» без проблем, даже вот это видео Costa Rica in 4K 60fps HDR на 720p — видимых лагов нет. Небольшие затруднения иногда возникают со звуком, но это все решаемо.

Сейчас, в условиях пандемии, Raspberry Pi 400 будет востребован — как у студентов, школьников, так и у взрослых людей, которым система нужна для работы.

Характеристики устройства

  • Габариты: 286×122×23 мм.
  • Процессор: 4-ядерный Broadcom BCM2711 (Cortex-A72), 1,8 ГГц.
  • Память: 4 ГБ оперативной LPDDR4, слот для microSD.
  • Порты: 2×USB 3.0 Type-A, 1×USB 2.0 Type-A, 2×microHDMI, 40-пиновый разъём GPIO, Ethernet.
  • Связь: Wi-Fi 802.11ac, Bluetooth 5.0.

Клавиатура доступна в шести разных вариантах, включая Великобританию, США, Германию, Францию, Италию, Испанию. В ближайшее время разработчики планируют добавить варианты для Норвегии, Швеции, Дании, Португалии и Японии. Кроме чисто белого девайса, планируется выпустить варианты в сером и черном цветах.

Аптон считает, что ARM вполне может использоваться в качестве архитектуры для десктопных ПК. И текущий проект — попытка расширить возможность применения ARM-процессоров. Архитектура x86, по словам Аптона, уже не является синонимом для процессоров x86.

Приступая к работе

Несмотря на оригинальный форм-фактор, это все еще Raspberry Pi 4 4GB. Возможности аналогичные, кроме единственного исключения — у нового девайса нет CSI и DSI коннекторов, которые используются для подключения официальных камеры и тачскрина. Что касается пропажи коннектора для экрана — то это не страшно, поскольку девайс можно подключить к телевизору или монитору. Но вот разъем для камеры жалко.

А вот с коннектором GPIO проблем нет, доступ к нему возможен с задней стенки.

Что касается выбора ОС, то один из вариантов — Ubuntu 20.10, о котором мы недавно писали. Дистрибутив записан на SD-карту, которая входит в комплект поставки. Ubuntu на карте — это инсталлятор, при первой загрузке пользователю будет задан ряд вопросов, после чего система сконфигурируется соответствующим образом.

Система работает из коробки, так что проблем нет — все функционирует, как нужно. Единственный не очень приятный момент — Ubuntu работает все же медленнее, чем Raspberry Pi OS. Но с этим можно жить, тем более, что разница не огромная.

Если кто тестировал Raspberry Pi 4, то можно было заметить, как греется этот одноплатник. Сторонние разработчики выпускали разные решения для этой проблемы. Здесь же температура не поднимается выше 30°C благодаря эффективной системе охлаждения, хотя и пассивной, которая установлена внутри клавиатуры. Максимальная температура, которую заметили пользователи, опробовавшие Raspberry Pi 400 — 52°C. Стоит напомнить, что температурный предел функционирования «малинки» — 85°C.

О достоинствах мы уже говорили, среди недостатков — относительно небольшой размер клавиатуры, что может оказаться не слишком комфортным для людей с большими руками. Кроме того, пока что нет версии с 8 ГБ ОЗУ, со всеми вытекающими последствиями. Ну и понятно, что проапгрейдить систему не получится — это одноплатник в клавиатуре, а не полноценный десктопный ПК.

Что внутри?

Если разобрать «малинку» с клавиатуррой, то окажется, что внутри все неплохо организовано. Единственное, об апгрейде и речи не идет, поскольку конфигурация и размещение элементов на платах разных поколений Raspberry Pi отличается друг от друга.

Для того, чтобы открыть «системный блок» лучше использовать специализированные инструменты, а не нож — в противном случае на корпусе можно оставить заметные следы вскрытия, что всегда не очень приятно.

В сухом остатке

Это маленький универсальный десктопный ПК, который идеально подходит для решения офисных задач, разработки, обучения детей и взрослых принципам работы с компьютером и ОС Linux. При этом устройство стоит значительно меньше, чем даже базовый ноутбук или хромбук — у ритейлеров комплект с Raspberry Pi 400 стоит около $90. Да, можно купить бу ноутбук, но это будет не очень мощное устройство, которое, к тому же, уступает в оригинальности «малинке».

Для разработчиков Raspberry Pi 400 — отличная система, в особенности благодаря сохраненному разъему 40-pin GPIO. Не только взрослые, но и дети школьного возраста, которым нравится электроника, смогут использовать девайс для создания интересных электронных проектов, ПО и всего прочего.

Понравился обзор? Подписывайтесь на блог Selectel, всегда делимся полезными материалами.

Новости: Мусор едет в «Малинки» — Эксперт

Свет клином сошелся на мусоре

— Раньше от дома до свалки было два километра, а теперь, после того как для расширения свалки вырубили лесополосу, это расстояние сократилось до 800 метров. Прямо сейчас туда выстроилась вереница машин — фур 30, не меньше, я по фарам считаю, — рассказывает «РР» Наталья Цеценевская, жительница деревни Белавино, расположенной недалеко от подмосковного Клина. — И видно, как мусор тлеет и факел горит.

«Алексинский карьер» — полигон для хранения бытовых отходов, основанный в 1993 году. Он расположен в 70 километрах от Москвы, в двух километрах от города Клин и в одном километре от Новощаповской средней школы.

Наталья Цеценевская с мужем и дочкой проживают еще ближе к свалке: она видна из окон второго этажа. Семья живет возле поворота на «Алексинский карьер» с 2011 года. В 2014 году появился неприятный запах.

— Я поначалу газовиков вызывала, а потом дошло, что это свалочный газ, сейчас уже просто нет слов, — жалуется женщина. — Раньше у моей дочери не болела голова, но последние два с половиной года, как только начинает вонять, у нее начинается головная боль.

В 2014 году по поручению президента свалку официально закрыли, Министерство экологии области сообщило, что она заполнена и исчерпала свои возможности. Несмотря на это, туда начали свозить мусор из Москвы. По словам местных, в день приезжает до 700 грузовиков. На полигоне складировано более 5 млн кубометров мусора. Высота свалки составляет 25 метров. Последние две недели, по словам Натальи, машин стало еще больше. Вероятно, мусор везут с других районов, где дорогу на свалку перекрыли протестующие.

«Я переехал сюда из Москвы в надежде, что дети будут жить в чистом городе. А сейчас мы за это боремся. Но это нужно, чтобы летом, когда вы придете купаться на плотину, а ваш сын спросит, как это стало возможно, вы ответите: твои папа и мама закрыли свалку» 

В вербное воскресенье, 1 апреля, Наталья вместе с маленькой дочкой Яной вышла из дома.

— За пять минут мимо нас проехали восемь машин с мусором и лишь один грузовик с грунтом, — говорит она. — Вонь стоит жуткая и на улице, и дома.

4 марта в Клину прошел митинг с требованием закрыть «Алексинский карьер». На 14 апреля, когда губернатор области Андрей Воробьев будет отмечать день рождения, местные подали заявку на проведение митинга против свалки.

Похожие ситуации сложились в Чехове, Серпухове и Коломне. С 25 марта, после очередного выброса свалочного газа с мусорного полигона «Воловичи» в Коломне, местные жители неделю не давали мусоровозам из Москвы проехать на свалку. Некоторых протестующих задержали.

Ситуация с полигоном «Воловичи» начала развиваться в апреле прошлого года, когда на него возросла нагрузка и неприятный запах не заставил себя ждать. Зимой запах усилился, а 11 февраля 2018 года местные жители не выдержали и пошли с протестом в администрацию. Почти три тысячи людей требовали закрытия полигона, выступали против открытия новой свалки и за раздельный сбор мусора в городе.

До сих пор местная администрация не искала компромисса, однако после нешуточной ситуации в Волоколамске и активных протестов его жителей 29 марта коломенские власти решили все-таки рекультивировать полигон. Сейчас его спешно засыпают землей, в декабре хотят установить станцию очистки фильтрата. Но жители не намерены ждать и тоже собираются на митинг 14 апреля.

Волоколамск — Ядрово протеста

— Пусть Воробьев купит себе домик в «Ядрово» и живет там! — говорит в микрофон женщина. — Воробьев, тебя ненавидит все Подмосковье! В отставку!

— В отставку! — подхватывают митингующие. Из колонок громко звучит песня: «Вставай, страна огромная! Вставай на смертный бой!.. Идет война народная, священная война!»

1 апреля в полдень на центральной площади Волоколамска начался митинг, который собрал шесть тысяч человек. Настрой у всех решительный — накипело, как говорится. Местные жители требуют немедленного закрытия полигона «Ядрово», отставки губернатора Московской области Андрея Воробьева, главы Волоколамского района Андрея Вихарева, а также освобождения арестованного накануне активиста Артема Любимова.

Митингующих приехали поддержать депутаты из Чеховского и Серпуховского районов, к микрофону выходил и мэр города Волоколамска Петр Лазарев. Вслед за ним вышел подросток:

— Нас обманывают! Почему свалку не закрывают? Почему Путин не приедет? — обращается он к толпе. — Я не хочу умереть в свои 11 лет. Нет свалке «Ядрово»!

В ответ люди на площади громко кричат «Нет!», из колонок начинает играть «Перемен» Виктора Цоя, собравшиеся машут над головами белыми воздушными шарами.

