Google 联手树莓派发布开源 AI 硬件——Voice Kit

近日,Google 公布了一个全新的 AIY 项目——Voice Kit 语音套件,是一个利用树莓派来创建的基于语音的虚拟助手。

据 AIY 项目负责人 Bully Rutledge 介绍:“Voice Kit 是 Google 的首个开源 AIY 项目。用户需要根据相关说明来创建一个语音用户接口(VUI),能够使用(类似于全新的 Google Assistant SDK 或者 Cloud Speech API)或者在设备上完整运行。该项目极大的扩展了树莓派产品的功能。”

1

Voice Kit 配备了一个顶级语音硬件配件(HAT),还包括一个立体声麦克风 Voice HAT 板、连接低电压组件的 GPIO 引脚传感器和一个专用电源连接器。同时,Voice Kit 还采用了 Pi 3 Model B 的印刷版和 MagPi 57 进行了设计和测试。

不过,Voice Kit 语音套件并不包含树莓派,用户需要自行购买,目前支持 Pi 3 Model B,Pi 2 以及 Pi Zero。至于价格,Google 暂未透露 Voice Kit 售价,用户很快可以在美国以及应该等地的商店购买。

本文转载自动点科技

树莓派运行TensorFlow-hotgarlic

来自52Pi社区的热人投稿~欢迎广大网友投稿至管理员

创客们,今天我来分享一下我在pi上运行tensorflow的经历。这篇帖子比较适合对深度学习有一点点了解的创客,最好用过这类开发包,比如keras,tensorflow等等。如果你是pi 的玩家,并且想做一些时髦的玩意,那可以从这里开始。

首先要感谢将谷歌正式发布的tensorflow1.0进行编译的作者Sam Abrahams,光编译就要花上10多个小时,更不用说编译之前的艰苦摸索,如果喜欢这个可以向他捐赠来维护这个平台。

 

Tensorflow的安装:

  1. 准备工作设备:pi3B

    操作系统:Raspbian Jessie with PIXEL(2017-03-02

  2. 登录编译者的GitHub,按照方法1来进行操作,只要网速稳定,半个小时就可以将tensorflow安装到pi上,如果下载太慢,可以下载我的例子,里面有安装包(后缀whl),放到合适的文件夹里面,然后pip install就可以了。图片2图片3
  3. 运行例子下载解压到pi上,然后进入pi的terminal,cd进入例子的文件夹,再运行digits_recog. Py。约十几秒后,在terminal上应该显示0.97,说明tensorflow已经可以在pi上使用了。

例子的制作:

可能看到这篇帖子的朋友大多是pi的玩家,对深度学习不是太了解,所以我就讲解一下例子,也当是深度学习技术的入门知识。

digits_recog. py是一个采用CNN方法,来识别手写数字的脚本。有3个主要部分。

  • 建立一个空的CNN模型(CNN是一种在机器视觉方面相当好的模型)
  • 载入这个模型需要的参数(model文件夹),这些参数是我在速度更快的主机上计算(训练)出来的
  • 运用完整的CNN模型,去识别手写的数字(pkl文件),然后再评估识别率(0.97代表识别正确率为97%)

具体可以看文件里面的comment。

训练的过程也需要先建立模型,并且和digits_recog. py中的模型一样,我的例子文件夹里有个train.py文件,你下载下来的model文件夹就是运行这个训练程序后产生的,你可以在你的台式机上跑一下train.py,当然也可以在pi上运行,只不过速度比较慢。还有,脚本运行时会载入tensorflow自带的训练集mnist,里面的东西是50000个手写数字的像素图片,以及这些图片的答案(对应的数字)。如果减少训练集,会导致模型的训练不充分,造成识别率降低。

图片5

Mnist还包含了测试用的数据,这些数据当然是训练集所不包含的,但是训练集也很大,所以我精简了一下。做成实际的项目后,也不会一下子运行几万个图片。

建模,训练,识别的整个过程,是用tensorflow这个开发工具来完成的,它就相当于一个python的library。

最后你可以自己写几个数字,然后用picamera录到pi上,运行digits_recog. py,看看准不准。

 

期间还遇到了一个坑,那就是用jupyter notebook调试代码,会出现莫名的错误,但是在terminal运行.py就没问题。查看了报错,是在加载参数时发生的,各位喜欢用jupyter的朋友要当心了。

