【香橙派 AIpro】新手保姆级开箱教程：Linux镜像+vscode远程连接

本文主要是介绍【香橙派 AIpro】新手保姆级开箱教程：Linux镜像+vscode远程连接，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

香橙派 AIpro 开发板 AI 应用部署测评

写在最前面
一、开发板概述
- 官方资料
- 试用印象
- 适用场景
二、详细开发前准备步骤
- 1. 环境准备
- 2. 环境搭建
- 3. vscode安装ssh插件
- 4. 香橙派 AIpro 添加连接配置
- 5. 连接香橙派 AIpro
- 6. SSH配置
二、详细开发步骤
- 1. 登录 juypter lab
- 2. 样例运行
- 3. 观察与调整
- 4. 运行目标检测样例
小结
- 试用感受

请添加图片描述

🌈你好呀！我是是Yu欸 🌌 2024每日百字篆刻时光，感谢你的陪伴与支持 ~ 🚀 欢迎一起踏上探险之旅，挖掘无限可能，共同成长！

写在最前面

在人工智能和物联网技术日益成熟的今天，边缘计算设备因其在数据处理和实时性方面的优势而受到广泛关注。香橙派 AIpro（OrangePi AIpro）开发板以其出色的性能和丰富的应用场景，成为开发者探索 AI 应用部署的理想选择。

有幸获得了邀请，并有幸邀请到了闪电@shandainchengzi，和我一起对这款备受瞩目的开发板进行一次体验测评。下面将从新手个人开发经验出发，对香橙派 AIpro 开发板进行测评，并分享我的试用感受。

请添加图片描述

一、开发板概述

香橙派 AIpro 是一款集成了华为 Ascend 系列 AI 处理器的开发板，专为 AI 应用和边缘计算设计。它不仅具备强大的计算能力，还拥有丰富的接口和扩展性，使其能够满足多样化的 AI 应用场景需求。

在这里插入图片描述

官方资料

首先进入官网http://www.orangepi.cn/

在这里插入图片描述

进入香橙派 AIpro的相关栏目，可以发现有很多官方资料，以及官方镜像。http://www.orangepi.cn/html/hardWare/computerAndMicrocontrollers/details/Orange-Pi-AIpro.html

在这里插入图片描述

有两种镜像可以选择，本文以Linux为例进行说明。

试用印象

对香橙派 AIpro 的第一印象是其简洁而高效的开发环境。开发板预装的 Jupyter Lab 软件，为 AI 应用的编写、测试和部署提供了极大的便利。通过 Jupyter Lab，可以在一个统一的界面中完成代码编写、模型训练和结果展示。

适用场景

香橙派 AIpro 适用于多种 AI 应用场景，包括但不限于目标检测、图像分类、语音识别等。它的轻量化设计使其尤其适合于需要实时处理和低延迟的应用，如智能监控、自动驾驶辅助系统等。

二、详细开发前准备步骤

1. 环境准备

二、详细开发前准备步骤

环境准备
首先，插上电源线，找到一根HDMI视频线（需要插入带网口的HDMI接口）连接显示屏，再接上鼠标和键盘。

在这里插入图片描述

通电后，板子上电风扇狂转，一种跑车起步的感觉，周围目光都看过来了。当我们以为它会一直如此聒噪时，反差来得很快：系统迅速启动，风扇转速降低，接近静音状态。

请添加图片描述

屏幕也显示了，壁纸很好看，五彩斑斓的

在这里插入图片描述
然后输入密码后就进去啦。默认密码是：Mind@123

在这里插入图片描述

2. 环境搭建

点击右上角连接wifi，注意如果后续要和笔记本相连的话，两者需要是同一个wifi。

wifi在这里配置：

在这里插入图片描述

然后通过ipconfig命名，分别查看本机和香橙派 AIpro的ip

在这里插入图片描述
然后测试两者之间是否能够ping通。

ping 192.168.43.252

在这里插入图片描述

如果可以ping通，可以继续在笔记本电脑的vscode上，通过ip远程连接到香橙派 AIpro。

3. vscode安装ssh插件

根据你的操作系统选择对应的版本进行下载和安装。安装完成之后，启动vscode，选择左侧Extensions 选项卡，在输入框搜索 remote ，选择安装Remote-SSH插件。