Скандал в Волоколамске длится больше месяца. Отправной точкой стал выброс свалочного газа в ночь с 22 на 23 февраля. Тогда в городе прошли акции протеста, к жителям приезжал губернатор Воробьев. Он уволил прежнего главу района Евгения Гаврилова. 21 марта вновь произошел большой выброс газов, жители пожаловались на отравление газом. За период с 21 по 29 марта за помощью к медикам обратились более 500 жителей Волоколамска, из них 418 — дети. Свои жалобы они списывали на токсичность полигона. Однако стоит отметить, что случаев, которые требовали бы госпитализации или серьезного медицинского вмешательства, не отмечено, никто не умер. Губернатор Воробьев даже заявил, что результаты анализов, взятых у жителей Волоколамска, не подтверждают версию отравления токсинами с полигона. Тем не менее жителей сейчас волнуют не только диагнозы, но и здоровье детей в будущем. А долгосрочная опасность лучше мобилизует людей, чем разовые происшествия. Как утверждают врачи, последствия отравления свалочным газом и прочими гадостями, связанными с мусором, проявляются не сразу.

30 числа в городе ввели режим ЧС. Администрация сначала ограничила деятельность полигона, а потом, поняв, к чему все идет, пригрозила оператору «Ядрово» уголовной ответственностью.

Официально полигон должен закончить прием отходов 14 апреля 2018 года. Рядом в тот же день намечено открытие второго тела полигона. Но власть идет на компромисс с жителями: как заявил губернатор Воробьев, туда будут свозить только местный мусор, прошедший обязательную переработку. И все-таки жители подали заявление в суд с требованием полностью закрыть полигон.

Предмет компромисса

Вероятно, в тех местах, где жители настроены решительнее всего, власти все же закроют свалки. Но не в соответствии с ожиданиями, а когда сочтут условия для этого наиболее подходящими. Ведь даже на закрытом «Кучино» основные земляные работы по рекультивации перенесли с весны на лето, поскольку они могут привести к появлению неприятного запаха. А на носу у России чемпионат мира по футболу. Вряд ли перед этим закроют полигоны и приступят к их дегазации. Жители уверены, что по факту работы начнутся лишь осенью 2018 года.

— Воробьев до конца этого года обещал все сделать, но сейчас там, по сути, ничего еще и не начиналось. А теперь, накануне чемпионата мира по футболу, власти оттягивают работы на осень, потому что престиж дороже. В общем, работы начнут не раньше осени, — говорит член инициативной группы жителей Балашихи Евгений Ващенко. — Поэтому мы подаем заявление на проведение 14 апреля митинга по поводу бездействия власти.

На законсервированной свалке «Малинки» под Троицком так и не начинается рекультивация, а свалочный газ копится. Местные жители опасаются, что эта зловонная «бомба» рванет сильнее, чем в Волоколамске.

Объектом недовольства и выплеска эмоций является губернатор Московской области Андрей Воробьев. И это несмотря на то, что, рассуждая рационально, легко увидеть: во-первых, региональные власти идут на компромисс и пытаются закрывать большие полигоны, а во-вторых, корень проблемы — межрегиональный и даже страновой: ведь это проблема утилизации мусора из мегаполисов России, в данном случае из многомиллионной Москвы, с ее внушительными темпами потребления. Но на самом деле и протестующие, и региональные власти понимают, что ключевые решения в федеральном центре будут приниматься исходя из того, сможет ли губернатор Воробьев сейчас справиться с подмосковными протестами. И в этой ситуации шансы на результат протестов очень большие.

Мусор поедет в «Малинки»?

Допустим, что протесты возымели эффект — свалки закрыты. Но Москва, как и область, не перестанет выбрасывать мусор. И весь вопрос, куда его девать. Кому нужно приготовиться к газовой атаке с очередного переполненного полигона? Еще в 2017 году власти столицы одобрили создание нового крупнейшего в области мусорного полигона в Новой Москве, в 10 километрах от города Троицка. Полигон с прекрасным названием «Малинки» будет открыт на месте законсервированной в прошлом году старой свалки. По прогнозам, он будет принимать до 1 млн тонн мусора в год. Всего в четырех километрах от того места расположена деревня Чириково, а также несколько коттеджных поселков и садов. Значит, через несколько лет на митинг поедут жители Новой Москвы?

Очевидно, что рациональный выход из сложившейся ситуации только один: инвестировать в мусороперерабатывающие заводы и немедленно начать раздельный сбор мусора в Москве и по всей стране, в расчете на его последующую вторичную переработку.

— Люди должны понимать, что с закрытием свалок проблема не исчезнет. Конечно, возможность иметь в перспективе чистый воздух и хорошую экологию сохраняется, но проблема в том, что в Москве и области нет единой схемы управления отходами и полигонами, — рассказал «РР» заместитель председателя экологической партии России «Зеленые» Алексей Гусенков. — Главное сейчас — немедленно начать в Москве и области раздельный сбор мусора и вторичную его переработку. А то, с чем не справится переработка, съест бразильский червь. Он ест вообще все, причем после него остается отличный гумус. Можно и такой вариант рассматривать.

По мнению специалиста, вся беда произошла от того, что во многих районах нет планов развития территорий.

— В каждом муниципалитете обязательно должны быть мусоросортировочные станции и генеральные планы развития территорий, чтобы люди понимали, как и где они потом будут жить, что будет со свалкой, — пояснил Алексей Иванович. — К тому же надо учитывать, что владельцы мусорных свалок заботятся не об экологии, а о доходах.

По данным международной общественной организации «Гринпис», сегодня в Московской области свалки занимают уже более 15 квадратных километров — это почти площадь Москвы внутри Садового кольца. «Зеленые» также считают, что для властей столицы и области лучше всего принять программу по обращению с отходами. Внедрение сортировочных станций сократит количество отходов лишь на 10%, сжигание отходов приведет к загрязнению воздуха веществами, опасными для всего живого, и образованию токсичной золы. А вот переработка отходов в полезную продукцию позволит сократить количество мусора на 75–80%. Сделать это получится не через год-два и даже не через пять, но начинать надо прямо сейчас.

Ясно, что до внедрения в стране сложного процесса переработки мусор будут временно сжигать на современных мусоросжигающих станциях. Это не очень хорошо, но по крайней мере лучше закапывания в землю. Конечно, жители этим также будут недовольны и вновь выйдут на улицы, что послужит поводом для ускоренного открытия мусороперерабатывающих заводов, когда это станет возможным.

Таким образом, мусорные протесты — российская повестка на ближайшие годы. И уже 14 апреля во многих городах люди выйдут на митинги против мусорной отравы.

Машинное обучение и оценка глубины с использованием Raspberry Pi

Один из наших инженеров, Дэвид Плаумэн, описывает машинное обучение и делится новостями о задаче оценки глубины Raspberry Pi , проводимой ETH Zürich (Швейцарский федеральный технологический институт).

Спойлер — все это происходит виртуально, так что вы определенно можете совершить поездку и присутствовать на ней или, возможно, даже ввести себя .

Что такое машинное обучение?

Машинное обучение (ML) и Искусственный интеллект (AI) — одни из самых популярных на данный момент модных словечек, связанных с инженерным делом, и, вероятно, наиболее важной среди текущих парадигм машинного обучения является искусственная нейронная сеть (ANN).

Они включают в себя миллионы крошечных вычислений, объединенных в гигантскую биологически вдохновленную сеть — отсюда и название. Эти сети обычно имеют миллионы параметров, управляющих каждым вычислением, и их необходимо оптимизировать для каждой конкретной задачи.

Этот процесс оптимизации параметров таким образом, чтобы данный набор входных данных правильно создавал известный набор выходных данных, известен как обучение , и это то, что вызывает ощущение, что сеть «обучается».

Популярным типом ИНС, используемым для обработки изображений, является сверточная нейронная сеть. Многие небольшие вычисления выполняются на группах входных пикселей для получения каждого выходного пикселя.

Фреймворки машинного обучения

Ряд известных компаний производят бесплатные фреймворки машинного обучения, которые вы можете загрузить и использовать на своем компьютере. Процедура обучения сети лучше всего работает на машинах с мощными процессорами и графическими процессорами, но даже использование одной из этих предварительно обученных сетей (известная как вывод ) может быть довольно дорогостоящим.

Одним из самых популярных фреймворков является Google TensorFlow (TF), и, поскольку он довольно ресурсоемкий, они также производят урезанную версию, оптимизированную для менее мощных платформ. Это TensorFlow Lite ( TFLite ), который может эффективно работать на Raspberry Pi.

Оценка глубины

ИНС

отлично зарекомендовали себя в решении широкого круга задач обработки изображений, в первую очередь классификации и обнаружения объектов, а также оценки глубины .Это процесс получения одного или нескольких изображений и определения того, как далеко каждая часть сцены находится от камеры, создавая карту глубины .

Вот пример:

Изображение справа показывает по яркости каждого пикселя, как далеко объекты на исходном (левом) изображении находятся от камеры (темнее = ближе).

Мы различаем оценку глубины стерео , которая начинается со стереопары изображений (взятых с незначительно разных точек обзора; здесь параллакс может использоваться для информирования алгоритма), и оценка глубины монокуляр , работающая только с одного изображения .

Применение таких методов должно быть ясным: от роботов, которым необходимо понимать окружающую среду и ориентироваться в ней, до фальшивых эффектов bokeh , любимых многими современными камерами смартфонов.

Вызов оценки глубины

Тогда нам было очень интересно узнать, что в рамках конференции CVPR (Computer Vision and Pattern Recognition) 2021 года Андрей Игнатов и Раду Тимофте из ETH Zürich планируют запустить тест Monocular Depth Assenge .Они специально нацелены на платформу Raspberry Pi 4 под управлением TFLite , и мы рады поддержать эти усилия.