在识别的过程中,也可能提示GPU不能使用等等问题,不用去管,等着输出结果就行。

GPU模式是在训练参数的过程中才起作用的,训练的过程非常消耗硬件资源,所以现在都采用了GPU来加速,将来的项目我打算在云服务器上进行训练,如果有兴趣可以去看看这个网站

 

类似的项目:

这个自动驾驶玩具车的项目,识别的过程不是在pi上运行的,而是其他主机上运行,再去控制小车,我猜一个是当时还没法在pi上装tensorflow,另一个就是担心pi的性能跟不上。

另一个识别物体的小车项目,是谷歌的工程师发布的,我的这次实验的思路也和他一样,就是将参数文件加载到pi上,然后让pi在当地运行识别程序,不过这个项目的模型和参数都是现成的。类似的还有这个项目,可惜这个项目的参数现在似乎下载不到了。所以我打算自己建立模型和训练,这样也可以根据自己设定的任务灵活调整参数和训练数据。

 

一些感想:

大家也不必太担心pi的性能不行,因为64位的系统,52pi的牛人们已经试过了,性能提高很多,官方可能不久就要发布。更值得一提的是谷歌这个tensorflow的开发者,也打算为pi定制人工智能的开发工具,到时候软件更容易装,使用更方便。你可以说他们是双赢互利,因为pi的社区聚集了人气和强烈的创造激情,而谷歌则可以提供强大的技术支持。所以,各位追求新奇的创客,又会有很多好玩的东西等着你们。

 

本人才刚刚开始玩pi,有些讲的不对的地方还请包涵。最后也要感谢52pi社区的牛人们,帮我这个新手解决了一些硬件方面的问题。

 

树莓派64位系统来袭,速度最快提升30倍!

今天,我们团队感受了一下在树莓派3B的主板上运行64bit系统的感觉!那种感觉您如果有幸感受的话,您一定会说:这才是我要的树莓派3B!

体验Debian 9 arm64版本的感觉总结如下:

作为一个专业的用户,我们必须从专业的角度来做一次真实的评测。

硬件测试环境:

  • RaspberryPi 3 Model B
  • 16GB Class 10 TF卡
  • 5v2.5A电源
  • 以太网网线及能连外网路由设备

软件测试环境:

  • GEEEKPI-64bit-beta(内核移植版)

操作系统是基于Debian 9的arm64位源码,Debian 9目前还没发布,目前属于beta版,RaspberryPi 官方也没有发布64bit操作系统的计划,但是我们迫切需要64bit的性能!

另外,只有pi364bitCPU,所以只有Raspberry Pi 3B可以跑这个系统。

 

评测参照组硬件环境与之前提到的环境一致,软件环境为:

Raspbian-2017-03-02        
该系统为32bit

此次评测的关键是看64位系统对树莓派速度的提升,同时关注树莓派的温度,开机速度,CPU性能,数据库性能,网络性能,内存性能和多线程性能。

  1. 首先开机后联网,两台设备全部进入字符界面(console)模式,外部不连接任何外设,通过ssh远程登录到两台主机上,然后安装sysbench软件进行压力测试,并通过htop简单的进行观察。
  2. 执行命令为:
    sudo apt-get update && sudo apt-get –y install sysbench htop iperf3

    1

  3. 首先我们进行对照组的评测

进入系统检查系统版本及硬件架构信息:

1

系统仍然保留了ext4文件系统,同时看到shell环境bash的软件结构为32bit。

3.1测试CPU性能:

Raspbian-2017-03-02-jessie

sysbench —test=cpu —num-threads=1 —max-requests=10000 run

结果:

2

Debian-9-arm64bit-beta

sysbench —test=cpu —num-threads=1 —max-requests=10000 run

结果:

3

总结:

367.2971/25.1195=14.622倍

4 线程测试:

Raspbian-2017-03-02-jessie

sysbench —test=cpu —num-threads=4 —max-requests=100000 run

结果:

4

Debian-9-arm64bit-beta

sysbench —test=cpu —num-threads=4 —max-requests=100000 run

结果:

5

总结结果:

测试4线程的结果是:1017/62=16.40 倍,64位系统仍然占据领先优势

 

8线程测试:

Raspbian-2017-03-02-jessie

sysbench —test=cpu —num-threads=8 —max-requests=100000 run

结果:

6

Debian-9-arm64bit-beta

sysbench —test=cpu —num-threads=8 —max-requests=100000 run

结果:

7

3.2 测试内存性能

内存随机测试:

Raspbian-2017-03-02-jessie

sysbench —test=memory --memory-block-size=1K –memory-total-size=1G --memory-access-mode=rnd  run

结果:

8

Debian-9-arm64bit-beta

sysbench --test=memory --memory-block-size=1K --memory-total-size=1G --memory-access-mode=rnd run

结果:

9

内存连续测试:

Raspbian-2017-03-02-jessie

sysbench —test=memory --memory-block-size=1K –memory-total-size=1G --memory-access-mode=seq  run

结果:

10

Debian-9-arm64bit-beta

sysbench --test=memory --memory-block-size=1K --memory-total-size=1G --memory-access-mode=seq  run

结果:

11

3.3 测试网络性能:

Raspbian-2017-03-02-jessie

12

Debian-9-arm64bit-beta

13

3.4 八线程测试:

Raspbian-2017-03-02-jessie

sysbench --test=threads --num-threads=1000 --thread-yields=1000 --thread-locks=8 run

结果:

14

Debian-9-arm64bit-beta

sysbench --test=threads --num-threads=1000 --thread-yields=1000 --thread-locks=8 run

结果:

15

在进行多线程测试的时候,我选择了1000线程共享8个锁。

3.5 互斥锁测试

Raspbian-2017-03-02-jessie

sysbench --test=mutex --mutex-num=4096 --mutex-locks=50000 --mutex-loops=10000  run

结果:

16

Debian-9-arm64bit-beta

sysbench --test=mutex --mutex-num=4096 --mutex-locks=50000 --mutex-loops=10000  run

结果:

17

 

3.6 文件连续读写:

Raspbian-2017-03-02-jessie

sysbench --test=fileio --file-num=2 --file-total-size=64M --file-test-mode=seqrewr run

结果:

18

Debian-9-arm64bit-beta

sysbench --test=fileio --file-num=2 --file-total-size=64M --file-test-mode=seqrewr run

结果:

19

随机文件读写:

Raspbian-2017-03-02-jessie

sysbench --test=fileio --file-num=2 --file-total-size=64M --file-test-mode=rndwr run

结果:

20

失败了,不支持随机读写。

Debian-9-arm64bit-beta

sysbench --test=fileio --file-num=2 --file-total-size=64M --file-test-mode=rndwr run

结果:

21

4.进入系统检查系统版本信息及硬件架构平台信息22

 

发现架构已经是64bit,并且新增了一款f2fs文件系统,F2FS是三星与华为一起开发的针对TF卡,SSD,EMMC等等闪存优化的文件系统,对延长设备使用寿命,提升设备性能有很大的帮助,同时支持传统的ext4文件系统。

 

总结:

下面通过一张表来进行对比:

测试项目 Raspbian

2017-03-03

Debian 9 Arm64bit 提升倍数
系统信息 Arm 32bit/ext4文件系统 Aarm64bit/f2fs文件系统 见文件系统测试
CPU单线程 367.2971 25.1195 14.62倍

 

 

四线程 1017.6742 62.6079 16.40倍
八线程 1920.0601 62.6711 30.64倍
内存随机 5.7678 2.1925 2.63倍
内存连续 6.3309 2.9392 2.15倍
网络性能 74.6Mbps 94.3Mbps 1.26倍
文件连续读写 5.7655 7.1506 见下文说明
文件随机读写 不支持 21.8336
互斥锁性能 0.0231s 0.0186s 1.24倍

 

最后总结:

文件系统采用了三星与华为合力开发的f2fs,针对mmc和emmc还有tf存储进行了优化,除了大大提升了性能之外,还增加了TF卡的使用寿命,提供了意外断电文件系统的保护,大大避免意外断电导致的文件系统崩溃的情况。

其中由于TF卡的细微差异,导致文件连续读写出现了反转,实际上通过测试文件连续读写的性能方面,f2fs更加优化,超越ext4很多倍。

总体上,64位的系统提供了更好的使用体验,我身边曾经抱怨树莓派跑opencv性能不能够够超越nanopi的小伙伴也逐渐改变了他们的看法,很多朋友表示,曾经在家吃灰的树莓派终于等到了扬眉吐气的这一天!