在这里插入图片描述

安装完成之后，会在左侧新增一个选项卡Remote Explorer。

4. 香橙派 AIpro 添加连接配置

点击该选项卡，会进入SSH TARGETS的添加，然后点击添加按钮，输入香橙派 AIpro的地址，账号和ip根据自己的情况进行修改，如下图所示：

在命令行输入命令，注意192.168.43.252改为自己的香橙派 AIpro的ip

最好使用HwHiAiUser这个登录，因为后面发现：后续的官方说明，以及AI应用样例，都在HwHiAiUser这个用户下。

ssh root@192.168.43.252

ssh HwHiAiUser@192.168.43.252

在这里插入图片描述

回车保存刚才的输入的信息到配置文件。保存之后，会将刚才的连接信息存储在 C:\Users\598666.ssh\config 中。

5. 连接香橙派 AIpro

右键选择香橙派 AIpro，点击Connect to Host in Current Window（在当前窗口中连接）:

在这里插入图片描述

如果香橙派 AIpro能够连接成功，此时会需要你输入型号、密码：

选择Linux系统

在这里插入图片描述

密码输入Mind@123

在这里插入图片描述

最后点击刷新后，此时就可以在SSH TARGETS中看到添加的香橙派 AIpro地址了。

6. SSH配置

Ctrl+Shift+P 打开命令框，输入"Show Login Terminal"；或者也可以依次选择"文件"->“首选项”->“设置”，搜索Show Login Terminal，勾选"Always reveal the SSH login terminal"

在这里插入图片描述
再点击远程连接的图标，选择"Connect to Host in New Window" or "Connect to Host in Current Window

然后再次输入密码：Mind@123，即可远程连接香橙派 AIpro

在这里插入图片描述

二、详细开发步骤

1. 登录 juypter lab

首先登录 Linux 系统桌面，然后打开终端，再切换到保存 AI 应用样例的目录下。

(base) HwHiAiUser@orangepiaipro:~$ cd samples/notebooks/

注意前面是前缀，直接输入命令cd samples/notebooks/即可。后续一致。

在当前目录下有 9 个文件夹和 1 个 shell 文件，分别对应 9 个 AI 应用样例和
Jupyter Lab 启动脚本 start_notebook.sh。

(base) HwHiAiUser@orangepiaipro:~/samples/notebooks$ ls
01-yolov5 06-human_protein_map_classification
02-ocr 07-Unet++
03-resnet 08-portrait_pictures
04-image-HDR-enhance 09-speech-recognition
05-cartoonGAN_picture start_notebook.sh

然后执行 start_notebook.sh 脚本启动 Jupyter Lab。

(base) HwHiAiUser@orangepiaipro:~/samples/notebooks$ ./start_notebook.sh

在执行该脚本后，终端会出现如下打印信息，在打印信息中会有登录 Jupyter
Lab 的网址链接。

在这里插入图片描述

2. 样例运行

再在浏览器中输入上面看到的网址链接，就可以登录 Jupyter Lab 软件了。

但是会需要输入token，所以我们需要新建终端，然后输入命令查看token

jupyter server list

在这里插入图片描述
将刚刚查看的token输入，或者直接复制这一句https的访问链接，访问该网页

例如我的是：http://127.0.0.1:8888/?token=8d7c0243aa353d50521d9d1155ed36f459a846b1cb94da03

在这里插入图片描述

3. 观察与调整

在 Jupyter Lab 中，预置了多个 AI 应用样例，涵盖了目标检测、文字识别、图像分类等多个领域。通过双击样例目录，可以加载相应的 main.ipynb 文件，并开始运行样例。

在这里插入图片描述

运行样例后，可以观察模型的推理过程和结果。例如，在目标检测样例中，可以实时看到模型对视频帧中的对象进行检测和标注。

4. 运行目标检测样例

在体验过程中，我截取了多张真实试用的截图，包括 Jupyter Lab 的界面、模型推理的过程以及结果展示，这些截图将作为文章的重要部分，帮助读者更直观地理解香橙派 AIpro 的性能。

YOLOv5 是一种单阶段目标检测器算法，在这个样例中，我们选取了YOLOv5s，它是 YOLOv5 系列中较为轻量的网络模型，适合在边缘设备部署，进行实时目标检测。在样例中已经包含转换后的 om 模型和测试视频、图片，可以按照以下流程在 Jupyter Lab 中运行该样例。

首先在 jupyter lab 界面双击“01-yolov5”，进入到该目录下。
在该目录下有运行该示例的所有资源，其中 mian.ipynb 是在 Jupyter Lab 中运行该样例的文件，双击打开 main.ipynb，在右侧窗口中会显示 main.ipynb 文件中的内
容。
在 main.ipynb 文件中 infer_mode 的值可赋值为 image、video 和 camera，分别对应对图片、视频、USB 摄像头中的内容进行目标检测，默认值为 video。
单击按钮运行样例，在弹出的对话框中单击“Restart”按钮，此时该样例开始运行。

在这里插入图片描述