Для получения дополнительной информации или даже если какие-либо технически мыслящие читатели заинтересованы в участии в конкурсе, посетите:

Конференция и семинары проходят практически в июне, и мы обязательно обновим наш блог некоторыми результатами и моделями, созданными для Raspberry Pi 4 конкурирующими командами. Желаем всем удачи!

Машинное обучение на Raspberry Pi Pico с Tensorflow Lite Micro и Arducam (с функцией обнаружения человека)

Машинное обучение — крошечное будущее

Будущее машинного обучения крошечное.Tweet

От Пита Уордена, технического руководителя группы мобильных и встроенных TensorFlow в группе Google Brain.
Пит Уорден выступает на конференции по искусственному интеллекту O’Reilly в Пекине в 2019 году. Предоставлено: O’Reilly

Машинное обучение, рассматриваемое как часть искусственного интеллекта, представляет собой исследование компьютерных алгоритмов, которые автоматически улучшаются на основе опыта.

Крошечное машинное обучение (tinyML) — это пересечение машинного обучения и встроенных устройств Интернета вещей (IoT).Эта область может произвести революцию во многих отраслях.

Прежде чем мы начнем, вот краткое введение в эту развивающуюся область от HarvardX.

Tensorflow Lite Micro (tflmicro)

TensorFlow Lite для микроконтроллеров предназначен для запуска моделей машинного обучения на микроконтроллерах и других устройствах с объемом памяти всего несколько килобайт.

Он поддерживает платформы микроконтроллеров, такие как Arduino Nano 33 BLE Sense, ESP32, STM32F746 Discovery и т. Д.С момента выпуска Raspberry Pi Pico за 4 доллара, который набирает все большую популярность среди производителей, Arducam пытается донести до Pico все, что возможно на других платформах микроконтроллеров.

Начало работы с машинным обучением с помощью Pico

Эта статья представляет собой учебное пособие по использованию фреймворка машинного обучения Tensorflow Lite Micro на Pico for Person Detection. Если вас больше интересует камера, у нас есть введение в Raspberry Pi Pico Camera в нашем блоге Medium.

Компоненты и расходные материалы

Полный комплект для обнаружения личности Pico «все-в-одном»

Комплект для обнаружения человека с помощью машинного обучения для Raspberry Pi Pico

Примеры Light Micro

Компоненты проекта обнаружения людей Pico

См. Раздел Начало работы с Raspberry Pi Pico и README в pico-sdk для получения информации о том, как начать работу.

Быстрая установка Pico

Если вы разрабатываете для Raspberry Pi Pico на Raspberry Pi 4B или Raspberry Pi 400, большинство шагов по установке в этом руководстве по началу работы можно пропустить, запустив сценарий установки. Вы можете получить этот сценарий, выполнив следующие действия:

  git clone https://github.com/raspberrypi/pico-setup.git  

Затем запустите:

  pico-setup / pico_setup.sh  

сценарий будет:

  • Создайте каталог с именем pico
  • Установите необходимые зависимости
  • Загрузите репозитории pico-sdk, pico-examples, pico-extras и pico-play ~ /.bashrc
  • Создайте примеры blink и hello_world в pico-examples / build / blink и pico-examples / build / hello_world
  • Загрузите и соберите picotool (см. Приложение B). Скопируйте его в / usr / local / bin. • Загрузите и соберите пикозонд (см. Приложение A).
  • Загрузите и скомпилируйте OpenOCD (для поддержки отладки)
  • Загрузите и установите Visual Studio Code
  • Установите необходимые расширения кода Visual Studio (дополнительные сведения см. В главе 6)
  • Настройте Raspberry Pi UART для использования с Raspberry Pi Pico

После запуска вам необходимо перезагрузить Raspberry Pi,

  sudo reboot  

Обнаружение лиц

Схема обнаружения лиц

  git clone https: // github.com / ArduCAM / RPI-Pico-Cam.git  

Tip

Если вы не хотите компилировать, используйте предварительно созданный файл uf2 ниже, вам нужно только подключить оборудование и загрузить uf2 на устройство .

  компакт-диск RPI-Pico-Cam / tflmicro
mkdir build
cd build
cmake ..  
  make  


Затем вы создадите несколько файлов в папке RPI-Pico-Cam / tflmicro / build / examples / person_detection path

Bin Description
person_device.uf2 Это основная программа person_detection, которую можно перетащить на запоминающее устройство USB RP2040.
person_detection_benchmark.uf2 Это тестовая программа person_detection, вы можете использовать ее для проверки производительности person_detection на pico.
image_provider_benchmark.uf2 Это тестовая программа image_provider, вы можете использовать ее для проверки производительности сбора данных изображения.

Обнаружение тестируемого человека

Подключение пико-камеры Raspberry Pi: от Arducam к Pico
  • Загрузка и запуск person_detection Самый простой способ загрузить программное обеспечение на плату на базе RP2040 — установить ее как запоминающее устройство USB.Это позволит вам перетащить файл на доску для программирования флеш-памяти. Подключите Raspberry Pi Pico к Raspberry Pi с помощью кабеля micro-USB, удерживая нажатой кнопку BOOTSEL, чтобы принудительно переключить его в режим USB Mass Storage.

Например, если вы вошли в систему через ssh, возможно, вам придется смонтировать запоминающее устройство вручную:

  $ dmesg | хвост
[371.973555] sd 0: 0: 0: 0: [sda] Прикрепленный съемный диск SCSI
$ sudo mkdir -p / mnt / пико
$ sudo mount / dev / sda1 / mnt / pico  

Если вы видите файлы в / mnt / pico , значит, запоминающее устройство USB установлено правильно:

  $ ls / mnt / pico /
ИНДЕКС.HTM INFO_UF2.TXT  

Скопируйте свой person_detection_int8.uf2 на RP2040:

  sudo cp examples / person_detection / person_detection_int8.uf2 / mnt / pico
sudo sync  

Просмотр вывода

Пример обнаружения человека выводит некоторую информацию через usb, вы можете использовать minicom для просмотра:

  minicom -b 115200 -o -D / dev / ttyACM0  

Этот пример обнаружения человека также выводит данные изображения и результаты обнаружения человека передаются в UART, и мы предоставляем программу обработки для их отображения:

Узнать больше


Что вы думаете об этом? Оставляйте свои комментарии ниже!

ИИ и машинное обучение | Обучайте Raspberry Pi, Эпизод 1: Да, мир — Arm Developer

Обучите сеть на данных

Идет поезд .Скрипт py загрузит ваши файлы данных в память и обучит нейронную сеть различать их. В Keras и TensorFlow есть хорошая поддержка для обучения с диска без загрузки каждого примера в оперативную память, но этот сценарий — быстрый и простой способ начать работу. Для запуска сценария введите следующую команду:

 python3 train.py пример / model.h5 пример / да пример / сидящий пример / случайный 

Первый аргумент — это имя файла модели, в который будет сохранена нейронная сеть, то есть модель .Х5 . Затем вы перечисляете записанные вами видеофайлы с различным поведением. Важно, чтобы первым файлом был файл, содержащий ваш аплодисменты. Все остальные жесты сеть должна научиться игнорировать.

Самая медленная часть обучения — это загрузка и преобразование данных. После этого нейронная сеть должна вычислить 20 итераций, а затем остановиться. В примере, показанном на этом снимке экрана, нейронная сеть сходится с точностью до 98%.

Что происходит в этом процессе?

Сценарий по очереди берет обучающие файлы и загружает все кадры из каждого файла, что означает, что вам потребуется достаточно ОЗУ для хранения всех файлов.Когда изображения загружаются, они проходят через нейронную сеть, называемую MobileNet, которая была предварительно обучена на наборе данных ImageNet.

MobileNet уже научился извлекать из изображений полезные функции, такие как края, текстуры и формы. Этот шаг — самая медленная часть тренировки. Если бы мы искусственно добавляли шум и вариации к изображениям, что называется рандомизацией домена, этот шаг был бы еще медленнее и длиннее. В этом руководстве мы делаем сокращенный путь и пропускаем этот шаг.

После преобразования каждого кадра в массив функций эти функции используются для обучения небольшой сети классификаторов, которая учится предсказывать класс (в данном случае индекс входного файла на основе 0), из которого он пришел.

Каждая эпоха — это один цикл через каждый кадр. Чтобы предотвратить зацикливание на слишком конкретных вещах об отдельных кадрах, вы добавляете к функциям некоторый случайный шум. Добавление шума может помешать нейронной сети достичь 100% точности во время обучения, но сделает нейронную сеть более точной при работе с ранее невидимыми изображениями.

Дополнительная информация

MobileNet была представлена ​​Google в 2017 году. Это сверточная нейронная сеть, оптимизированная по размеру и скорости за счет точности. MobileNet обучается на хорошо известном наборе данных ImageNet, в котором один миллион изображений разбит на 1000 различных классов. В этом руководстве мы удалили последний слой, который классифицирует изображения по 1000 категориям, удаленным из MobileNet. Вместо этого сценарий train.py использует Keras для создания нового слоя, который классифицирует изображения по количеству категорий, которые передаются в обучение.ру.

Если вы прочитаете код в файле train.py , вы заметите, что модель классификатора проста. Данные дополняются только гауссовым шумом, а не вращениями, преобразованиями и окклюзиями. Скорость обучения и размер пакета оставлены по умолчанию для Keras. Разделение проверки с ранней остановкой не используется. Рандомизация домена применяется к данным в источнике и не меняется в разные эпохи во время обучения. Этот пример намеренно чистый и разреженный, чтобы его было легко понять и быстро обучать даже на Pi Zero.Это означает, что вы можете экспериментировать, чтобы улучшить свои результаты.

Building A Raspberry Pi Arcade Machine

Пару недель назад я был на этой баркаде в Лансинге, штат Мичиган. Будучи большим ботаником, я решил, что хочу играть в эти игры все время.