我个人觉得这次的树莓派性能提升虽然不是硬件层面的提升,但是带来的体验已经超越了以前的各种开发板平台,从树莓派官方的表现来看,今年树莓派官方没有发布新款树莓派设备,而是努力完善了操作系统,在另一个层面上也展示了其对树莓派生态的关注,软件系统的提升将会让树莓派的运行性能和效率上升到一个新的层次,虽然目前的Debian 9 Arm64bit的beta版未能提供图形界面的环境,但是作为服务器端的应用更加明显了,感谢这次提供测试系统的GEEEKPI团队所有成员,为树莓派3B的测试提供了非常好的测试环境和测试硬件!相信未来的树莓派3B上会有更多更好的应用展现出来!让我们拭目以待!

NetBSD 7.1正式发布:支持树莓派Zero以及更好的Linux兼容性

基于BSD的NetBSD研发团队今天非常高兴的宣布NetBSD 7.1正式发布。自首个候选版本发布,NetBSD 7.1研发历时两个月时间,带来了大量BUG修复和后台性能改善。在今天的更新日志中写道:“NetBSD项目团队非常高兴的宣布NetBSD 7.1,是NetBSD 7分支的首个功能更新。出于安全和稳定的原因我们认为这些修复是非常重要的,而且我们还带来了一些新的功能和改善。”

NetBSD 7.1中最突出的功能就是引入了对树莓派Zero单板计算机的支持,更好的兼容Linux安装包从而让你使用各种应用和插件,为ODROID-C1 SBCs提供更好的网络支持,为Google Compute Engine磁盘部署vioscsi驱动。

NetBSD 7.1同时使用Nouveau开源显卡驱动为Nvidia显卡提供了DRM/KMS原生支持,但是默认情况下处于关闭状态。如果想要激活这项功能,需要在内核设置的同时取消nouveaufb和nouveau注释。

转载自http://digi.163.com/17/0316/12/CFL9S8M1001687H3.html

Raspberry Turk:基于树莓派的国际象棋对战机器人开源项目

国际象棋是备受推崇的棋盘游戏,而它同时也能成为非常优秀的编程教材。Raspberry Turk 就是由开发者 Joey Meyer 开发的国际象棋机器人,能够帮助感兴趣的人们学习计算机图形、机器人和人工智能方面的各种知识。

访问:Raspberry Turk

简单来说,Raspberry Turk 就是一款能够跟你下国际象棋的机器人。18 世纪末,出现了名为 Turk 的虚假国际象棋机器人,就是由人类藏在盒子内同其他人对战。不过同原版 Turk 不同的是,现在的 Raspberry Turk 基于树莓派主板,能够进行真正的人机对战,它不仅能够识别棋盘上的棋子,而且能够移动它们进行对战。

这是非常酷炫的 DIY 项目,但是最吸引人的部分是 Raspberry Turk 具备良好的文档支持,Meyer 提供了详实的 Raspberry Turk 开发细节,感兴趣的用户能够进行自己创建。

视频地址:http://www.tudou.com/v/enBrZD0wUqU/&resourceId=0_04_02_99/v.swf

本文转自https://news.cnblogs.com/n/565712

销量破1250万:树莓派成第三大计算平台

树莓派(Raspberry Pi)凭借高度定制化和可玩性,深受科技宅青睐,2012年推出以来全球销量已达1250万块。

这是一个里程碑式的数字,因为作为世界第三大计算机平台的Commodore 64的历史累计销量就是1250万台,而由于Commodore 64早在1993年就已经停产,树莓派从此可以稳坐世界第三了。

前两名?当然是Windows、Mac。

树莓派今年已经进化到第三代,搭载64位A53处理器,支持更多连接,还有更小巧的Pi Zero版本。

树莓派销量破1250万:成世界第三大计算平台

在树莓派的所有型号中,销量最好的是第三代3B版,占比达30%,其次是第二代2B版、第一代B版,均占23%,然后是第一代B+ 15%。
值得一提的是,最新支持无线技术的Zero W版四天就卖了10万块,已经占到总体1%的销量。

20170326004000389-0

本文来自:树莓派实验室
链接地址:http://shumeipai.nxez.com/2017/03/26/raspberry-pi-break-12-million.html

