Category Archives: RaspberryPi 單板電腦

[ 活動記錄 ] 2018.10.18- Maker Faire Taipei 2018 RS DesignSpark展品精心製作 Check it out!

文字

RS DesignSpark

圖片

RS DesignSpark

展出時間

2018/11/3(六) – 11/4(日)

 

再過半個多月,Maker Faire Taipei 2018即將盛大登場!屆時,將有許多參展廠商與創客夥伴們齊聚一堂,展出自己的精心之作。而RS DesignSpark也會參與今年的Maker Faire Taipei,並在活動中展出Arduino、Raspberry Pi、Intel Movidius⋯⋯等等應用,分別有盤旋小魚、小型的Pidentifier、Pi-Top物件識別器、Arduino空氣吉他及簡報訓練器。為讓讀者們嚐嚐鮮、過過癮、吃吃味(咦),小編先介紹其中一個作品,Check it out

via GIPHY

簡易款Pi-Top物件識別器

這款應用運用樹莓派和Intel Movidius NCS,並配合Pi-Top CEED Pro及網絡攝影機,將影像與識別結果,顯示於Pi-top螢幕的20級識別小工具。

主要構成硬體:

  1. Raspberry Pi Model B+ (811-1284)

  2. Intel Movidius Neural Network Compute Stick (139-3655)

  3. Pi-Top CEED Pro, Green(122-6547)

圖1

 

其它的作品就請讀者們前往RS官網瀏覽,上面有很詳盡的說明。網址:https://www.rs-online.com/designspark/article-41-cn

 

這次RS DesignSpark參加Maker Faire Taipei 2018,只有作品參展嗎?當然不是囉!RS DesignSpark看準當前邊緣運算的科技趨勢,為參加者舉辦了一場「邊緣運算AI智慧裝置」體驗工作坊!

 

參加體驗工作坊可學到什麼?工作坊將運用Raspberry Pi 加上隨身碟大小的神經運算模組Intel Movidius NCS,展示低功耗又能達到高度運算負載的裝置,盼望讓使用者在AI運算高畫質圖像處理機械視覺類神經網路等應用上,觸發出新的解決方案。

 

有工作坊當然有好康囉!好康就是:凡報名體驗工作坊的夥伴,即可得到Maker Faire Taipei 2018活動票券乙張。(聽說今年的Maker Faire Taipei要購買門票喔!)所以,對邊緣運算有興趣的讀者們,請趕快報名!報名請點這裡

 

 And one more thing⋯⋯

via GIPHY

 

活動現場還將有抽獎活動,會送出Movidius、Raspberry Pi套件、Digilent Analog Discovery 2、Pmod HAT⋯⋯等等豐富獎品。所以,Maker Faire Taipei 2018,我們不見不散喔!

 

相關文章

[ 介紹文 ]CAVEDU教育團隊如何看AI 與科技教育

作者/攝影

文:曾吉弘

圖:CAVEDU教育團隊

主題圖片:Designed by Starline

文章分類介紹文
成本X
難度

X

時間X

 

CAVEDU怎麼看 AI 人工智慧

近年來全世界都掀起了一股「大家來coding」的風潮,台灣政府也開始推動基礎程式教育,目標是讓孩子們能在學習程式設計的過程中培養基礎的運算思維(Computational thinking)能力,能對這個快速變動的環境有更多的好奇心與觀察力。另一方面,自從大陸在今年(2018) 4月於上海發表全球第一本AI高中教材《人工智能基礎》之後,大家好像都緊張了起來:

  • 業界:「不 AI 一下,好像不行?得趕快說自己是 AI 產業。

  • 家長、同學:「我要找 AI 相關科系!」(當年的生科與資管也是這樣?)

  • 學校老師:「把原本的課程名稱加上AI兩個字!

 

上述也許誇大了點,但科技領域關鍵字一日數變,AI 領域又包山包海,除了極少數頂尖研究者之外,又有誰敢說自己是 AI大師、AI領航者呢?

 

AI 等資訊科技是現在進行式,今天弄得要死要活的東西,明天說不定點點按鈕就好了?近兩年物聯網教學就是很好的例證,使用 LinkIt 7697 搭配 MCS 雲服務,已經能讓國小學生也能做出簡單的物聯網專案,從網頁與手機就能監看感測器資訊或控制開發板。在此的並非說網路通訊協定不重要,而是對於非專業人士來說,這樣的設計能幫助他們聚焦在最重要的事情上:資料。如果資料對於開發者來說是有意義或是重要的,那先從資料本身開始是個相當好的出發點。

圖1

 

圖2

 

關鍵字會變,但流程與理論基礎不會。CAVEDU從2008年開始使用樂高機器人來教學(如果要回溯到我與鄭建彥最開始接觸樂高的話,那是1999年的RCX了),一路邁入手機App (Android / App Inventor@2010)、互動聯網裝置(Arduino / Rpi / LinkIt…@2013)、物聯網(@2015) 到去年開始如野火燎原一般的 AI。如果只追關鍵字的話,真的會無所適從。

 

根據美國麻省理工學院媒體實驗室終身幼兒園小組的Mitchel Resnick教授表示,幼兒(小學前)時期可說是我們一生中最具創造力的時候。該團隊所開發的 Scratch 已經是小學階段的最主要圖形化程式介面之一,Resnick教授也主張 「Scratch 是幫助孩子們成為創意思考者(Creative Thinker)的絕佳平台」,並致力於讓 Scratch 「很簡單」,他認為程式提供愈多功能或愈多元件反而會限縮孩子們的創造力。(關於創意思考者,請參考 Learning Creative Learning 課程,正體中文由阿吉老師與諸多好朋友一起翻譯完成。)

 

另一方面,MIT App Inventor小組創辦人 Hal Abelson 教授(阿吉老師於2017- 2018 於該實驗室擔任訪問學者)也說:「如果資訊科技一日數變,那為什麼還要讓孩子們和他們的祖父母一樣的方式來學習?” 因此,在這股浪潮下也有另一種反思:「是否人人都需要學如何寫程式?這樣同質化的過程會對孩子造成怎樣的影響?

 

CAVEDU的理念是:根據當前的科技發展趨勢,針對不同學習課群提供合適的教學內容。

 

對於孩子來說,好玩最重要

圖3

 

圖4

 

點我觀看與Hal Abelson教授的訪談   /   點我觀看與Mitchel Resnick教授的訪談

 

使用 Raspberry Pi 實作AI 視覺辨識無人小車

AI 對多數人來說,還是太虛無飄渺了。CAVEDU 為了讓學生理解 AI 諸多領域中最容易有感也是最容易實踐的:視覺辨識,我們使用 Raspberry Pi B3+ (後簡稱 Pi3)所設計的 「邊緣運算 AI 無人自駕小車」。

 

這是我們認為對於基礎 AI 視覺應用的最佳教學套件。之所以選用 Pi3 自然是因為其性價比以及豐富的教學資源,當年還是 Pi 2的時候就有相當不錯的 OpenCV 視覺追蹤效果,各樣的函式庫套件也非常豐富,一下子很多專題都可以使用它來完成,與Arduino 兩者號稱是學生專題救星呢(笑)!

 

AI 視覺應用的難點在於收集影像資料。喜歡養貓的阿吉老師開玩笑說:「我要幫我家的貓要拍多少張照片都沒問題,但是要蒐集十種不同的貓就難囉!」我們所設計的課程會帶學生體驗完整的訓練流程,不使用現成的資料集(因為訓練結果不會差太多),而是針對無人小車的場地實際收集影像,標記,最後選定模型來進行訓練。其中每一個環節都會影響到小車最終的辨識結果。一定有感!

圖5 學員自行收集的影像資料

 

圖6 AI視覺辨識課程實況

 

圖7 視覺辨識課程使用的AI無人小車

 

邊緣運算?