Проблема в том, что игровые автоматы дорогие, и в тот день я не мог достать один из них. Итак, я сделал следующее лучшее: я нашел лежащий у меня raspberry pi и выудил старый USB-контроллер XBoX, который у меня лежал, и так родился Yoseph’s Arcade ™ .

В этой статье я проведу вас через весь процесс от настройки Raspberry Pi до его преобразования в относительно дешевую ретро-консоль.

Прежде всего, оборудование

Raspberry Pi

Самым очевидным оборудованием, которое я использовал, был Raspberry Pi. Для тех из вас, кто не знает, что такое Raspberry Pi, это устройство размером с кредитную карту по доступной цене в 35 долларов.

Малина Pi 3

Для этого проекта я использовал Raspberry Pi 3, хотя он, вероятно, подойдет для Raspberry Pi 2.Я не уверен на 100% в том, как Raspberry Pi 1 будет работать, но я глубоко скептически отношусь к тому, что он будет работать хорошо. У меня на работе настроен RPi для запуска таймера Google, и он почти не реагирует. Если у вас это работает на Rpi 1, дайте мне знать! Я хотел бы услышать об этом.

Есть некоторые различия между RPi 3 и RPi 2 и RPi 1. Оба RPi 3 и 2 используют карты Microsd вместо SD-карты обычного размера.

Micro SD по сравнению с обычной SD-картой

RPi3 может похвастаться 1.64-битный процессор Arm с тактовой частотой 2 ГГц, в то время как Raspberry Pi 2 имеет процессор 900 МГц и 32-битную архитектуру (RPi 2 версии 1.2 имеет 64-битный процессор), а Raspberry Pi 1 имеет процессор 700 МГц и только 512 или 256 МБ оперативной памяти.

Однако я думаю, что наиболее важными деталями здесь являются количество портов USB и сетевые возможности. Чем больше USB-портов на устройстве, тем с большим количеством людей вы сможете играть. Pi 2 и Pi 3 имеют 4 порта USB, а Pi 1 имеет только два порта.В то время как Pi 2 и Pi 3 имеют 4 USB-концентратора, Pi 2 имеет только Ethernet, встроенный в плату, поэтому, если вам нужен Wi-Fi, вам нужно будет купить USB-адаптер Wi-Fi. Pi 3 имеет встроенный в плату чип Wi-Fi, что делает его удобным для подключения к Wi-Fi. Фактически, это основная причина, по которой я предпочел тройку двум.

Если вам нужно купить Raspberry Pi, я бы зашел на adafruit.com. Я купил у них много электроники, и они всегда надежны.

Вот прямая ссылка на Pi, который я использовал для своей аркады.

SD-карта

Эта часть оборудования не так уж и важна, но все же достаточно важна, чтобы ее упомянуть. Raspberry Pi использует карту Micro SD (применимо только к Pi 2 и 3) для хранения ОС и загружается с нее! SD-карта должна быть не менее 4 ГБ, но если вы выберете карту большего размера, вы сможете хранить больше игр. Следует иметь в виду, что, согласно этому сообщению об обмене стеками, поддерживается максимальный размер размером 32 ГБ, хотя некоторые люди получили работу большего размера.Если 32 ГБ для вас не подходят, вы всегда можете использовать внешний диск.

SD-карта, которую я использовал, была той SD-картой, которую я купил недавно, с предварительно загруженными NOOBS. Честно говоря, я не рекомендую эту карту для этого приложения, потому что мы не собираемся использовать NOOBS ни для чего, хотя может быть полезно убедиться, что ваш Raspberry Pi загружается правильно. Вы можете купить аналогичную карту за полцены, поэтому рекомендую.

Контроллеры

Это единственный основной компонент, который не является строго необходимым; вы можете использовать клавиатуру и мышь, если хотите, но, честно говоря, вам нужен контроллер, чтобы он «ощущался» правильно.Единственное требование — это должно быть USB-устройство.

Есть куча контроллеров USB. Поиск контроллеров USB на Amazon дает более 50 000 результатов. Так какой из них правильный? Это полностью зависит от вас. Контроллеры, которые я использую, — это дешевые контроллеры от GameStop. Эти контроллеры довольно крутые и стоят мне около 15 долларов каждый.

Разное

Вам понадобится дополнительное оборудование. Если у вас уже есть компьютер и телефон, скорее всего, у вас уже есть все необходимое.Вам понадобится кабель HDMI для передачи видео и звука, USB-мышь и клавиатура для настройки, кабель micro-USB (тот, который заряжает большинство телефонов Android) и блок питания 5,1 В, 2,5 А.

Теперь, когда у вас есть все оборудование, давайте взглянем на программное обеспечение!

Теперь программное обеспечение!

Операционная система (также известная как ОС)

Логотип RetroPie

Для ОС мы будем использовать RetroPie. Обязательно перейдите на эту страницу и загрузите последнюю версию RetroPie. RetroPie — отличная маленькая ОС, которая может эмулировать более 50 консолей и компьютеров, включая NES, SNES, PS1 и PS2.Вот полный список платформ, которые он поддерживает из коробки. Он также построен с медиацентром kodi, который позволит вам транслировать ваши собственные медиафайлы на телевизор.

Прежде чем двигаться дальше, я хотел коснуться нескольких вещей. Raspberry Pi Foundation рекомендует установить NOOBS и официально поддерживает ОС под названием Rasbian, которые можно скачать здесь. NOOBS — определенно самый простой способ настроить Raspberry Pi. Однако для этого мы не собираемся использовать NOOBS, потому что там нет нужной нам операционной системы.(Примечание : NOOBS на самом деле не ОС, это просто установщик операционной системы. Если вы занимаетесь каким-либо другим проектом, я рекомендую использовать NOOBS )

Я также должен упомянуть, что NOOBS действительно поставляется с ОС, которую вы можете установить, под названием RecalBox, и если ее больше нет, ее очень легко настроить. Я пробовал эту ОС перед установкой RetroPie, но она мне не понравилась. RetroPie и RecalBox очень похожи. Оба они основаны на RetroArch и EmulationStation для предоставления эмуляторов, в обоих установлен Kodi, и оба предоставляют онлайн-обновления, перемотку, сохранение состояний и снимки экрана.Черт, они даже выглядят одинаково!

Retropie или RecalBox? Вы, честно говоря, не можете сказать!

Однако RetroPie предлагает гораздо больший контроль над системой. Вы можете изменить экран-заставку, версию Linux, на которой он работает (по умолчанию работает Rasbian), и повозиться с каждой настройкой. Я регулярно использую SSH в своем RetroPie, чтобы обезопасить себя от вещей (не то, чтобы я рекомендовал это, если вы не знаете, что делаете). Это может показаться чрезвычайно сложным, но RetroPie предоставляет отличную и обширную документацию, а RecalBox — нет.

После загрузки RetroPie необходимо распаковать заливку с помощью 7zip. Вам останется img, который и является реальной ОС.

Устройство записи на SD-карту

Это действительно простой шаг, чтобы просто настроить SD-карту для установки ОС. Я использовал программу Etcher, чтобы записать ISO-образ на SD-карту. Если вы действительно хотите, вы можете использовать dd, если у вас MacOS или Linux, хотя я не буду давать никаких инструкций по этому поводу, потому что я не могу вспомнить флаги.

Действительно * есть * соответствующий XKCD для всего

ПЗУ, ПЗУ и больше ПЗУ!

Для того, чтобы играть в игры, вам понадобятся ПЗУ.С каждой игрой будет связано ПЗУ. Тем не менее, я должен отметить, что загрузка ПЗУ игр, которые вам не принадлежат на законных основаниях, является незаконной. Найти ПЗУ игр, которые у вас есть на законных основаниях, очень просто. Вы просто гуглите название своей игры и добавляете после нее ROM. Если игра была добавлена ​​для нескольких консолей, вы можете также указать, какую консоль вы ищете.

В поисках ромов

Этот шаг может быть немного схематичным, поэтому просто не забывайте проявлять осторожность и не запускать какие-либо из этих программ на вашем реальном компьютере, если вы не проверите файл тщательно.

Программа для передачи файлов на Raspberry Pi

Если у вас есть Mac или Windows, вы можете использовать Finder или Explorer (соответственно). В Linux я просто использую старые добрые SFTP и SSH для управления всем.

Теперь давайте все вместе!

Итак, теперь, когда все оборудование собрано и все необходимое программное обеспечение загружено, мы действительно можем приступить к созданию нашей Аркады!

Первый шаг — дважды проверить, что файл RetroPie, который вы скачали ранее, имеет номер .img файл. Если расширение .img , все готово. Но если это .7z или .zip , вам нужно распаковать файл. Я думаю, что RetroPie позволяет загружать только файлы .7z . Чтобы распаковать файлы .7z , вам понадобится 7-zip (для Windows) или разархиватор, если вы используете Mac.