树莓派忘记密码了?四步重设密码

树莓派忘记密码了?四步重设密码,收藏之以供不时之需~

第1步:取出SD卡

将树莓派关机,移除sd卡,插入到你的电脑。

第2步:编辑 cmdline.txt

在PC上打开SD卡根目录,启动部分是可见的,并包含一个名为“cmdline.txt”的文件。在编辑器中编辑这个文本,并将下文插入到已有文本的最后

init=/bin/sh

举个例子,如果原文是这样的:

dwc_otg.lpm_enable=0 console=ttyAMA0,115200 kgdboc=ttyAMA0,115200 console=tty1 root=/dev/mmcblk0p2 rootfstype=ext4 elevator=deadline rootwait

那么编辑后应该是这样的:

dwc_otg.lpm_enable=0 console=ttyAMA0,115200 kgdboc=ttyAMA0,115200 console=tty1 root=/dev/mmcblk0p2 rootfstype=ext4 elevator=deadline rootwait init=/bin/sh

确保所有内容在同一行。保存文本内容,从pi出取出sd卡。

第3步:重设密码

将sd卡插入树莓派(我们在这里需要连上显示器和键盘)。将树莓派开机,估计在显示闪动的光标前需要等一会。
在标识符后,输入以下命令:

mount -rw -o remount /
passwd pi

你会被提示输入一个新的密码,请仔细输入后并敲下回车键。系统会提示你再次确认输入密码

passwd pi
Enter new UNIX password:
Retype new UNIX password:
passwd: password updated successfully

这样密码就修改完成了,现在输入以下命令去同步并执行初始化程序

sync
exec /sbin/init

树莓派会继续启动,然后关掉树莓派并且断电。

sudo halt

第4步:编辑cmdline.txt文本

用电脑再次编辑这个文本:把我们在第二步加入的最后数据删除。
现在你可以插入sd卡到你的树莓派啦,再次启动就可以使用新的密码啦。

20170217164851634-0

引用:raspberrypi-spy

本文来自:树莓派实验室
链接地址:http://shumeipai.nxez.com/2017/02/17/how-to-reset-a-forgotten-raspberry-pi-password.html

 

 

 

 

 

树莓派新推Zero W 售价10美元支持WiFi蓝牙

树莓派基金会于2015年底推出了售价5美元的树莓派Zero,并立即售罄。之后,每次树莓派Zero到货,它们都会在几分钟内被抢购一空。为了庆祝树莓派的第五个生日,树莓派基金会推出了树莓派Zero W,它本质上是树莓派Zero ,但是添加了许多用户一直要求的功能,即Wi-Fi和蓝牙。

树莓派Zero W价格为10美元,Pi Zero W使用与树莓派 3 B型相同的赛普拉斯CYW43438无线芯片,以提供802.11n无线局域网和蓝牙4.0连接。

树莓派Zero W完整配置如下:

1GHz,单核CPU,512MB内存,迷你HDMI端口,Micro-USB On-The-Go端口,微型USB电源接口,HAT兼容的40针接头,复合视频和重置标头,CSI摄像机连接器,802.11n无线LAN,蓝牙4.0。

此外,官方还为树莓派Zero W提供一次注塑成型的外壳与三个可互换的盖子:一个空白的盖子,一个带有小孔的盖子,让用户可以访问GPIO,一个带有小孔和相机安装点的盖子。

4b9d3baaa5f4dba0162ccfbf723e511a

使用树莓派打造面部识别安全设备

清单

硬件部分

Raspberry Pi 2 Model B

PIR运动传感器(通用)

Microsoft LifeCam 3000 HD摄像头

伺服马达FS5103R

5V电源

电阻器 1k欧姆

软件应用程序及在线服务

Microsoft Windows 10 IoT Core

Microsoft Visual Studio 2015

Microsoft Project Oxford

Microsoft Azure

Microsoft Azure云存储服务

动手实践

关于项目:

该设备使用Microsoft Project Oxford面部识别方案,检测访问者是否为房子的所有者,通过验证之后会立马打开房门,否则系统将向房屋所有者绑定的移动设备推送一条警告信息,并询问是否给该访问者开门。

使用/集成的服务

Azure storage云存储服务

Microsoft Project Oxford: 面部识别API

使用ASP.Net SignalR将所有者的行为发送给树莓派

使用WNS向移动设备发送通知信息

组件

Raspberry Pi 2 Model B x1

RIP传感器 x1

微软LifeCam 3000 HD x1

伺服马达 FS5103R x1

电池组 x1

1kΩ电阻 x1

电路图以及线路图

14817893813869

14817893927566

Pin分配

14817894206623

 

移动侦测,捕捉图像以及访问者分析

首次运行该应用程序,默认会创建一个IsActive属性为真的PIRProximitySensor类实例。
该实例用于RIP传感器与应用程序之间的连接。如果IsActive属性设置为真,当传感器检测到一个动作发生时会触发MotionDetected事件,然后要求连接到传感器的GPIO pin number执行对应的操作。移动侦测的捕捉影片命令会将获取到的访问者面部图像,发送到Project Oxford服务器进行识别。如果确认为该房屋的所有者,伺服马达将打开房门;否则将获取到的访问者面部图像发送到绑定的移动设备。如果房屋所有者选择打开房门,命令将通过后端服务的SignalR推送给树莓派,然后打开房门。
当在识别访问者过程以及传感器进行必要操作期间,IsActive属性不能被设置为假。关闭房门之后该属性重新设置回真,激活识别系统。

芝麻开门

我们使用伺服马达控制房门。向马达发送2毫秒脉冲时,马达会旋转180°门就打开了;向马达发送1毫秒脉冲时,马达会旋转回0°,门再次关闭。 伺服马达的位置是由脉冲长度决定。转动系统预期至少每隔20毫秒收到一个脉冲,如果脉冲超过1毫秒,伺服马达将转到0°;如果为1.5毫秒脉冲,其转到90°位置;如果是2毫秒,将会转到180°位置。

14817894345998

Project Oxford: Face API

Face API是一个基于云计算的API,其提供了当前最先进的人脸检测识别的算法。Face API的主要功能可以分为两类:其一对人脸进行检测提取其特征提取,其二便是人脸识别 戳这里访问该项目主页。

如何部署以及工作

按照上面图表连接好电路之后,从HomeVisitsManager.VisitsController项目的方案平台选择ARM,之后从模拟器列表选择远程机器并输入你的树莓派IP和凭证,最后运行该方案;多个项目同时运行(所有者的windows phone应用,后端服务以及物联网设备)

引用:

伺服马达:http://razzpisampler.oreilly.com/ch05.html

人脸检测和识别:https://www.projectoxford.ai/doc/face/How-To/identifyperson

项目代码

https://github.com/IslamKHALIL/Home-Visits-Manager

参考来源:hackster,FB小编鸢尾编译,转载请注明来自FreeBuf(FreeBuf.COM)

 

 

 

 

 

 

 

 

 

 

 

 

华硕推出迷你PC 比树莓派性能强大了不少

树莓派一直是许多电脑DIY爱好者最喜欢的工具,而现在来自中国台湾的电脑厂商华硕最近推出了一款与树莓派直接竞争的新产品Tinker Board。这款Tinker Board将最先在英国和欧盟国家发售,售价为55英镑(约合人民币470元),虽然价格要比树莓派稍贵一些,但是在性能上也有不少提升。

根据介绍来看,Tinker Board的配置包括1.8GHz四核Cortex-A17处理器、2GB LPDDR3运行内存、四个USB 2.0接口、支持千兆局域网接口、蓝牙4.0、3.5毫米耳机接口、microSD卡槽、microUSB充电接口等,并且支持802.11 b/g/n Wi-Fi连接,并且还有支持4K视频传输的HDMI 2.0接口。

与树莓派最新的Pi Model 3 B型号相比,Tinker Board的配置能让大幅提升3D画面的性能(包括Mali-T762GPU和两倍的RAM),并且支持4K信号也是一大亮点。同时Ars Technica指出,Tinker Board将可以流畅支持H.264和H.265的视频解码,但是并不支持Netflix的4K流媒体视频,因此Tinker Board并不适合用来组建自己的媒体中心。

Tinker Board的其它关键特性上还包括支持Debian Linux(包括非常流行的Kodi媒体中心系统),并且从硬件布局上看与树莓派非常接近。与售价40美元(约合人民币274元)的树莓派Model 3 B相比虽然价格贵了不少,但是对于性能有更高要求的DIY用户来说,是一个一步到位的好选择,省下了升级原有树莓派配置的时间。(原作者:James Vincent 编译:Human)

转载自 腾讯数码