邊緣運算是指終端裝置也具有一定的能力來處理資料 ,可以加快資料的處理與傳送速度,只要把運算後的結果而非原始資料丟回雲端 (不過不一定什麼事情都要與雲端結合,後續會繼續討論)即可,自然能大幅減少因網路頻寬受限而產生的延遲。

 

例如就經濟面的考量,如果要做到抓到臉部之後能進一步辨識情緒/微笑或五官位置這類功能的話。後面的進階功能可以使用 Microsoft Azure 認知服務 或其他類似的雲端服務來做到,但這些雲端服務都需要付費(或部分免費),且多數需要信用卡來進行身份認證,這件事在多數學校就卡關了吧…   因此我們在課程設計上就朝「終端裝置就能做到」這個方向來努力。在此簡單做一些比較:

 

邊緣運算 VS 雲端服務

  1. 程式碼開源雲端服務很厲害,但它不會告訴你他是怎麼算的。我們能做的只能相信這些雲端服務供應商的結果。例如:Facebook 每天都有一大堆人在打卡與自拍,合理推斷在超大量的資料之下,Facebook在辨識臉孔上非常準,當然事實也是如此。如果把這些運算改到邊緣裝置來做的話,由於程式碼已知,就能循序漸進讓學生學到更多東西,也可以針對後續的情境來擴充。
  2. 不受網路環境影響:相信各位老師都體認到了:教室可以上網,不代表可以進行物聯網教學。能夠進行物聯網課程的話,教室的 router 要很夠力,基本要能夠負擔 「上課人數 x 3」的連線數:聯網裝置 + 手機 + 電腦 都要在同一個網段下才行。因此20人上課,連線數的基本需求就是 60。已經有許多學校著手升級網路基本設備,非常欣慰。
  3. 運算即時:以 CAVEDU 的AI教學車為例,這樣的情境就需要即時,而非連結雲端。Rpi 的速度不算太快,拍照上傳雲端,呼叫API,收到回傳結果來決定車子動作,這個過程再怎麼快也要3~5秒,這樣就算偵測到什麼東西,車子也已經撞牆了。因此有些標榜AI語音辨識結合自走車控制,好像有點奇怪⋯⋯。

 

作為邊緣運算裝置,如何提升 Raspberry Pi 的算力?

CAVEDU 的 Pi3 AI無人小車,直接讓 Rpi 執行使用 Keras 神經網路架構來進行視覺辨識,辨識張數每秒約2~5張(0.5 ~ 0.2秒/張)。這大大限制了車子的移動速度。畢竟,Pi 3只要開多一點網頁,系統就到100%了,何況大量的模型訓練呢?在不更換主板的前提下,要如何提升 Raspberry Pi 的算力呢?

 

Intel 所推出的 Movidius NCS神經運算棒來得恰到好處,可以把最耗資源的運算分一點去做。以 Pi3 小車來說,只要搭配一隻 Intel Movidius NCS 就可以讓每秒的張數提升到每秒約14~20張(0.07 ~ 0.05秒/張)。算是相當經濟實惠不錯的選擇,當然也可以期待 Pi 4就是了。根據 Intel 原廠文件表示,可以串接多隻 Movidius 達到更好的效能。

 

的確,覺得Pi 效能不佳的讀者,當然可以購買更高級的硬體例如 Nvidia TX1,但對於學校來說,經費可以買幾台呢?買一台大家圍著看嗎?另一方面,課程的延伸性呢?本課程已經與台灣微軟技術中心合作開辦多梯次的人工智慧實務工作坊(AGV),並搭配其 Azure 雲服務下的資料科學虛擬機器 (Data Science Virtual Machine) 來加速神經網路訓練速度,適合業界人士使用。另一方面,對於教學單位來說,可使用個人電腦來進行訓練,使用我們所提供的架構使用一般的電腦也可以完成訓練,並搭配 Pi3 完成至少一學期的課程(課表已經完成,歡迎來信索取或找我們去辦研習喔!E-mail:service@cavedu.com

圖8 Intel Movidius NCS神經運算棒

 

CAVEDU 提供各式各樣的最新課程,當第一線教學者的強力後盾。如果您也認同CAVEDU的理念,不喜歡好高騖遠的名詞大戰,歡迎來CAVEDU走走看看。

 

相關文章

 

 

[Raspberry Pi] 電腦跨網段,也可遠端連線樹莓派喔!!

本篇為[Raspberry Pi] 如何使用遠端桌面 的延續文章,使用RealVNC與各位讀者分享,如何不需在同一網段內也可進行遠端連線。

作者/攝影

CAVEDU教育團隊 許鈺莨

文章分類教學技術文
時間一小時內
成本最低1500起
難度

*

材料表
  1. 電腦或其他行動裝置
  2. Raspberry Pi(若欲購買樹莓派,請洽機器人王國商城)

1.在Raspberry Pi上安裝VNC

一開始必須在Raspberry Pi安裝VNC Connect,建議外接螢幕、鍵盤、滑鼠,或用類似像Putty、MobaXterm的軟體SSH登入Raspberry Pi,相關教學請看
[Raspberry Pi] 完全不接螢幕鍵盤滑鼠,電腦一開始就用網路線遠端連線Pi 

 

打開終端機之後,請鍵入:

	sudo apt-get update
	sudo apt-get install realvnc-vnc-server
圖1

 

圖2

 

圖3 按Y同意安裝,即可安裝完成。

 

如何開機自動執行RealVNC

a.有接螢幕、鍵盤、滑鼠

圖4 點選左上角樹莓派圖示,選「Preferences」 ->「Raspberry Pi Configuration」。

 

圖5 選「Interfaces」,再至VNC選「Enabled」。

 

圖6 重新開機即可

 

b.使用Putty或MobaXterm等軟體SSH遠端登入

在終端機輸入:

	sudo raspi-config 

 

圖7

 

會出現選項,如下圖:

圖8 選「Interfacing Options」

 

圖9 再選VNC選項

 

圖10 選擇即可設定完成

 

2.在VNC官網註冊帳號

就和登入臉書或LINE等通訊軟體的概念一樣,要先註冊一組帳號,VNC官網: https://www.realvnc.com/en/onboarding/home/ ,註冊完畢後,便可依自己的帳號登入。

圖11 建立新帳號

 

圖12 勾選「我不是機器人」選項

 

圖13 填寫個人相關資訊

 

圖14 其它行動裝置教學

 

由於RealVNC可由帳號登入,所以不管是電腦或是可上網的行動裝置,只要安裝RealVNC Viewer,皆可遠端登入,讓我們以電腦為例子。

圖15 收到驗證信件

 

圖16 註冊成功

 

如圖15,當收到驗證信件時,請按下「VERIFY EMAIL」按鈕後,會跳轉至官方頁面,顯示如上圖16,表示註冊成功。

 

3.下載RealVNC Viewer至電腦

圖17 下載RealVNC Viewer(以Windows版本為例)

 

圖18 安裝完成畫面

 

圖19 按右上角「Sign in」輸入帳號

 

圖20 登入畫面,右邊為欲登入Raspberry Pi的區域。

 

4.遠端登入Raspberry Pi

圖21 新增連線對象,選「File」->「New connection」。

 

圖22 輸入Raspberry Pi的ip 位置及名稱後,按下OK。

 

圖23 成功新增連線對象Raspberry Pi

 

圖24 輸入驗證的使用者和密碼

 

這裡預設Username為「pi」,Password為「raspberry」。

圖25 第一次連線會出現認證警告,按「Continue」即可。

 

圖26 遠端登入成功畫面

 

相關文章

[ 翻譯 ] 2018.08.03-根據TensorFlow團隊,TensorFlow 1.9正式支援樹莓派

原文作者

Pete Warden

圖片

CAVEDU教育團隊

翻譯宗諭審閱吉弘
說明

感謝作者Pete Warden的授權翻譯,特此致謝!

When TensorFlow was first launched in 2015, we wanted it to be an “open source machine learning framework for everyone”. To do that, we need to run on as many of the platforms that people are using as possible. We’ve long supported Linux, MacOS, Windows, iOS, and Android, but despite the heroic efforts of many contributors, running TensorFlow on a Raspberry Pi has involved a lot of work. Thanks to a collaboration with the Raspberry Pi Foundation, we’re now happy to say that the latest 1.9 release of TensorFlow can be installed from pre-built binaries using Python’s pip package system! If you’re running Raspbian 9 (stretch), you can install it by running these two commands from a terminal:

當TensorFlow於2015年首次發佈時,我們希望它是一個「給所有人的開源機器學習框架」。爲要達成這一點,我們需要盡可能讓它在更多人們使用的平台上運作,所以,我們長期以來支援了Linux、MacOS、Windows、iOS及Android等作業系統。然而,儘管許多貢獻者已經貢獻卓越,在Raspberry Pi上運行TensorFlow仍有許多工作需要完成。感謝與Raspberry Pi基金會的合作,我們現在很高興能宣佈:最新的TensorFlow 1.9版,可透過Python的pip套件系統來安裝建置好的二元檔了!若您正使用Raspbian 9(Raspbian stretch),只要從終端機輸入下面這兩道指令來安裝它:

 

sudo apt install libatlas-base-dev
pip3 install tensorflow

 

You can then run python3 in a terminal, and use TensorFlow just as you would on any other platform. Here’s a simple hello world example:

接下來,您可在終端機上運作python3,並如同在任何其它平台上一樣使用TensorFlow。下面是一個簡單的hello world範例:

 

# Python
import tensorflow as tf
tf.enable_eager_execution()
hello = tf.constant(‘Hello, TensorFlow!’)
print(hello)

 

If the system outputs the following, then you are ready to begin writing TensorFlow programs:

Hello, TensorFlow!