Теперь, когда вы абсолютно уверены, что RetroPie подходит, давайте «записываем» изображение на SD-карту. Запись образа — это процесс, при котором целевой диск (в данном случае SD-карта) получает точную копию .img файл. Файл .img сам по себе является «изображением» (представьте, что это как сделать снимок, изображение заморожено во времени) того, как будет выглядеть жесткий диск устройства, на котором запущено изображение. Вы не можете просто скопировать файлы на SD-карту (если вы не используете NOOBS или что-то подобное), потому что это не делает карту точной копией изображения. Компьютерам, да и вообще Raspberry Pi, нужна эта точная копия, чтобы они могли найти код, позволяющий правильно загрузиться. Запись с помощью Etcher — чрезвычайно простой процесс:

  1. Убедитесь, что на SD-карте нет мусора.Загрузите формат карты памяти SD card Association, если у вас Windows или Mac, или просто используйте gparted в Linux. Настройте SD-карту как FAT и нажмите go. Позвольте ему поработать над этим, а затем двигайтесь дальше.
  2. Далее запускаем Etcher. Использовать Etcher довольно просто. Сначала вам нужно выбрать изображение, которое вы хотите записать (это должно быть что-то вроде retropie-4.3-rpi2_rpi3.img. Это будет отличаться в зависимости от версии RetroPie и версии Raspberry Pi, для которой вы это загрузили). Затем вы выбираете диск, на который хотите записать образ (это SD-карта).Наконец, просто нажмите Flash и подождите, пока Etcher сотворит чудеса! Когда Etcher скажет, что процесс завершен, убедитесь, что вы извлекли диск перед его извлечением, вы не хотите случайно повредить карту, потому что тогда вам придется повторить эти шаги.

После того, как вы закончите запись образа на SD-карту, пора включить Raspberry Pi! Сначала я бы вставил SD-карту. SD-карта идет в конце напротив USB-портов. Под доской есть небольшая металлическая пластина, в которую вставляется карта штырями, обращенными к доске.

Вот где SD-карта идет в

Затем подключите кабель HDMI к телевизору и к Raspberry Pi и включите телевизор. Затем подключите контроллер, мышь и клавиатуру. Наконец, просто подключите кабель Micro USB к Pi, а USB — к источнику питания 5.1V 2.5A и подключите его к стене.

Если все пойдет хорошо, вы должны увидеть этот экран

За этим экраном быстро появится стена с прокручивающимся текстом. Не бойся! Это фактическая загрузка операционной системы.

Rasbian загружается!

Наконец, когда это будет сделано, вы увидите заставку RetroPie, а затем, наконец, ничего, кроме записи RetroPie в каком-то меню. При начальной загрузке RetroPie обнаружит ваш контроллер и попросит вас настроить его.

Настройте контроллер

Нажмите любую кнопку, чтобы продолжить. RetroPie попросит вас нажать кнопки на контроллере, чтобы он мог это распознать. Если вы ошиблись, вы всегда можете вернуться и перенастроить, если хотите.Вы также можете использовать мышь и клавиатуру для навигации, хотя RetroPie автоматически перейдет к следующей записи.

Держа контроллер в руке, просто выберите опцию RetroPie (на этом этапе это должна быть единственная запись на экране), и вы должны увидеть этот экран:

Меню настройки RetroPie

Выберите «Настроить Wi-Fi». Следующий экран, который нужно открыть, не совсем красивый, но он выполняет свою работу.

Экран Wi-Fi

Идите вперед, выберите свой WiFi и введите пароль с клавиатуры.

Теперь вы официально готовы начать играть в игры!

Теперь есть несколько способов загрузить игры на RetroPie, от использования USB-накопителя до ручного использования USB-накопителя. Метод, на котором я собираюсь сосредоточиться, — это использование Samba.

Samba — это программа, которая позволяет вам получать доступ к файлам компьютера по сети. Чтобы получить доступ к Samba Shares
вашего RetroPie, откройте Проводник в Windows или Finder в MacOSX. В проводнике в адресной строке вверху введите \\ RETROPIE и в Finder нажмите Go -> Connect to Server , затем введите smb: // retropie и нажмите Connect.Если вам будет предложено ввести пароль, он будет малиновым, если вы его не изменили. Я не думаю, что RetroPie на самом деле устанавливает пароль на Samba.

Если вы все сделали правильно, вы должны подключиться и увидеть несколько каталогов.

Подключено и готово к загрузке ПЗУ

Теперь в каталоге ROMs есть несколько других каталогов. Эти каталоги соответствуют системам, которые ПЗУ внутри могут эмулировать. Например, каталог nes / предназначен для игр NES, каталог snes / предназначен для игр SNES и т.д.Просто поместите свой ROM в нужную папку, перезагрузите Pi, и все будет в порядке!

Примечание об играх MAME :

MAME — это эмулятор, который эмулирует многих игровых автоматов . Это то, что вы хотите использовать, если хотите играть в Donkey Kong, Ms. Pac Man, Galaga и т. Д. (Но только если он у вас, верно?) Однако у MAME есть разные наборы ROM, и не каждая игра поддерживается через это система. RetroPie рекомендует использовать lr-mame2003 и lr-fbalpha, но также имеет эти эмуляторы MAME.В большинстве моих игр MAME используется lr-mame2003, так что я знаю, что они работают.

Одна вещь, в которой нужно убедиться, — это то, что вы абсолютно, безусловно, поместили ПЗУ в правильный каталог. Чтобы любая из моих игр MAME работала, я должен поместить их в каталог MAME, в котором есть множество других каталогов ( cfg / — первое, что я могу придумать). Эти каталоги важны, потому что они эмулируют машину, чтобы ПЗУ работало правильно. Вы также должны иметь возможность поместить их в каталог arcade / , который имеет подкаталоги, такие как lr-mame2003 / , в котором есть соответствующие каталоги для запуска ПЗУ.Если это по-прежнему не работает, попробуйте настроить его для запуска другого эмулятора при запуске ПЗУ. Если это по-прежнему не помогает, перемещайте ПЗУ, пока оно не сработает.

Также есть этот список совместимых ROMS

Обертывание

Вот и все! Теперь вы готовы поиграть в ретро-игры, но, возможно, вы захотите кое-что изменить по общей цене 73 доллара:

.
  1. Raspberry Pi: $ 35
  2. 2 контроллера: 30 долларов (15 долларов каждый)
  3. SD-карта 16 ГБ: 8 долларов

По сравнению с аналогичной консолью 180 долларов.55 в Walmart, я бы сказал, это хорошая сделка

Думаю, единственное, что я изменил, это то, что я сделал так, чтобы Joy Stick действовал как D-Pad. Я сделал это, потому что в некоторые игры, такие как Ms. Pac Man, сложно играть с помощью D-Pad. Для этого просто перейдите на экран конфигурации и выберите RetroArch configuration , затем выберите settings -> Input -> Input User Binds 1 , затем найдите параметр, который говорит, что Аналоговый режим D-pad пользователь D-Pad чтобы выбрать, хотите ли вы, чтобы левый или правый аналоговый джойстик имитировал D-Pad.Затем вернитесь к начальному экрану, затем перейдите к настройке и убедитесь, что вы сохранили это изменение. Затем вернитесь в RetroPie, и вы сможете использовать аналоговый джойстик в качестве D-pad, что значительно упростит аркадные игры!

Вперед

Забегая вперед, я думаю, что постепенно буду создавать Аркадный кабинет. Я говорю медленно, потому что: а) у меня нет инструментов, чтобы построить его (но у отца моей девушки есть), и б) моя девушка не в восторге от того, что в нашей квартире есть шкафчик Arcade.

В эти выходные я собираюсь создать панель управления, имитирующую элементы управления аркадного кабинета для двух игроков. Я напишу об этом сообщение в блоге на следующей неделе. После этого я попытаюсь спасти где-нибудь экран, имитирующий аркадный экран, но не настоящий, потому что это дорого.

Если у вас есть какие-либо вопросы или отзывы, оставьте комментарий ниже или отправьте мне письмо по электронной почте. Спасибо!

Логический вывод машинного обучения

на Raspberry Pico 2040

Это еще одна статья из серии ноу-хау, которая посвящена исключительно конкретной функции или технике, и сегодня я расскажу вам, как использовать нейронную сеть, обученную с помощью Edge Impulse, с новым Raspberry Pico 2040 .Также обязательно посмотрите обучающее видео с пошаговыми инструкциями.

Edge Impulse — это платформа, которая позволяет разработчикам легко обучать и развертывать модели глубокого обучения на встроенных устройствах. Вы можете прочитать полное введение в моей первой статье из серии о TinyML. А теперь перейдем к делу.

Я подготовил Raspberry Pico и Grove Shield для Pi Pico, что позволяет удобно подключать различные модули к плате на этапе прототипирования.

Мы собираемся использовать модель, которую я обучил для первого видео курса, классификатор камень-ножницы-бумага с датчиком освещенности. Я опубликовал его публично, так что вы можете получить к нему доступ, перейдя по этой ссылке.Перейдите на вкладку развертывания, и вы увидите, что доступно несколько вариантов, таких как библиотека Arduino, Cube-AI CMSIS-PACK и библиотека C ++. Пока нет поддержки Arduino IDE для Pico, поэтому единственным жизнеспособным вариантом на данный момент является библиотека C ++. Давайте выберем этот вариант и загрузим его.

На вашем компьютере Linux (или виртуальной машине Linux) git clone pico-sdk repository, export pico sdk path variable.

  git clone -b master https://github.com/raspberrypi/pico-sdk.gi 
cd pico-sdk
git submodule update --init
export PICO_SDK_PATH = [path-to-your-pico-sdk]

В качестве альтернативы для удобства вы можете добавить команду экспорта в.bashrc

  echo 'export PICO_SDK_PATH = [path-to-your-pico-sdk]' >> ~ / .bashrc  

Установите набор инструментов для ARM и других инструментов с

  sudo apt-get install gcc-arm -none-eabi libnewlib-arm-none-eabi build-essential  

В Ubuntu 18.04 версия Cmake, установленная из apt-get, устарела, поэтому вам нужно будет установить последнюю версию из snap

  sudo snap install cmake - classic  

Затем клонируйте пример шаблона вывода, который я создал на https: // github.com / AIWintermuteAI / example-standalone-inferencing-pico.git

Вставьте содержимое загруженного архива библиотеки C ++ в папку для вывода примеров. Затем выполните следующие команды:

  mkdir build && cd build 
cmake ..
make

После завершения процесса компиляции вы можете найти файл firmware.uf2 в папке сборки. Удерживая нажатой кнопку BOOT, подключите Pico к компьютеру и скопируйте файл .uf2 на новое устройство хранения. Теперь вы можете подключиться к Pico с помощью монитора последовательного порта Arduino IDE или использовать другие инструменты последовательного порта, например picocom.Затем вы увидите следующий результат — это означает, что вывод работает правильно.

