为了避免重复网上现有的树莓派教程，在接下来的系列文章中，我会尝试以2020年为基准，首先创建最新最稳定的软硬件开发环境，然后在其上构建AI应用。 例如，选择构建OpenCV 4.4、pyTorch 1.6和1.7、Tensorflow 2.1，然后在其上运行yolo v5应用程序，使用intel NCS2对其进行加速等…
在本文中，我们将首先选择一些必要的硬件设备。 那些标记为必需的是运行系统所必需的。 型号规格应尽可能保持一致。 可选部分可以根据实际的AI应用进行选择。
Raspberry Pi 4b（必需，4GB 或 8GB）
如果你是开发折腾，推荐8GB版本。 无论是tensorflow还是pytorch，甚至想在树莓派上打开chrome查看文档，都会占用相当大的内存。 不过从实际使用来看，4GB版本足以满足目前的需求，性价比很高，预算有限的优先考虑。 不推荐2GB版本。 在编译大型应用程序或运行推理模型时很容易出现 OOM。 它需要大量的交换内存，这会显着降低编译速度，并极大缩短TF卡的寿命。
MircoSD 卡（必需，推荐 64GB）
建议多买几个，因为树莓派上可以安装各种系统，进行多次备份。 推荐64g的，因为它是目前国产卡中比较成熟且便宜的型号。 售价20元左右，很划算。
读卡器（必需）
你需要用它来刻录镜像或者读写配置文件。 SD 卡座或 USB 读卡器即可使用。 如果您使用的是笔记本，使用卡座会更方便。 USB 3.0可以被认为是读卡器，但大多数情况下2.0的480Mbps足以匹配MircoSDXC的速度。
相机（必需）
需要运行CV类的AI应用。 建议使用CSI视频接口。 树莓派的USB接口太紧凑，可能没有地方可以插USB摄像头。 必要时需要扩展一个USB HUB来解决多个外设的问题。 如果要运行工业CV应用，可以选择IMX477R高清相机以及相应的长焦和微距镜头。
散热壳（必需）
如果要长时间运行AI模型，几个散热器是不够的。 建议使用乌金铠甲（直接在CPU上使用3M散热胶，将热量引导至整个外壳）。 这一代树莓派CPU的基础温度非常高。 桌面运行时温度可达50℃以上。 可在85℃满负载下稳定运行一整天。 必要时可以开风扇降温（噪音较大）。
充电器5v3A（必填）
官方电源和国产配套电源（带开关方便重启）都可以满足需要。 普通手机充电器一般只有2A。 如果外设太多，对电源的压力就会很大。 当运行连接了太多外围设备的应用程序时，您将在屏幕右上角看到闪电断电符号。
无线键盘和鼠标（可选）
如果你想直接把树莓派当作PC来使用，如果配备Nano无线键盘和鼠标以及物理输入设备，调试代码会更容易。 如果没有，你也可以使用VNC进行远程桌面访问，所以根据你的需要是可选的。
HDMI 适配器电缆（可选）
Raspberry Pi 4b 的 HDMI 端口是微型的。 如果您想连接 HDMI 显示器，则需要微型 HDMI 视频线或适配器。 如果想要双显示输出，就需要买两根micro HDMI视频线，因为树莓派的视频接口距离很近，两个转接头接口同时插的话会打架的……
英特尔神经棒 NCS2（可选）
AI应用经常会进行大量的浮点计算，一般使用GPU进行计算。 GPU强大的浮点计算能力可以有效提高神经网络计算的性能。 然而，如果想把神经网络计算放在树莓派等设备上的单板机上进行计算，却往往受到单板机GPU计算性能的限制，导致神经网络计算速度不足。
虽然树莓派4b的运行速度是3b的三倍以上，但在运行AI推理时仍然无法达到实时性能（运行yolo v4s时测试，0.3fps）。 然而，AIoT通过单板计算机的应用推动了边缘计算技术的发展。 如果单板机想要在神经网络计算中获得更好的计算性能，可以考虑使用USB即插即用的外部神经计算设备来解决神经网络计算的性能需求。
可以使用 Google Coral Edge TPU USB 加速棒或 intel 神经计算棒 2。 从性价比来看，NCS2会更高一些。
USB 延长线或 USB 集线器（可选）
Raspberry Pi 的 USB 端口都在一起。 如果直接插入设备（例如NCS2），其他端口将被阻塞。 因此，如果你有多个外设，最好为其配备一些USB延长线或者USB集线器，以扩展接口数量。
Raspberry Pi UPS 或移动电源（可选）
如果你想出去收集数据或者尝试AI应用，你还需要配备足够大的充电宝。 前面提到，普通移动电源接口的最大电流为2A。 如果想要更大的电流，需要使用两颗18650电芯来提供稳定的电力支持。
树莓派4G模块（可选）
在户外车辆项目或AIoT应用中，4G模块可以提供无线远程连接。 它可以提供传感器数据的云推理或云存储，实现4G高速上网、无线通信、电话、短信、全球定位等功能。
获得以上设备后，可以将它们组合在一起，完成硬件平台。
总体而言，与 NVIDIA 的 Jetson 和 Google 的 Coral 相比，Raspberry Pi 是一种相对便宜的边缘计算设备，是大规模成本敏感传感器网络的良好替代品。