如果看到以下內容:Hello, TensorFlow!, 那您便可開始編寫TensorFlow的程式。

 

There are more details on installing and troubleshooting TensorFlow on the Raspberry Pi on the TensorFlow website.

更多細節,請參考TensorFlow官網上的內容

 

We’re excited about this because the Raspberry Pi is used by many innovative developers, and is also widely used in education to introduce people to programming, so making TensorFlow easier to install will help open up machine learning to new audiences. We’ve already seen platforms like DonkeyCar use TensorFlow and the Raspberry Pi to create self-driving toy cars, and we can’t wait to discover what new projects will be built now that we’ve reduced the difficulty.

我們對這件事感到很興奮,因為Raspberry Pi早已被許多創新開發者使用著,也被廣泛應用於教育領域來推廣程式教育。所以,讓TensorFlow更容易安裝於Raspberry Pi上,將有助於新朋友認識何謂機器學習。我們已經看到像 DonkeyCar 這樣的平台使用TensorFlow與Raspberry Pi來做出能夠自動駕駛的玩具小車。我們也迫不及待想知道,在使用難度降低之後,會有哪些新專案誕生。

 

Eben Upton, founder of the Raspberry Pi project, says, “It is vital that a modern computing education covers both fundamentals and forward-looking topics. With this in mind, we’re very excited to be working with Google to bring TensorFlow machine learning to the Raspberry Pi platform. We’re looking forward to seeing what fun applications kids (of all ages) create with it,” and we agree!

Raspberry Pi創辦人Eben Upton表示:「現今的電腦程式教育必須涵蓋基礎知識與前瞻性的主題。考慮到這一點,我們非常興奮能與Google合作,將TensorFlow機器學習引入Raspberry Pi平台。我們期待看見所有年齡層的孩子們能運用它來打造各種有趣的應用。」這,我們完全同意!

 

We’re hoping to see a lot more educational material and tutorials emerge that will help more and more people explore the possibilities of machine learning on such a cost-effective and flexible device.

我們深切盼望看見更多教材和教學資源問世,幫助更多人在Raspberry Pi這款高CP值又具備擴充彈性的裝置上探索機器學習的各種可能性。

 

備註:若您想要購買樹莓派,可以前往機器人王國商城,謝謝。

 

相關文章

[ 新品開箱 ] 2018.08.29 – 透過ReSpeaker 6-Mic環形陣列模組 讓您運用Raspberry Pi打造個人專屬的智慧語音產品(可整合Amazon Alexa、Google語音助理喔!)

翻譯

宗諭

審閱

吉弘

說明

文、圖轉載、改寫自Seeed產品介紹網站,特此致謝!若您欲購買ReSpeaker 6-Mic環形陣列模組,請洽機器人王國商城

ReSpeaker 6-Mic環形陣列模組是Seeed最新出品的一款擴充板,也就是專門為樹莓派設計的HAT擴充板。它是一個形的麥克風陣列模組,配備有6顆麥克風,專門為人工智慧和語音應用而設計。這代表可以使用樹莓派做出一台功能更強大、更靈活的語音產品,同時可整合Amazon Alexa語音服務、Google語音助理⋯⋯等等。

 

樹莓派專用的ReSpeaker 6-Mic環形陣列模組,由兩個板所構成,一個是語音配件HAT板,另外一個是6個麥克風所組成的環形陣列。

 

ReSpeaker 6-Mic環形陣列模組在Raspbian作業系統中支持8個輸入和8個輸出通道。前6個輸入通道用於麥克風錄製,其餘2個輸入通道則用於回放。前2個輸出通道用於播放音效,其餘6個輸出通道則為虛擬。

圖1 硬體概覽圖

 

產品特色

  • 2個ADC晶片和1個DAC晶片

  • 8個輸入和8個輸出通道

  • 六個麥克風陣列

  • 支援Grove接頭

  • 相容於樹莓派40針連接埠

  • 耳機和揚聲器語音輸出

 

規格說明

  • 2 x X-Power AC108 ADC晶片

  • 6 x高性能麥克風

  • 1 x X-Power AC101 DAC晶片

  • 輸出連接埠:

    • 5mm 耳機接頭
    • 揚聲器連接埠
  • 相容於樹莓派40pin連接埠

  • 麥克風:Knowles SPU0414HR5HSB

  • 靈敏度:-22 dBFS (各方向)

  • SNR:59 dB

圖2 組裝圖

 

圖3 動態組裝圖

 

Applications應用

  • Smart speaker 智慧音箱

  • Intelligent voice assistant systems 智慧語音助理系統

  • Voice recorders 錄音應用

  • Voice conferencing system 語音會議系統

  • Meeting communicating equipment 會議通訊設備

  • Voice interacting robot 語音互動機器人

  • Car voice assistant 車用語音助理

  • Other scenarios need voice command 其他需要語音指令的場景

 

那麼,ReSpeaker 6-Mic環形陣列模組可有哪些方面的應用呢?例如智慧揚聲器、智慧語音助理系統、聲音錄音機、語音會議系統、會議通訊設備、語音互動機器人、汽車語音助理⋯⋯等等,或是在其他場景中需要語音命令,都可運用它。若是讀者們想要更多的創意應用,就有賴大家的研究、開發。

(若欲購買ReSpeaker 6-Mic環形陣列模組,請洽機器人王國商城

 

相關文章

[Raspberry Pi] 如何使用遠端桌面

作者

袁佑緣

時間

三小時

難度

***

材料表

  1. 電腦
  2. Raspberry Pi  (2018 Pi3+測試中)
  3. 網路線
  4. USB轉RJ45接頭(如果電腦需要額外的網路孔的話))

[Raspberry Pi] 完全不接螢幕鍵盤滑鼠,電腦一開始就用網路線遠端連線Pi 中, 我們有介紹過如何指透過網路線就可以連進去Raspberry Pi中, 但是有時候我們還是需要一個圖形化的界面來操作, 或者是要顯示圖像或影片, 所以本篇文章要來介紹一下如何使用遠端桌面來解決類似的問題。

以下是兩種常用的方法,VNC以及Xrdp。

使用VNC遠端桌面

首先請先將電腦與Raspberry Pi做連線, 並用SSH登入到Raspberry Pi中, 關於這部份有問題的話, 可以直接參考這篇文章的教學 [Raspberry Pi] 完全不接螢幕鍵盤滑鼠,電腦一開始就用網路線遠端連線Pi

登入之後, 請打上以下的指令來安裝tight vnc server, 好用來在Raspberry Pi上跑一個VNC遠端桌面的服務。

sudo apt-get install tightvncserver -y

安裝完成後, 可以在終端機中輸入以下的指令來開啟這個server,

vncserver

第一次啟動的話, 程式會提示使用者設定一組密碼, 長度為八個英文字母或數字, 另外, 讀者也可以設定一組只能觀看螢幕畫面的密碼, 在本範例是略過這一步, 所以輸入n,跳過這個選項, 設定完成後, 就會在家目錄底下的.vnc資料夾生成一些設定檔,如下圖。

在Raspbian中, 管理圖形話界面的xserver會有一個DISPLAY的環境參數可以去設定, 也就是說可以透過這個參數, 來設定你要輸出的畫面到那一個顯示上, 好比說我們現在開啟的vnc server是開在:1號上,

你可以輸入以下的指令來確認現在的vnc server是開在那一個DISPLAY上。

ps a | grep vnc

所以說vnc server可能會有好幾個DISPLAY正在活動, 例如:1, :2, :3, …​好幾個桌面這樣, 每一個桌面都可以讓各別的使用者進行不同的操作, 但如果說我想要關掉特定的DISPLAY的話, 可以透過以下的指令來關掉特定的桌面, 如以下範例中的:1 號DISPLAY。

vncserver -kill :1

順帶一提, 如果我想要開一個Full HD的桌面, 而且指定為DISPLAY :2號的話, 可以透過下面的指令來完成。

vncserver -geometry 1920x1080 :2

到這邊我們已經把server端的部份搞定了, 接下來就剩下我們的電腦要安裝vnc viewer, 來遠端連線到Raspberry Pi上的桌面系統了。

讀者可以下載Chrome瀏覽器, 並安裝 VNC Viewer for Google Chrome 這個插件。

安裝完成後可以在網址列那邊輸入 chrome://apps 就可以切換到Google Chrome瀏覽器裡的App清單中, 請點擊清單中的VNC Viewer,如下圖中的左上角。