Код выполняет логический вывод по образцу данных, который можно найти, перейдя на вкладку необработанных данных проекта. Теперь вы можете и, вероятно, скажете — но я не хочу выполнять логический вывод по статическим данным, мне нужно выполнять логический вывод по своим собственным данным!

Я тебя понял.

Я написал еще один пример, вы можете найти его в том же репозитории в ветке светового датчика, который считывает аналоговые значения с светового датчика, подключенного к контакту 0, и выполняет на нем логический вывод.

Для его компиляции из папки example-standalone-inferencing-pico

  git checkout light_sensor 
cd build
rm -rf *
cmake ..
make

Затем скопируйте новый файл build.uf2 в Raspberry Pico.

Вы можете увидеть реальную демонстрацию с Pico, подключенным к датчику Grove Light, на видео в 12:11. Это должно стать хорошей отправной точкой для добавления собственных датчиков.

Поскольку для вашего собственного проекта вы также захотите получить данные с датчиков, у меня есть пример пересылки данных в репозитории example-data-forwarder-pico.Вы можете создать его точно так же, как и в примере вывода — создать каталог сборки, cmake и make. Вы можете узнать больше о протоколе пересылки данных в документации Edge Impulse. По сути, перенаправитель данных позволяет отправлять данные на платформу Edge Impulse с любого устройства, если данные поступают в указанном формате, который составляет

  • , или символ табуляции между точками данных в пакете данных
  • пакеты данных разделены \ n символ новой строки
  • Скорость соединения 115200 бит / с

Наконец, для наиболее любопытных, краткое объяснение того, как я создал пример вывода для Pico, который может быть полезен, если вы хотите использовать Edge Impulse с другими платами, которые пока официально не поддерживаются.Прежде всего, я модифицировал CMakeLists.txt с другой платы, уже поддерживаемой Edge Impulse (Zephyr), чтобы добавить в него вещи, связанные с Pico,

  include (pico_sdk_import.cmake) 
pico_sdk_init ()
target_link_libraries (hello_ml pico_addlib) вывод usb, отключите вывод uart
pico_enable_stdio_usb (hello_ml 1)
pico_enable_stdio_uart (hello_ml 0)
pico_add_extra_outputs (hello_ml)

Затем я добавил функцию ei_cassifier в источники SDIC, см. дополнительные сведения об источниках PICASSIфикатора и изменил функцию ei_cassifier place_porting. тот, что на видео.Наконец, я взял основной сценарий вывода из примера Arduino и изменил все функции Arduino на их эквиваленты в Pico SDK, например, delay () изменился на sleep_ms () и так далее. Вот и все, это было даже не так уж сложно, мне потребовалось пару часов, чтобы заставить это работать!

Если я могу это сделать, то сможете и вы! Для запуска примера вам не нужно какое-либо внешнее оборудование, поэтому, если у вас уже есть Pico, попробуйте его! Если у вас нет, вы можете купить его на сайте студии Seeed вместе с платой расширения.Удачи и ждите новых статей!

Тестирование машинного обучения на новом Raspberry Pi 4, модель B

В начале прошлого месяца я сел, чтобы протестировать новое поколение аппаратного ускорителя, предназначенного для ускорения вывода машинного обучения на периферии. Так что у меня есть приблизительный критерий для сравнения, я также провел те же тесты на Raspberry Pi. Впоследствии многие люди жаловались, что мне следовало использовать TensorFlow Lite на Raspberry Pi, а не полноценный TensorFlow.Они были правы, все прошло намного быстрее.

Затем, с выпуском платформы AI2GO от Xnor.ai, в которой используются бинарные весовые модели нового поколения, я посмотрел на скорость вывода этих моделей следующего поколения по сравнению с «традиционным» TensorFlow. Это также работало намного быстрее.

Новый Raspberry Pi 4, Model B. (📷: Alasdair Allan)

Однако с сегодняшним запуском нового Raspberry Pi 4, Model B, пришло время вернуться и снова взглянуть на тесты и посмотреть, насколько быстрее новый Raspberry Pi 4 отличается от предыдущей модели.Спойлер? Это намного быстрее.

Основные результаты сравнительного анализа

В целом новый Raspberry Pi 4 значительно быстрее, чем наши первоначальные результаты Raspberry Pi 3 и последующие результаты, основанные на платформе AI2GO.

Время вывода в миллисекундах для Raspberry Pi 3 (синий, слева) и Raspberry Pi 4 (зеленый, справа).

Мы видим приблизительное увеличение скорости вывода в 2 раза между исходными тестами TensorFlow и новыми результатами Raspberry Pi 4, а также аналогичное увеличение скорости вывода с использованием платформы Xnor AI2GO.

Результаты сравнительного анализа в миллисекундах для модели глубины MobileNet v1 SSD 0,75 и модели MobileNet v2 SSD, обученных с использованием набора данных Common Objects in Context (COCO) с размером входных данных 300 × 300, для модели Raspberry Pi 3. B + (слева) и новый Raspberry Pi 4, модель B (справа).

Однако мы видим гораздо большие изменения, глядя на результаты Coral USB Accelerator от Google. Добавление USB 3.0 к Raspberry Pi 4 означает, что мы видим приблизительное увеличение в 3 раза скорости вывода между нашими исходными и новыми результатами.

И наоборот, время логического вывода для Coral USB Accelerator, когда он был подключен через USB 2, а не через новую шину USB 3, фактически увеличилось в 2 раза. Этот несколько неожиданный результат, вероятно, связан с архитектурными изменениями, внесенными в новый Raspberry Pi.

«Эти результаты демонстрируют как увеличенную пропускную способность вычислений NEON Raspberry Pi 4, так и преимущество включения пары портов USB 3.0 в конструкцию: мы в первую очередь предназначались для их использования для подключения устройств массовой памяти, поэтому интересно увидеть другое приложение в дикой природе.” Эбен Аптон , основатель, Raspberry Pi Foundation

Часть I — Бенчмаркинг Более глубокий анализ результатов

Наши исходные тесты были выполнены с использованием TensorFlow и TensorFlow Lite на Raspberry Lite Pi 3, Model B +, и они были перезапущены с использованием нового Raspberry Pi 4, Model B с 4 ГБ оперативной памяти. Логический вывод был выполнен с использованием моделей SSD MobileNet v2 и MobileNet v1 0,75 глубины, обе модели обучены на наборе данных Common Objects in Context (COCO).Тесты с использованием Coral USB Accelerator были аналогичным образом перезапущены с ключом ускорителя, подключенным как к шине USB 2, так и к шине USB 3 Raspberry Pi 4.

ℹ️ Информация Наши исходные тесты сравнивали результаты на следующих платформах; Coral Dev Board, NVIDIA Jetson Nano, Coral USB Accelerator с Raspberry Pi 3, Model B +, оригинальный Movidus Neural Compute Stick с Raspberry Pi 3, Model B + и Intel Neural Compute Stick 2 второго поколения снова с Raspberry Pi 3, модель B +.Наконец, мы снова запустили те же модели на моем Apple MacBook Pro (2016) с четырехъядерным процессором Intel Core i7 с тактовой частотой 2,9 ГГц и ванильным Raspberry Pi 3, модель B + без какого-либо ускорения.

Платформа Xnor.ai AI2GO была протестирована с использованием их «средней» модели детектора кухонных объектов. Эта модель представляет собой сеть с двоичными весами, и, хотя природа обучающего набора данных неизвестна, доступны некоторые технические документы по этой модели.

Использовалось одно тестовое изображение размером 3888 × 2916 пикселей, содержащее два узнаваемых объекта в кадре, банан🍌 и яблоко🍎.Размер изображения был уменьшен до 300 × 300 пикселей перед тем, как представить его каждой модели, и модель была запущена 10 000 раз, прежде чем было взято среднее время вывода. Первый прогон логического вывода, который занимает больше времени из-за накладных расходов на загрузку в случае моделей TensorFlow, был отброшен.

Результаты сравнительного анализа в миллисекундах для модели глубины MobileNet v1 SSD 0,75 и модели MobileNet v2 SSD, обученных с использованием набора данных «Общие объекты в контексте» (COCO) с размером входных данных 300 × 300.

⚠️ Предупреждение Хотя тесты выполнялись для TensorFlow, AI2GO и Coral USB Accelerator, обновления Raspbian, необходимые для поддержки платы — с Raspbian Stretch на Raspbian Buster — означают, что установленная версия Python перешла с Python 3 .От 5 до 3,7. Это изменение означало, что мне не удалось запустить тесты для TensorFlow Lite, Movidus Neural Compute Stick или Intel Neural Compute Stick 2. Хотя проблемы с TensorFlow Lite, вероятно, будут решаться довольно легко, переместив платформу Intel OpenVINO с Python 3.5. до версии 3.7 потребуется некоторое время. Поэтому не следует ожидать, что Intel Neural Compute Stick будет работать с Raspberry Pi 4 в ближайшем будущем.

В целом для моделей на базе процессоров мы видим примерно двукратное увеличение производительности.

Имея примерно вдвое большую емкость NEON, чем Raspberry Pi 3, мы ожидаем такого порядка ускорения производительности для хорошо написанных ядер NEON, и, как и ожидалось, после устранения проблем с тепловым дросселированием мы увидели примерно двукратное увеличение производительности. как для моделей MobileNet v1, так и для платформы Xnor.ai AI2GO.

Улучшение производительности, наблюдаемое с моделями двоичного веса платформы AI2GO, с наблюдаемым временем вывода 79,5 мс на неускоренной Raspberry Pi 4, напрямую сопоставимо с MacBook Pro (2016), у которого время вывода составляло 71 мс для MobileNet v2. SSD.

Однако гораздо меньшее ускорение, которое мы наблюдаем для моделей MobileNet V2, интригует, предполагая, что модель v2 может использовать совсем другие операции TensorFlow, которые плохо оптимизированы для архитектуры.

Время вывода в миллисекундах для модели глубины MobileNet v1 SSD 0,75 (столбцы слева) и модели SSD MobileNet v2 (столбцы справа), оба обучены с использованием набора данных Common Objects in Context (COCO) с размером входных данных 300 × 300. (Одиночные) стержни для платформы Xnor AI2GO используют собственную модель бинарных весов.Все измерения на Raspberry Pi 3, модель B +, отмечены желтым цветом, измерения на Raspberry Pi 4, модель B — красным. Остальные платформы отмечены зеленым цветом.

Хотя логический вывод с использованием TensorFlow Lite не был выполнен из-за перехода с Python 3.5 на 3.7, сломавшего колесо Python, я также ожидал увидеть приблизительное ускорение в 2 раза во время вывода для этих моделей по той же причине.

Однако, вероятно, самый большой вывод для тех, кто хочет использовать новый Raspberry Pi 4 для вывода, — это повышение производительности, наблюдаемое с помощью Coral USB Accelerator.Добавление USB 3.0 к Raspberry Pi 4 означает, что мы видим приблизительное увеличение скорости вывода в 3 раза по сравнению с нашими исходными результатами.

Бенчмаркинг дает результаты в миллисекундах для Coral USB Accelerator с использованием модели глубины MobileNet v1 SSD 0.75 и модели MobileNet v2 SSD, обученных с использованием набора данных Common Objects in Context (COCO) для Raspberry Pi 3, модель B + (слева ), а также Raspberry Pi 4, модель B через USB 3.0 (посередине) и USB 2 (справа).

То есть время вывода уменьшилось с 49.С 3 мс до 14,9 мс для модели SSD MobileNet v1 глубиной 0,75 и уменьшение с 58,1 мс до 18,2 мс для модели MobileNet v2 SSD. Это фактически снижает время логического вывода для Raspberry Pi 4 по сравнению с Coral Dev Board, у которого время вывода для моделей составляло 15,7 и 20,9 мс соответственно.

И наоборот, время логического вывода для Coral USB Accelerator, когда он был подключен через USB 2, а не через новую шину USB 3, фактически увеличилось в 2 раза. Этот несколько неожиданный результат, скорее всего, связан с архитектурными изменениями, внесенными в новый Raspberry Pi.Теперь, когда хост XHCI находится на дальнем конце шины PCI Express, в системе потенциально намного больше задержки. В зависимости от модели трафика вы можете себе представить, что блокировка, в отличие от потоковой передачи, использование канала может быть медленнее.

ℹ️ Информация Хотя на предварительной плате, которую я использовал, было 4 ГБ ОЗУ, маловероятно, что для Coral USB Accelerator, где вывод выполняется вне платы на самом Edge TPU, это существенно повлияет на результат, и мы ожидаем увидеть такие же результаты тестов или, в худшем случае, в целом аналогичные для плат Raspberry Pi 4 с 1 ГБ или 2 ГБ оперативной памяти на борту.
Факторы окружающей среды

Хотя определение скорости, вероятно, является нашей самой важной мерой, это устройства, предназначенные для машинного обучения на периферии. Это означает, что мы также должны обращать внимание на факторы окружающей среды. Проектирование смарт-объекта — это не только программное обеспечение, которое вы на него устанавливаете, вы также должны обращать внимание на другие факторы, и здесь мы особенно озабочены нагревом и охлаждением, а также диапазоном мощности. Потому что при проектировании для Интернета вещей может потребоваться компромисс между скоростью вывода и другими факторами.

Таким образом, наряду со скоростью вывода при обсуждении периферийных вычислительных устройств также важно определить пределы нагрева и мощности. Так что давайте сделаем это сейчас.

Потребляемая мощность

Измерения тока были выполнены с помощью мультиметра, встроенного в кабель USB, с заявленной точностью ± 0,01 А (10 мА).

Потребление тока в режиме ожидания и пикового тока для наших тестируемых платформ до и во время расширенного тестирования. Все измерения для ускоренных платформ, подключенных через USB, были выполнены с использованием Raspberry Pi 3, модель B +.

За исключением MacBook Pro, все наши платформы используют номинальное входное напряжение 5 В. Однако на самом деле напряжение будет несколько колебаться из-за требований, предъявляемых платой, и большинство USB-источников питания фактически находятся в диапазоне от +5,1 до + 5,2 В. Поэтому, делая грубые вычисления для получения мощности (в ваттах), я обычно принимаю напряжение USB-источника питания равным + 5,15 В, поскольку хороший источник обычно пытается поддерживать подаваемое напряжение около этого значения, несмотря на быстрые колебания тока. рисовать.

Эти колебания спроса часто случаются, когда вы используете периферийные устройства с Raspberry Pi, и часто вызывают потемнение, и это то, что многие зарядные устройства USB предназначены для обеспечения постоянного тока для зарядки мобильных телефонов — обычно не справляешься со всем так хорошо.Это одна из причин, по которой новый Raspberry Pi 4 перешел с micro USB на стандарт USB-C.

Ток холостого хода (зеленые полосы слева) по сравнению с пиковым током (желтые полосы справа).

Во время нашего предыдущего тестирования мы увидели, что Raspberry Pi 3, модель B +, была сравнительно энергоемкой, и только NVIDIA Jetson Nano нуждалась в большей мощности. Наши новые измерения показывают, что новый Raspberry Pi 4 является худшим из всех платформ, потребляя более 1400 мА на пике во время расширенного тестирования.Он также имеет самое высокое потребление в состоянии покоя, потребляя больше холостого тока, чем Coral Dev Board.

Нагрев и охлаждение

В предыдущих расширенных тестах мы видели, что температура Raspberry Pi приближается к точке 80 ° C, но не превышает ее, когда происходит тепловое дросселирование процессора во время вывода с использованием моделей TensorFlow и TensorFlow Lite.

Мои первоначальные результаты теста AI2GO дали время вывода 90,9 мс, что было значительно выше, чем ожидалось. Однако во время этих тестовых прогонов мы наблюдали температуры значительно выше порога теплового дросселирования.

  $  vcgencmd measure_temp
температура = 84,0 ° C
  $  vcgencmd measure_clock arm
частота (48) = 1000265600 

Добавление небольшого вентилятора, приводимого в действие собственными разъемами GPIO Raspberry Pi, было достаточным для поддержания стабильной температуры процессора на уровне 45 ° C во время тестирования.

Небольшого вентилятора было достаточно для поддержания стабильной температуры процессора.

После стабилизации температуры процессора время определения скорости уменьшилось с 90,9 мс до 79,5 мс.Этот результат больше соответствует ожидаемому результату: емкость NEON на новой плате примерно вдвое больше.

Однако из-за этой необходимости активно охлаждать Raspberry Pi во время тестирования, я бы порекомендовал, если вы собираетесь использовать новую плату для логических выводов в течение длительного времени, вы должны добавить по крайней мере пассивный радиатор. Хотя, чтобы полностью исключить возможность троттлинга процессора, вполне вероятно, что небольшой вентилятор может быть хорошей идеей.

Потому что, давайте посмотрим правде в глаза, троттлинг процессора может испортить вам день.

Сводка

Повышение производительности, наблюдаемое с новым Raspberry Pi 4, делает его очень конкурентоспособной платформой для машинного обучения на периферии.

Бенчмарки, использующие платформу AI2GO и сетевые модели с двоичным весом, показывают, что время вывода сопоставимо с NVIDIA Jetson Nano с использованием их оптимизированных для TensorRT моделей TensorFlow. Однако именно добавление шины USB 3.0 на новую плату делает ее не только по скорости, но и по цене конкурентоспособной с нашей предыдущей «лучшей в своем классе» платой Coral Dev Board от Google.

По цене 35 долларов, новая версия Raspberry Pi 4 с объемом памяти 1 ГБ значительно дешевле Coral Dev Board за 149 долларов. Добавление дополнительных 74,99 доллара за Coral USB Accelerator к цене Raspberry Pi означает, что вы можете превзойти предыдущую «лучшую в своем классе» плату за 109,99 доллара. Это экономия на 39,01 доллара США по сравнению с Coral Dev Board за счет повышения производительности.

Часть II — Методология Подготовка Raspberry Pi

К счастью, несмотря на различия между новым Raspberry Pi 4 и предыдущими поколениями, установка необходимого вспомогательного программного обеспечения не сильно отличалась.Однако по пути были некоторые икоты.

Установка программного обеспечения Coral

К сожалению, поскольку я запускал Coral Software Development Kit на совершенно новой плате Raspberry Pi, которая все еще была секретной, а команда Google еще даже не слышала о ней, я не мог установить все как обычно . К счастью, со сценарием установки при доставке было лишь несколько небольших исправимых проблем. Вероятно, эта проблема будет быстро решена. Однако до тех пор вам нужно будет внести некоторые изменения, прежде чем все будет установлено и запущено.