打開VNC Viewer後, 我們就可以透過連到<Raspberry Pi的ip>:<vncserver的port>, 來開啟指定port下的遠端桌面。

理論上我們要透過ssh連線到Raspberry Pi時, 就會需要用到Raspberry Pi的IP位址, 但是如果我們忘記了想要再重新查詢一遍的話, 可以在終端機中打上以下的指令查詢, 如下圖中的10.42.0.135

ip a

至於在連線時, 我們會有指定一個<vncserver的port>, 意思是5900加上DISPLAY的編號, 好比說我要連到DISPLAY :1這個桌面, 就打上5901, :2 就5902, 依此類推。

如以下的範例, 連到10.42.0.135下的:1號桌面。

連線時, 同意非加密的連線。

並打上前面設定過的vncserver的密碼。

成功登入後如下圖。

使用瀏覽器的插件來連到vnc viewer的好處是跨平台, 但是如果讀者想使用其他方法, 例如下載自己作業系統上的vnc viewer程式的話, 以下推薦一個比較常用的 RealVNC Viewer 請根據您電腦的作業系統來下載安裝。

指定SSH中的圖形畫面要在哪一個桌面上輸出

如果說讀者是從ssh登入之後, 直接在終端機上呼叫一個需要跑圖形界面的程式, 例如呼叫xterm

xterm

那麼讀者應該會看到系統回傳一個錯誤, 表示無法開啟顯示, 因為在SSH中, 預設是沒有DISPLAY的設定的。

但是如果我們把DISPLAY設定成:1, 也就是指定到我們vnc server上的:1號桌面, 並再重新跑一次xterm

export DISPLAY=:1
xterm

如此一來就可以在vnc viewer的port 5901上的這個桌面, 看到xterm成功被啟動了,如下圖。

另外, 如果說你想要查一下這個vnc viewer連到的桌面, 現在DISPLAY是設定多少的話, 可以點擊桌面上方的終端機圖示,

打開終端機後,

輸入以下的指令來顯示DISPLAY這個環境變數,

echo $DISPLAY

可以看到, 在這個桌面下,確實是DISPLAY :1呢!

 

設定新的密碼
vncpasswd
刪除舊的密碼
rm -rf passwd

使用Xrdp遠端桌面

另外一個常用的方法是使用Xrdp, 這是一套由windows發展出來的protocal, 因為它一套專門用來做遠端桌面溝通的協定, 所以在功能上會比vnc來的多,而且處理效能會較好一些。

在Raspberry Pi上要使用Xrdp的話, 只要輸入以下指令下載安裝, 系統就會自動執行了。

sudo apt-get install xrdp -y

至於連到Xrdp的工具可以從以下的網址來下載

安裝完成後, 基本上跟vnc viewer的操作上是很類似的, 不過在這邊是指定Raspberry Pi的IP後, 把使用者的帳密打上去, 如下圖所示。

成功登入後就會看到熟悉的桌面系統囉!

[Raspberry Pi] 不再備份整張SD卡,縮小RaspberryPi備份容量

作者

袁佑緣

時間

三小時

難度

***

材料表

  1. Raspberry Pi  (2018 Pi3+測試中)
  2. PC
  3. SD Card

在使用Raspberry Pi時, 我們常希望如果能夠將辛辛苦苦安裝完的系統備份起來, 以後只要將這個備份出來的映像檔燒錄到新的SD Card上, 就可以還原之前的系統了。

好比說在這篇文章中 [AI人工智慧應用] 在Raspberry Pi上安裝NCSDK , 光是安裝NCSDK以及編譯OpenCV函式庫就要花上快半天的的時間, 要是能夠直接備份系統的話, 以後就不用再花時間一直重新安裝了。

所以本篇將介紹如何備份Raspberry Pi的系統, 並把它做成映像檔存起來, 另外,一般來說備份出來的映像檔都會相當大, 好比說原本的記憶卡是16GB大小的, 備份出來的映像檔就會有16GB這麼大, 保存或傳輸檔案都非常不方便, 所以文章的後半段會探討怎麼縮減備份映像檔, 希望盡量壓縮到方便傳輸的大小, 例如本範中將原本16GB的映像檔縮減並壓縮到3.8GB大小的壓縮檔。

 

Windows系統下備份映像檔

在Windows作業系統下備份映像檔我們需要額外下載額外的工具, 請到以下的網址下載win32diskimager。

下載完成後, 請打開win32diskimager程式, 如下圖, 並點擊Device旁邊的資料夾圖示, 選擇映像檔要存檔的位置。

如下圖,選好存檔位置後,打上要存檔的檔名。

完成後,請將要備份的Raspberry Pi SD Card插到電腦上, 並在Device那邊選擇磁區, 如下圖的F槽, 選完按下下方的Read按鈕就會開始備份囉!

Linux系統下備份映像檔

在Linux系統下進行備份的話, 除了可以使用指令直接進行備份外, 還可以對備份出來的映像檔進行縮減大小的加工。

如果讀者的電腦不是Linux的作業系統的話, 建議可以參考此篇的教學[AI 人工智慧應用] MovidiusNCS在PC中設定Ubuntu虛擬機並執行NCSDK(上),使用虛擬機安裝一個Ubuntu linux的作業系統。

接下來我們進到正題, 首先請打開終端機, 輸入以下的指令

sudo dd bs=4M if=/dev/mmcblok0 | zip NCS-raspbian.zip -

讓我們一步步拆解這行指令的內容, /dev/mmcblok0是Raspberry Pi的SD Card插到電腦上後, 電腦辨識出的磁區位置(不同的電腦可能會辨識出不同的位置), 接著我們用dd指令將整個SD Card上的資料以4M的block size進行備份, 備份的過程中我們把這個備份出來的映像檔, 經過pipe(|)傳到zip指令中, 即時的使用zip指令將這個映像檔做壓縮, 最後存成一個壓縮檔叫做NCS-raspbian.zip, 至於前面加了sudo是因為要取用/dev/mmcblk0的話, 會需要用到超級使用者的權限。

順代一提, 使用dd這個備份工具的話, 預設是沒有明顯的備份過程顯示, 所以常常不知道現在的進度到那裡了, 所以筆者建議可以在dd指令中多加一個參數, 將dd的狀態(status)用progress這隻小程式顯示出來。

sudo dd bs=4M if=/dev/mmcblok0 status=progress | zip NCS-raspbian.zip -

備份過程如下圖。

另外如果說讀者的電腦上沒有progress這隻小程式的話, 可以透過系統的套件管理員來安裝, 如下圖(以Ubuntu系統為例)。

sudo apt-get install progress

縮減備份映像檔的大小

實際上, 備份出來的映像檔雖然經過zip壓縮後, 看起來會比較小, 但是在燒錄到新的SD Card時, 還是會解壓縮成原始的大小, 也就是原本的SD Card大小如果是16GB(即便是Raspberry Pi的系統實際上只用了6GB左右), 所以在這一小節, 我們要來探討一下怎麼縮減掉映像檔中不必要的部份。

首先我們把剛剛備份出來的壓縮映像檔解壓縮。 請輸入以下指令來解壓縮, 並存成映像檔NCS-raspbian.img。

unzip NCS-raspbian.zip NCS-raspbian.img

接著我們使用fdisk看一下這個映檔的內容以及大小, 如下圖, 應該會看到兩個部份, 一個其實就是Raspbian的boot的部份, 另外一個則是存放root系統的磁區。

我們記下第二個部份的Start位置, 如上圖的94208, 接下來將這個sector數值乘上512, 轉成標記第二個磁區的offset(單位是bytes) 並用losetup掛載到Linux系統上的loop device(/dev/loop0)

sudo losetup /dev/loop0 NCS-raspbian.img -o $((512*94208))

完成後, 先確認所使用的系統中有沒有gparted這隻程式, 如果沒有的話, 請使用套件管理員將它安裝完成, 以Ubuntu為例,

sudo apt-get install gparted

接著輸入以下的指令來對/dev/loop0這個裝置進行進一步的操作,

sudo gparted /dev/loop0

成功執行的話, 應該可以看到如下的視窗跳出。

請點選/dev/loop0這個裝置, 並按下右鍵選擇Resize, 最後拉動上方的磁區大小滑桿, 拉到想要縮減到的大小(建議在Minimum size外再留一些空間會比較好喔), 如下圖。

Resize設定完成後, 回到主畫面, 並按下上方的Apply按鈕, 開始進行重新劃分大小。

劃分過如下圖。

Resize完成後, 先別急著關掉, 請在Details那邊找到shrink file system底下的resize2fs -p ‘/dev/loop0’ 8388608K (詳細的數字可能有所不同), 這個數字是待會要進行縮減映像檔大小時會用到的數字。

 

怕忘記的話, 建議讀者可以按下Save Details把資料存起來。

最後我們不需要這個loop裝置了, 請輸入以下指令將它消掉。

sudo losetup --detach-all

最後我在重新使用losetup將整個映像檔掛到loop裝置上, 並使用fdisk工具來對它做重新切割磁區。

sudo losetup /dev/loop0 NCS-raspbian.img
sudo fdisk /dev/loop0

接下來, 在fdisk中輸入 d(刪除磁區), 2(指定刪除磁區2), n(新增一個磁區), p(選擇主要磁區), 2(選擇為磁區2), 94208(使用前面記下的起始sector), +8388608K(使用剛剛gpated中記下的縮減後的大小)

實際操作如下圖。

最後輸入w(寫入新的磁區分割), 過程中如果出現以下的提示, 請輸入N, 以保留ext4的檔案格式。

重新切割完磁區後可以輸入

sudo losetup --detach-all

來退出loop裝置。

改完磁區大小後, 我們要把映像檔中的多餘的部份去掉, 請先輸入

fdisk -l NCS-raspbian.img

並記下End Sector的位置, 如圖中的16871423。

最後使用truncate指令來去掉End Sector以後不要的部份。

truncate -s $((512*(16871423+1))) NCS-raspbian.img

讀者可以輸入以下的指令來查看裁剪過的映像檔明顯變小了(14.7GB → 8.1GB)

ls -lh NCS-raspbian.img

(補充) 使用pishrink來縮減映像檔大小

這邊補充網路上有人分享的專門用來縮減Raspberry Pi映像檔的工具, 叫做pishrink, 詳細的介紹可以去參考這個

請輸入以下的指令下載pishrink腳本。

wget https://raw.githubusercontent.com/Drewsif/PiShrink/master/pishrink.sh

將pishrink檔案屬性改為執行檔, 並用超級使用者的權限去執行縮減映像檔大小, 如以下的範例中, 用pishrink來縮減backup.img這份備份的映像檔。

chmod +x pishrink.sh
sudo ./pishrink.sh backup.img

燒錄映像檔到新的SD Card上

以上的映像檔縮減操作完成後, 建議可以重新做個壓縮檔, 讓檔案在更小一點方便傳輸。

zip NCS-raspbian.zip NCS-raspbian.img

現在如果說我們要將這個備份的映像檔壓縮檔燒錄到新的SD Card上時, 我們可以透過https://etcher.io/[Etcher]燒錄軟體,

指定映像檔的壓縮檔位置

插入SD Card後選擇裝置的位置,按下Flash燒錄即可。

 相關文章:

[Raspberry Pi] 完全不接螢幕鍵盤滑鼠,電腦一開始就用網路線遠端連線Pi

 

作者

袁佑緣

時間

三小時

難度

***

材料表

  1. 電腦
  2. Raspberry Pi  (2018 Pi3+測試中)
  3. 網路線
  4. USB轉RJ45接頭(如果電腦需要額外的網路孔的話))

我們在使用Raspberry Pi時,常會需要額外的設備例如準備螢幕、鍵盤、滑鼠才可以操作, 使用上非常的不方便,而本文就是我們將介紹如何只透過一條網路線就能操作Raspberry Pi, 並且還可以透過筆電或桌電分享網路給Raspberry Pi,不用再辛苦地去接無線網路。

在PC中設定網路分享

以下的內容將會以Windows的作業系統為主(本範例用的是Win10), 使用macOS的朋友請直接參考另外一篇教學文 Raspberry Pi 教學-使用網路線讓電腦與樹莓派進行連線(For Mac OS X)

首先請先打開控制台(control panel),並打開網路設定。

接下來進到網路共用中心(Network and Sharing Center)。

應該會看到電腦上可以用的網路裝置,以筆者的電腦為例, 筆者有兩個乙太網路裝置,一個是讓電腦可以連到外網的裝置(“乙太網路”), 另外一個則是USB轉乙太網路卡(“乙太網路 2”),我們希望可以將這個連到外網的網路, 透過這個USB轉乙太網路卡分享網路給Raspberry Pi。

如果讀者現在打開左邊的網路介面卡設定(Change adapter settings)的話, 應該可以看另外一個網路裝置是打叉的, 因為我們在這上面還沒有設定網路, 如果直接接到Raspberry Pi上是不會有任何反應的。

所以為了要讓這個要分享給Raspberry Pi能有網路, 我們必須要從另外一個有接到外網的裝置, 分享網路給另外一個裝置。

點選功能(properties), 接下來選擇分享(Sharing)的選項, 並將分享的功能勾選如下圖, 並指定裝置為欲分享網路的裝置, 例如本範例中的”乙太網路 2″。

完成後可以點選欲分享網路的裝置中的詳細資料(Details), 如下圖,讀者可以看到右邊的IPv4 Address是192.168.137.1, 這是所分享的網路中的電腦IP位址, 但實際上Raspberry Pi的IP位址還不知道。

掃描Raspberry Pi的IP

所以我們還需要額外的工具來掃描Raspberry Pi的IP位址, 例如本篇範例中用到的Advaned IP Scanner, 這是一款免費的IP掃描工具, 讀者可以從以下的網址來下載。

接下來請安裝IP Scaner。

安裝完成後,執行IP Scanner, 如下圖,按下Scan之後就可以掃描電腦網域附近的可能裝置, 另外為了要節省少描的時間, 建議讀者可以把欲掃描的IP範圍給定, 例如本範例中的192.168.137.1-254。

最後我們記下掃到的Raspberry Pi IP位址, 例如本範例的(192.168.137.173)。

接下來我們只剩下最後一步, 就是要如何透過網路連線到Raspberry Pi, 一般來說我們會用SSH來去連這個IP, 進而登入Raspberry Pi的系統當中。

SSH連線到Raspberry Pi

為此我們必須準備好SSH的工具, 筆者建議可以透過 Chrome瀏覽器的插件Secure Shell 來進行SSH連線,因為瀏覽器是跨平台的,所以就算在macOS的系統上也可以適用。

安裝完成後,讀者可以直接在瀏覽器的網址列直接打上”ssh”, 接下來再按下Tab鍵就會自動進入ssh插件模式, 然後就可以打上”Raspberry Pi使用者@Raspberry Pi IP位址”, 例如本範例的”pi@192.168.137.173″。

初次登入的話,一開始會先建立金鑰的認證, 請輸入”yes”來同意認證。

成功登入後就會如下圖, 會進到一個Raspberry Pi中的shell中。

補充

如果讀者是在Raspberry Pi上安裝官方推薦的Raspbian系統的話, 一般來說,為了安全考量,預設都是會關閉SSH的功能, 所以說如果Raspberry Pi可以拿到電腦分享網路的IP, 但是卻SSH卻登不進去的話,可以按照下面的步驟來強制開啟SSH的功能,

首先請先將Raspberry Pi的燒錄過系統的SD卡插到電腦上面, 並打開裡面的”boot”磁區,如本範例中的F槽。

接著再右鍵新增一個空白文件,命名為ssh。

 

當Raspbian開機時,如果說boot磁區中有一個檔案檔名叫做ssh的話, 就會強制開啟ssh的功能,如下圖。

相關文章:

 

[Raspberry Pi 3+] 為您介紹新版樹莓派七大特點:Raspberry Pi 3 Model B Plus

 

作者/攝影宗諭 / 英國樹莓派基金會

Raspberry Pi 3 Mode B +購買傳送門

只有信用卡一般大小的Linux系統單板電腦Raspberry Pi(樹莓派),可說是英國電腦工業史上最偉大的成功之一!因為,自從2012年Raspberry Pi開始進行商業生產後,它已經銷售超過1900萬片,並且這個數字仍在快速攀升中。

從Raspberry Pi zero、Raspberry Pi 1、Raspberry Pi 2至Raspberry Pi 3,這塊單板電腦仍在持續進化,其應用也非常廣泛,比方說,試算表、文字編輯、遊戲⋯⋯等等,還能播放高畫質視訊影片,以及控制其他硬體,例如感測器和馬達,甚至可搭配Arduino與樂高機器人進行整合式應用。可以說,只要接上鍵盤、螢幕及滑鼠,Raspberry Pi就是一台小型個人電腦。而就在今天下午(2018年3月14日),其開發者英國樹莓派基金會透過官網對外宣佈,Raspberry Pi 3 Plus正式發行囉!相信大家對此一定非常好奇,現在,就讓小編帶大家一起來看看,究竟Raspberry Pi 3 Model B Plus(以下簡稱Raspberry Pi 3 B+)與Raspberry Pi 3 Model B相較,有何更新:

圖1 最新一代的樹莓派機身

1.CPU 從BC2837升級為 BC2837B0,1.2GHz四核心升級為1.4GHz四核心

 BC2837B0Raspberry Pi 3 Broadcom應用處理器的升級版本,優化了供電迴路,並且加裝了一個金屬蓋,這使Raspberry Pi 3 B+可以降低電壓運作以減少耗電量,同時可更加準確監控晶片的溫度。

Hint:CPU的位置和原本的不一樣,如果有機構/電路和CPU位置有關的話需要做修改

 

2.Wi-Fi升級為雙頻網路 2.4Ghz + 5Ghz

 與Raspberry Pi 3相較,Raspberry Pi 3 B+的Wi-Fi功能在2.4GHz頻寬下,有較佳表現。然而,在5GHz頻寬下,表現更是沒有話說,請參考以下表格:

Tx bandwidth (Mb/s)Rx bandwidth (Mb/s)
Raspberry Pi 3B35.735.6
Raspberry Pi 3B+ (2.4GHz)46.746.3
Raspberry Pi 3B+ (5GHz)102102

(表格資料由LibreELEC developer Milhouse提供)

值得一提的是,Wi-Fi的電路封裝在一片金屬片的屏蔽之下,上面還雕有小小的英國樹莓派基金會的Logo喔!

圖2樹莓派3 B+的CPU(中)與Wi-Fi裝置(左上)

 

3.藍芽升級為4.2版本有線網路升級

Raspberry Pi 3B+的有線網路連線速率,約略是Raspberry Pi 3B的三倍,請參考以下表格:

Tx bandwidth (Mb/s)Rx bandwidth (Mb/s)
Raspberry Pi 3B94.195.5
Raspberry Pi 3B+315315

(表格資料由LibreELEC developer Milhouse提供)

4.增添PoE功能(Power over Ethernet,網路線供電)

使用了有PoE支援的magjack,把PoE所需要的電源/訊號接到4pin header方便PoE Hat使用。

Hint:4pin header在原本的reset pin位置,如果有機構/電路和reset pin位置有關的話
需要做修改

圖3樹莓派3B+新增了PoE的功能,圖中也看見4 pin接頭。

 

5.CPU效能更加優化

這次Raspberry Pi 3 B+ 改善了 BCM2837B0 的供電封裝,而且新的MaxLinear MxL7704 電源管理 IC能夠調整電壓,過去不能調整電壓,只能透過降頻的方式降低電流,現在電壓也可以調整了。

而因為比較不會碰到過熱降頻,在較長時間下的性能也能提升。CPU頻率原本是1.4GHz,在高於70度為降低發熱量以避免過熱觸發降頻保護頻率會降低至1.2GHz。請參考以下這張圖表:

圖4(以上圖表由Gareth Halfacree提供)

6.GPU沒有變化,基於原本VideoCore的東西都不用改

 根據樹莓派基金會於官網上的說明,3D繪圖在Raspberry Pi 3 B+上依舊是可行的,這一點請大家放心。

 

7.價格

 最後一個點,當然就是大家相當關心的價格問題。在這點上,這款新的樹莓派可以說是沒有任何進展,仍然跟Raspberry 3 Model B一樣,維持在35英鎊,相信大家會樂於掏出口袋中的摳摳的。

 

結語

 一直以來,CAVEDU教育團隊製作了非常多運用樹莓派的專題與專案,也開設了許多關於樹莓派的課程及工作坊,可以說,CAVEDU是樹莓派的愛用者也是積極推廣者。透過這篇文章,盼望大家對於新版樹莓派有一個初步的了解,也請大家期待即將推出的Raspberry Pi 3 Model B+開箱文喔!

(本文多數資料與圖片引用自英國樹莓派基金會官網https://www.raspberrypi.org/

Raspberry Pi 3 Mode B +購買傳送門

相關文章:

[Raspberry Pi]自製縮時攝影機

最近常常用到3D印表機做些小玩具,通常都是今天開始印,隔天成品才做好,如果用樹莓派做個縮時攝影機,把3D列印的過程拍下來一定很有趣,讓我們來動手做吧!

作者/攝影  郭曜銘
時間  30 分鐘
成本
  • Raspberry Pi 2 or 3
  • Webcam
  • SD card
難度 * *
材料表
  • Raspberry Pi 2 or 3
  • Webcam
  • SD card

升旗縮時:這部影片拍攝三十分鐘,大約五秒一張。

3D列印縮時:這部影片拍攝七小時,大約十五秒一張

 

—-事前準備—-

  • 將Raspberry Pi安裝好作業系統(RASPBIAN JESSIE)https://www.raspberrypi.org/downloads/raspbian/
  • 接上電源和webcam。
  • 確認已連上網路。
  • 在樹梅派開啟終端機或用電腦連線至終端機畫面。

 

—-正文開始—–

一、更新系統及套件

1.輸入指令”sudo apt-get update”來更新你的系統

2.輸入指令”sudo apt-get upgrade”來升級已安裝的套件包

 

二、安裝拍照軟體”motion”

1.輸入指令”sudo apt-get install motion”來安裝motion

 

三、設定拍照軟體”motion”

1.輸入指令”sudo nano /etc/motion/motion.conf”,這裡使用”nano”編輯器來更改motion 的設定檔(你也可以使用你慣用的編輯器來編輯設定檔)。

2.在”nano”中你可以使用組合鍵”Ctrl+W”在文件中快速查詢關鍵字。

3.將下表中的值修改成對應的數值

名稱數值附註
daemonON3.png
framerate10004.png
Stream_quality1005.png
Stream_localhostOFF6.png
webcontrol_localhostOFF7.png
quality1008.png
width12809.png 此數值為webcam解析度的寬
height72010.png此數值為webcam解析度的高
Snapshot_interval1011.png 每隔10秒拍一張
target_dir/home/pi12.png 照片存檔的位置

4.使用組合鍵”ctrl+X”離開nano,輸入”y”跟”enter”以保存檔案

5.輸入指令”sudo nano /etc/default/motion”編輯另一個設定檔

6.將名稱”start_motion_daemon”的值改成”yes”,並儲存離開

 

四、啟動攝影機

1.將你的攝影機擺放好

2.輸入指令”sudo service motion restart”重新啟動motion程式

3.輸入指令”sudo motion”執行程式

 

五、取得照片製作成影片

1.輸入指令”sudo motion stop”停止拍照

2.用隨身碟或SFTP將拍到的照片傳輸回電腦,照片會存在你剛剛設定的路徑。

 

3.利用影片製作軟體將所拍攝的照片製作成縮時攝影

我之前是用windows7內建的movie maker,你也可以使用更專業的剪輯軟體來製作影片。

 

相關文章:

[單板電腦大評比] ASUS Tinker 與 Raspberry Pi 3 比一比

作者/攝影 曾吉弘
時間
成本
難度  * * *
材料表
  • ASUS Tinker挺客板
  • Raspberry Pi 3

 

ASUS從去年底悄悄在各大消費性電子展露出了 Tinker 開發板之後,大家就開期待這片板子有什麼有趣的地方。畢竟在在對手林立的SBC戰場中,不只是硬體規格要好,還需要軟體與社群端的支援(資源)。本文將簡單比較兩片板子的異同以及使用 sysbench 軟體的效能評比結果。

如想要以影片方式更加了解Tinker的朋友們,

歡迎觀看CAVEDU教育團隊粉絲團挺客之夜直播影片

簡單來說,Tinker 在硬體配置上與Raspberry Pi 3可說是完全相同,但在硬體上,照規格來看高檔了許多。當然,Raspberry Pi 會紅本來就不是靠規格強(想想當年第一片pi吧),而是靠諸多社群大大無私奉獻,讓它在軟硬體支援與完整度上都愈來愈好。君不見水果拼盤系列,有香蕉橘子蓮霧鳳梨,還有老虎呢。一定都會被問到這一個問題:”Raspberry Pi 一片$1500,如果不是比便宜,要如何說服消費者掏錢去買這個價差呢?

所以本篇對於Tinker的著眼點在於從 Raspberry Pi 的轉移體驗,如果差異性太大,島至於看上Tinker效能而想要移植專案的使用者,如果碰到軟體套件不相容或是函式庫要重做等等,可能又跑回去Pi的懷抱了。簡單說,多聽聽使用者的聲音是很重要的,這點ASUS團隊看來做得不錯喔。

謎之音:2月底剛結束的台大電機黑客松,明查暗訪的結果對於Tinker的反應相當不錯呢!

 

規格

項目ASUS TinkerRaspberry Pi 3
價格約$2200約$1500
尺寸85.6mm x 56.5mm85.6mm x 56.5mm
處理器Rockchip RK3288

四核心 1.8GHz

Broadcom BCM2837

四核心 ARM Cortex-A53, 1.2GHz

時脈
RAM2GB Dual Channel DDR31GB LPDDR2 (900 MHz)
顯示晶片Integrated Graphics Processor

ARM® Mali™-T764 GPU*1

Broadcom VideoCore IV
資料儲存Micro SD cardMicro SD card
電源5V DC5V DC
GPIO腳位40 pin40 pin
類比輸入
PWM
I2C
UART
攝影機CSICSI
影像輸出4K HDMI /   DSI portHDMI / DSI port
聲音輸入/輸出HDMI / 音源孔

RTL ALC4040 CODEC

HDMI / 音源孔
乙太網路有 Gb LAN有   100M LAN
USB接頭4 x USB 2.04 x USB 2.0
無線網路802.11 b/g/n802.11 n
藍牙BLEBLE
目前可用之OS
  • 特製版Debian
  • Kodi

載點:https://www.asus.com/tw/Single-board-Computer/TINKER-BOARD/HelpDesk_Download/

樹莓派基金會推薦Raspbian,其他還有Ubuntu Mate, Windows 10 Iot Core (注意不是Windows 10開機), OSMCAndroid等非常多。

載點:https://www.raspberrypi.org/downloads/

GPIO腳位配置

ASUS Tinker

 

Raspberry Pi3

系統效能測試

在此使用sysbench來測試 Tinker 與 Pi3 的CPU效能與檔案存取速度,(螢幕截圖使用ssh登入後截圖,請先安裝sysbench才能執行相關指令來測試效能

 

$ sudo apt-get update

$ sudo apt-get install sysbench

 

先來看看兩者CPU基本規格

$ lscpu

 

ASUS Tinker

 

Raspberry Pi3

CPU效能

請執行以下指令:

$ sysbench –test=cpu –cpu-max-prime=2000 run

 

左側 linaro 為 tinker 的 terminal 畫面,右側為Raspberry Pi 3,可以看到Tinker : 14.49秒,Pi3則需37.05秒。使用 i7-4700筆記電腦執行同一指令,大概是1.02秒,由此可知這類型的單板電腦與桌機/筆電還是有相當大的差異(價錢也是啊!)

檔案存取

請先用以下指令建立用來測試用的檔案,在此為1G,數字不要調太大不然會跑不完

$ sysbench –test=fileio –file-total-size=1G prepare

接著執行以下指令

$ sysbench –test=fileio –file-total-size=1G –file-test-mode=rndrw –init-rng=on –max-time=300 –max-requests=0 run

上圖為Tinker(49.6),下圖為Pi3(51.02秒)

在此兩者執行時間是差不多,但是兩者的讀寫速度則差別相當大,Tinker是31.8 Kb/s,Pi3 是。Tinker的 Total tranferred data 只有 18.75Mb,Pi3卻高達1.7Gb!

 

ASUS Tinker

Raspberry Pi3

 

記憶體讀取測試

請用以下指令進行記憶體讀取測試

$sysbench –test=memory –memory-block-size=8K –memory-total-size=1G –memory-oper=read run

ASUS Tinker(3330.7Mb/s)

Raspberry Pi3(1413.3Mb/s)

記憶體寫入測試

請用以下指令進行記憶體寫入測試

$sysbench –test=memory –memory-block-size=8K –memory-total-size=1G run

ASUS Tinker(1483.5Mb/s)

Raspberry Pi3(646.6Mb/s)

 

註1:Tinker 的 GeekBench 得分為3925,Pi3為2092,但還是老話一句,速度快當然很好,也需要周邊軟硬體與社群的支持才行喔。資料來源:https://www.slideshare.net/NiyaziSARAL/asus-tinker-board

註2:ASUS 相關資料與圖片經同意後引用自 ASUS Tinker 原廠網站

 

相關文章:

[技術教學分享] Processing、RaspberryPi 與 Arduino 於教學上的應用

本文要告訴您什麼是 Processing?為什麼要結合 Processing 與 Raspberry Pi?兩者可以做到那些事情?以及如何在 Raspberry Pi 上安裝 Processing 開發環境

作者/攝影  曾吉弘
時間  3小時
成本
難度  * *
材料表
  • 個人電腦 (作業系統可用 Windows, Mac OSX 與 Linux,本範例使用 Windows 7)
  • Raspberry Pi 3 單板電腦

Processing 與 Arduino 的淵源相當深,簡單來說 Arduino IDE 繼承了 Processing IDE 簡單易用,範例豐富等優點。CAVEDU 以往曾經開設過許多Processing 結合 Arduino、Kinect、openCV(以上 C3取2可以開三種課程呢!)的課程,也運用了 Processing 上的 Android mode 將 Processing 視為一種 Android 開發環境,總之就是有很多把戲可以變就對了啦!
安裝 Processing 非常簡單,只要到 Processing 官方網站按照您的作業系統下載對應的安裝黨就可以了。也請看看CAVEDU的相關 Pricessing教學文章

接著是本文的兩個重點:

為什麼要用 Processing 結合 Arduino呢?

Arduino沒有介面的概念,任何資料的呈現都只能透過 Serial Monitor,要實體顯示的話就接個 16 x 2  LCD模組(您該不會想要接七段顯示器吧…),再高級一點就是 OLED 模組囉,但不管怎樣都是要外接一個東西,且這個螢幕絕不會太大。如果可以在 Pi 上執行的話,1920 x 1080 Full HD 的螢幕、投影機(ASUS Tinker 可以支援 4K 顯示,好威啊!) 現在都不算太貴,可以作為中大型專題的視覺呈現方案。

為什麼麼 Rasberry pi 上可以執行 Processing 讓阿吉老師這麼感興趣呢?

先說結論:這樣就是一台可獨立執行的互動裝置了,以往要在 PC 端執行的事情,現在在 Pi 上就可以做到,程式碼還不用改,聽起來就很吸引人,不是嗎?

想一下這個情境:

執行在 Raspberry Pi 上的Processing 可透過 Serial port 去控制/讀取接在 USB port上 Arduino的狀態,藉此進行各種視覺化的呈現

 

  • 偵測到人臉,呼叫webcam 拍照
  • 觸碰螢幕上的m x n 的按鈕,點選之後去觸發 m x n 的 LED 矩陣(豪華一點就自己做燈磚)

一切都很美好,真的。原本一定要接一台電腦(桌上型很笨重不好攜帶,筆記型電腦又怕不見…) 才能做到的事情,只要一片 Pi 就搞定。別忘了,設定好 Pi 的遠端登入之後,您可以遠端桌面來控制Pi,這樣就可以省下一套鍵盤滑鼠與螢幕了。

Raspberry Pi 在上課時(尤其是第一堂課)難免會像這樣子弄得滿桌都是,老師們也要花相當大的功夫帶學生認識 Linux 的桌面系統與基礎的 command line 指令,但我想 Rpi 與許多周邊軟硬體的結合在教學上所呈現的豐富程度,是值得您這麼做的。

在Raspberry Pi 上安裝 Processing

請在您的 Raspberry Pi 終端機介面中輸入: (教學)
curl https://processing.org/download/install-arm.sh | sudo sh

安裝完畢之後就可以在選單的 Programming 下看到 Processing 了。點兩下開啟即可:

請由 File/Examples 中選一個喜歡的範例直接執行吧,這是 Input / Clock 範例

最後附上相當人氣的教學投影片: openCV 與 Raspberry Pi,歡迎您照著做做看喔!


 

相關文章:

LattePanda 拿鐵熊貓教學#2:讀取按鈕狀態,使用Visual Studio

本範例將透過 Lattepanda 上的 Visual Studio 來讀取 D13 腳位的狀態。本範例根據 LattePanda官方範例實作而來:http://www.lattepanda.com/docs/

延伸閱讀:

Continue reading

LattePanda 拿鐵熊貓教學#1:LED 閃爍,使用Visual Studio

本範例將在 Lattepanda 上使用 Visual studio 來編寫程式控制其腳位,就從 LED 閃爍開始吧。本範例根據 LattePanda官方範例實作而來:http://www.lattepanda.com/docs/

延伸閱讀:

Continue reading

Raspberry Pi3 搭配 Windows 10 IoT Core 的應用 [紅綠燈的控制]

Rpi 3 的 Windows 10 IoT Core 已經寫了兩篇了,該是來點應用的時候了。本篇要介紹如何利用 Raspberry Pi3 上的 GPIO 來控制一組LED紅綠燈,開發環境使用 Visual Studio 2015

回顧資料:

[Raspberry Pi 3 與 Windows 10 IoT Core] Part 1 – 下載映像檔與開機]

[Raspberry Pi 3 及 Win 10 IoT Core] Part2:應用程式學習編寫環境設定

作者:李少峰


實驗目標及應用環境簡介:

實驗目標

利用 Raspberry Pi3 上的 GPIO 來控制一組LED紅綠燈

程式執行環境

建置在 Raspberry Pi3 及 Windows 10 IoT Core for Raspberry Pi3 的系統上

編寫控制程式

在本次實驗中,控制紅、黃、綠燈號的改變功能,是使用微軟公司的產品 Visual Studio 2015 軟體中的 C# 語言進行編寫應用程式。不一定要使用 C# 進行程式的編寫,您也可以使用其他語言如 VB、C++ 等。


燈號的轉換控制點

紅、黃、綠燈號的切換機制是以秒為單位進行轉換。這次實驗的預設燈號運作周期總共三階段,『1』程式按“啟用”後直接亮綠 58 秒,『2』接著轉成黃燈共 2 秒,『3』轉成 60 秒的紅燈,所以一個週期總共 120 秒,運作週期或紅燈倒數秒數可依需要調整長短。

想跟上物聯網的火熱尾巴,感受到一點溫度?

本次實驗只是分享如何對一組 LED 的紅綠燈進行控制,還算不上物聯網。如果將燈號控制的機制擴充,使用遠端控制方式對燈號進行改變時,嗯,這樣運用的方式就有那麼一丁點像 IoT 的運作 味道喔,其實是還早的呢!要再好好好努力再努力,會有實現的那一天。現在先把基本功學習好再來實現吧…..。

上面提及,本實驗的程式是在 Windows 10 及使用 MS Visual Studio 2015 Community 版本的工具來運行的,可能有朋友會問在其他如 Win8 或 Win7 可以嗎?雖然尚未實際試過,但在下認為是可以的,因為 Visual Studio 2015 比 Win 10 早出現在市場接受下載及銷售不是嗎?只是在不同作業系統的版本下使用 Visual Studio 2015 Community,可能需要局部調整。以下實驗內容分享中不包含如何安裝 Visual Studio 2015 Community。本文中各系統畫面的截圖僅供參,進一步了解內容,請詳閱下面解說。

本實驗所使用Visual Studio 2015 Community 的系統版本資訊Visual Studio 2015

實驗建立步驟:

  1. 於 Visual Studio 2015 工具中建立 MyLedRyG(紅綠燈)專案

    1: 開啟 Visual Studio 2015 工具如下圖之畫面後,點選新增專案。

    點選新增專案後,再選取所要編寫程式的類別(通用的 Windows 程式)及使用編寫的語言(C#)、應用程式型態(空白的應用程式),接著是本實驗的專案名稱 MyLedRyG 及儲存位置,點選【確定】建立專案。 打開檔案總管檢視專案內容,點選 MyLedRyG 名稱,打開目錄內容會看到一個 MyLedRyG.sln 檔案及一個 MyLedRyG 目錄,如果少了一個 《.sln》的檔案,這樣該專案無法直接使用 Visual Studio 2015 工具打開專案。

    Visual Studio 2015 create project
    Visual Studio 2015 create project
    Visual Studio 2015 create project

    2: 由於專案是執行在 Windows 10 IoT Core for Raspberry Pi3 上,需要在專案加入設定,好讓系統知道這個應用程式是需要使用 IoT 的特殊功能 (Windows IoT Extension for the UWP),另外也要設定應用程式的作業版本環境中(下圖中,設定應用程式至少要在 Windows 10 10240 的版本上)執行,執行目標是什麼(下圖中設定是在遠端名叫 minwinpc 的設備上),程式部署的驗證模式為 ─ 通用(沒有加密的協定)。

    請注意,驗證模式這設定若錯誤,則會造成應用程式無法從編寫環境(開發的電腦)部署到 Raspberry Pi3 上喔。

    Visual Studio 2015 create project
    Visual Studio 2015 create project
    Visual Studio 2015 create project
    Visual Studio 2015 create project

    3: 空白專案建立後,接下來是建立應用程式的版面。請打開工具列,拉出如下圖的物件,分別是1個標題文字方塊, 3個圓形,各代表紅、黃、綠的燈號。1個“啟用”按鈕,1個紅燈秒數倒數的文字方塊,另一個則是GPIO 的狀態顯示方塊。左圖是圖形介面的排版內容,右側圖為文字模式的排版內容。

    Visual Studio 2015 create project
    Visual Studio 2015 create project

    4: 版面排好之後要編寫各個燈號的控制碼。下左圖為紅黃綠燈號的變數、各燈號使用 GPIO 腳位編號,如 RED_LED_PIN -> 紅燈、YELLOW_LED_PIN -> 黃燈、GREEN_LED_PIN -> 綠燈的定義,紅(redBrush)、黃(yellowBrush)、綠(greenBrush)、灰(grayBrush) 共 4 色的代碼。右圖是設定程式開始時要執行的命令,時間間隔以1秒為單位(紅色圈處),當各個燈號沒有運作時則呈現為灰色的狀態(藍色圈處)。

    Visual Studio 2015 create project
    Visual Studio 2015 create project

    5: 下左圖是定義『啟用』文字方塊被按下後要執行的事 ─ 啟動計時器並將綠燈亮起來。右圖則是定義各燈號 GPIO 腳位代碼 r_gpio (紅燈用)、y_gpio (黃燈用)、g_gpio (綠燈用) 及檢查GPIO控制器的狀態是否正常,如果正常,在GPIO狀態方塊會顯示“正常的啟用”,反之則會顯示“沒有找到這個設備上 GPIO 控制器”,這樣使用者可以了解各元件的運作狀態設定。greenPin 是定義綠燈控制器、yellowPin 是黃燈控制器 、redPin 是紅燈控制器。

    Visual Studio 2015 create project
    Visual Studio 2015 create project

    6: 下左圖是定義計時器到達預設時間要執行的內容,實驗簡介有提到燈號轉換標準是 ─ 綠燈亮 58 秒,黃燈亮 2 秒,紅燈亮 60 秒,因此計時跑到 58 秒將綠燈轉為黃燈時,跑到 60 秒時將黃燈轉為紅燈,當紅燈亮足 60 秒( 即120秒後)轉為綠燈,繼續開始另一個周期。

    Visual Studio 2015 create project
    Visual Studio 2015 create project
    Visual Studio 2015 create project

    7: 下圖內容是定義當紅燈亮起後,將倒數秒顯示在《倒數文字方塊》中。

    Visual Studio 2015 create project
  2. Raspberry Pi3 GPIO 腳位圖

    下左圖是 Raspberry Pi3 的GPIO 位置圖,右側是本次實驗所使用到 GPIO 的腳位圖。本次實驗一共使用了四個腳位,腳位 1 電源(Power – 圖中灰色線)、 腳位 29 (GPIO 5 – 圖中紅色線)控制紅燈,33 腳位(GPIO 13 – 圖中黃色線)控制黃燈,37腳位 (GPIO 26 – 圖中綠色線)控制綠燈

    GPIO
    gpio-pin
  3. 程式部署成功

    程式(MyLedRyG)被部署到 Windows 10 IoT Core for Raspberry Pi3 的系統後,可以在 Windows 10 IoT Core 的管理畫面上,點選左側功能表的 Apps 選項,此時右側的畫面中可以找到 MyLedRyG 應用程式(下圖紅圈位置)。

    MyLedRyG App
  4. 從管理畫面執行程式

    要執行程式(MyLedRyG),點選應用程式左側的三角形即可執行。當程式執行時,原來的三角形會變成一個正方形,點選即可停止執行。此外,管理頁上不會有什麼改變。要停止執行應用程式,同樣點選應用程式(MyLedRyG)左側的正方形即可,停止執行程式前,系統會跳出確認視窗,確認後程式才會結束。

    MyLedRyG Installed
    MyLedRyG running
    MyLedRyG Stop
  5. 程式執行記錄

    程式在 Windows 10 IoT Core for Raspberry Pi3 的系統被執行時的畫面,圖1->系統被執行的畫面,圖2->點選『啟用』執行程式,圖3->綠燈亮起 58 秒後轉為黃燈,圖4->紅燈亮起開始 60 秒倒數,當倒數到 0 轉為綠燈並開始另一個循環。

    program page 1
    program page 2
    program page 3
    program page 4

Continue reading