Загрузите комплект для разработки программного обеспечения с помощью wget и распакуйте пакет в свой домашний каталог.

  $  wget http://storage.googleapis.com/cloud-iot-edge-pretrained-models/edgetpu_api.tar.gz  $  tar -xvzf edgetpu_api.tar.gz
  $  cd python-tflite-source 

Но перед запуском скрипта установки мне пришлось внести некоторые изменения. Сценарий install.sh основан на еще одном сценарии, который называется platform_recognizer.sh , чтобы выяснить, на какой платформе развертывается Coral SDK, и установить соответствующие библиотеки. Я пошел дальше и добавил следующие строки:

 elif [[ "$ board_version"  ==  "Raspberry Pi"  *]]; тогда
   platform =  "other_raspberry"
     echo -e  "$ {GREEN} Распознал какой-то другой Raspberry Pi"  

в дереве решений в сценарии platform_recognizer.sh . Это означает, что содержимое файла / proc / device-tree / model ,

  $  cat / proc / device-tree / model
Raspberry Pi ? Ред. 1.1 

для моей предварительной версии аппаратного и программного обеспечения был распознан. Затем я изменил сценарий install.sh , чтобы принять это как правильный ответ,

 elif [[ "$ platform"  ==  "raspberry_pi_3b" ]] || [[ "$ platform"  ==  "raspberry_pi_3b +" ]] || [[ "$ platform"  ==  "other_raspberry" ]]; затем 

в обоих местах, где сценарий проверяет платформу, что будет в строках 64 и 109.Нам также необходимо разделить строку 92 на две отдельные строки,

 sudo udevadm control --reload-rules
sudo udevadm trigger 

из-за некоторых изменений между Debian Stretch и Buster.

Наконец, сценарий установки ожидает Python 3.5, а новейшая версия Raspbian, поставляемая с Raspberry Pi 4, представляет собой разновидность Debian Buster, которая поставляется с Python 3.7. Таким образом, вам также придется изменить строку 116 сценария install.sh , изменив python3.5 от до python3.7 ,

 python3.7 setup.py develop --user 

перед запуском сценария установки,

  $  ./install.sh 

, который теперь должен успешно завершиться.

После завершения установки подключите USB-ускоритель с помощью короткого кабеля USB-C — USB-A, который прилагается к USB-накопителю в коробке. Если вы уже подключили его, вам необходимо удалить его и снова подключить, так как сценарий установки добавляет некоторые правила udev , которые позволяют программному обеспечению, запущенному на Raspberry Pi, распознавать наличие оборудования Edge TPU.

Установка TensorFlow

Установка TensorFlow на Raspberry Pi раньше была сложным процессом, однако к середине прошлого года все стало намного проще.

К сожалению, у официально выпущенного колеса есть некоторые проблемы с Python 3.7. Теоретически это означает, что мы либо построим TensorFlow из исходного кода и всех его зависимостей, либо вернемся на Python 3.5. Ни то, ни другое не является особенно приятной мыслью, поскольку состояние репозитория пакетов Raspbian Buster все еще несколько меняется во время предварительной версии.

К счастью, Пит Уорден предоставил колесо кандидатов для Python 3.7, а Бен Наттолл предоставил мне колеса для всех необходимых зависимостей. Вскоре они станут официальными, поэтому вполне вероятно, что к моменту выпуска вы сможете установить TensorFlow официальным методом:

  $  sudo apt-get install libatlas-base-dev
  $   sudo apt-get install python3-pip
   $  pip3 install tensorflow 

, но проверьте эту проблему GitHub, прежде чем продолжить, чтобы убедиться, что это так.

Установка AI2GO

Платформа AI2GO устанавливается и запускается из коробки на новом Raspberry Pi 4, поэтому вы можете просто следовать инструкциям в разделе методологии моих предыдущих тестов, используя Raspberry Pi 3, чтобы настроить и загрузить комплект вашей модели. .

После того, как вы загрузили его, продолжайте и устанавливайте комплект модели,

  $  cd ~ / kitchen-object-Detector-medium-300
  $  pip3 установить xnornet-1.0-cp35-abi3-linux_armv7l.whl
Обработка ./xnornet-1.0-cp35-abi3-linux_armv7l.whl
Установка собранных пакетов: xnornet
Успешно установлен xnornet-1.0
  $  

однако имейте в виду, что если вы ранее устанавливали комплект другой модели, вам необходимо сначала удалить его, прежде чем устанавливать новый.

Проблемы с TensorFlow Lite

Хотя официальный двоичный дистрибутив TensorFlow не включает сборку TensorFlow Lite, существует неофициальный дистрибутив, который включает. К сожалению, это колесо не было обновлено для поддержки Raspbian Buster и Python 3.7. Однако вполне вероятно, что ситуация изменится после того, как новый Rapsberry Pi будет официально выпущен, и в этот момент я, вероятно, вернусь и еще раз взгляну на TensorFlow Lite.

Проблемы с Neural Compute Stick

Программное обеспечение для поддержки Neural Compute Stick — это набор инструментов OpenVINO, и в настоящее время нет поддержки для запуска этого инструментария под Python 3.7, который поставляется с Raspbian Buster. К сожалению, мне не удалось выполнить тестирование для Movidus Neural Compute Stick или Intel Neural Compute Stick 2.Исходя из прошлой производительности, вероятно, обновление образа карты Raspberry Pi может занять некоторое время.

⚠️ Предупреждение Не стоит ожидать, что Movidius Neural Compute Stick или Intel Neural Compute Stick 2 будут работать с Raspberry Pi 4 в ближайшем будущем.
Код эталонного тестирования

Код из наших предыдущих тестов был повторно использован без изменений.

Benchmarking Edge Computing Все ресурсы, необходимые для воспроизведения временных прогонов тестирования.

При закрытии

По-прежнему сложно сравнивать эти платформы на равных. Но очевидно, что новый Raspberry Pi 4 представляет собой надежную платформу для логических выводов машинного обучения на периферии.

Ссылки на предыдущие тесты

Если вас интересуют подробности предыдущих тестов.

Бенчмаркинг Edge Computing Сравнение аппаратных ускорителей Google, Intel и NVIDIA

Бенчмаркинг TensorFlow и TensorFlow Lite на Raspberry Pi рынок, предназначенный для ускорения…

Тестирование платформы Xnor AI2GO на Raspberry Pi Недавно я сел, чтобы протестировать новое аппаратное обеспечение ускорителя, которое сейчас появляется на рынке и предназначено для ускорения…

Ссылки на получение Руководства по началу работы

Если вам интересно начать работу с любым аппаратным ускорителем, который я использовал во время тестов, я собрал руководства по началу работы для оборудования Google, Intel и NVIDIA, на которое я смотрел во время анализа.

Практика с Coral Dev Board Начало работы с новым оборудованием Edge TPU от Google

Как использовать Raspberry Pi для прошивки новой прошивки на Coral Dev Board Начало работы с новым Edge TPU от Google оборудование

Практика использования Coral USB Accelerator Начало работы с новым оборудованием Edge TPU от Google

Начало работы с Intel Neural Compute Stick 2 и Raspberry Pi Начало работы с оборудованием Intel Movidius

Начало работы с комплектом разработчика NVIDIA Jetson Nano Начало работы с оборудованием на базе графического процессора NVIDIA

Машина для шуток на базе Raspberry Pi: 4 шага (с изображениями)

TheQuoteMachine.py написан на Python
Python уже установлен на Raspberry Pi, поэтому для запуска моего сценария Quote Machine вам просто нужно
  • Загрузить сценарий с Instructables.com (на Raspberry Pi)
  • Создайте каталог bin для хранения ваши любимые сценарии
    mkdir / home / pi / bin
  • скопируйте TheQuoteMachine.py в / home / pi / bin
  • сделайте его исполняемым, выполнив команду
    chmod + x /home/pi/bin/TheQuoteMachine.py
Установите код примера управления и отображения PiFace
ЖК-экран управления и отображения PiFace поставляется с некоторым примером кода, который нам нужен.Вы можете установить его, выполнив следующую команду
sudo apt-get install python {, 3} -pifacecad

Установить PyCurl
TheQuoteMachine.py использует Pycurl для вызова в Интернет и получения случайной цитаты.
Чтобы установить curl, выполните следующую команду:
sudo apt-get install python-pycurl

Нажмите кнопку, получите шутку
Теперь вы можете запустить /home/pi/bin/TheQuoteMachine.py Он подключится к бесплатному сервис http://www.iheartquotes.com и показывать веселые однострочники.Для этого он запускает URL-адрес, который возвращает однострочные символы обратно в виде обычного текста, разделяя текст на сегменты шириной 16 символов и затем отслеживая события кнопки PiFace, которые позволяют прокручивать эти сегменты вверх и вниз.

Кнопки машины котировок:

  • Кнопка 1 — кнопка возврата
  • Кнопка 2 — кнопка предварительного просмотра
  • Кнопка 3 — кнопка нового предложения
  • Кнопка 4 — кнопка выхода
Установить свое предложение Машина в коробке проекта — шагов различаются в зависимости от используемой коробки
  • Я использовал Sharpie, чтобы отметить, где ЖК-дисплей должен быть установлен на коробке проекта
  • Я использовал ножницы для олова, чтобы вырезать прорези на краю проекта коробка, чтобы освободить место для кнопок и адаптера питания
  • Я использовал инструмент в стиле Dremel, чтобы вырезать отверстие в крышке коробки (и сгладить острые края)
  • Наконец, немного ленты, чтобы закрыть острые края
  • и этикетировочная машина для этикетирования машины (это лишнее или ирония?)

.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *