OrangePi Aipro使用体验

​

深感荣幸能够参与到由香橙派、华为和CSDN共同组织的这场活动中。

即使你跟我一样同为初学者，也可以通过学习和实践来不断提升自己的技能。因此，我想在这里分享一些我日常使用频次较高的基础应用，也许其中就有你感兴趣的栏目。

1. OrangePi Aipro基本信息介绍

OrangePi AIpro(8T)采用昇腾AI技术路线，具体为4核64位处理器+AI处理器，集成图形处理器，支持
8TOPS AI算力，拥有8GB/16GB LPDDR4X，可以外接32GB/64GB/128GB/256GB eMMC模块，支持双4K高清输出。 Orange Pi AIpro引用了相当丰富的接口，包括两个HDMI输出、GPIO接口、Type-C电源接口、支持SATA/NVMe SSD 2280的M.2插槽、TF插槽、千兆网口、两个USB3.0、一个USB Type-C3.0、一个Micro USB（串口打印调试功能）、两个MIPI摄像头、一个MIPI屏等，预留电池接口，可广泛适用于AI边缘计算、深度视觉学习及视频流AI分析、视频图像分析、自然语言处理、智能小车、机械臂、人工智能、无人机、云计算、AR/VR、智能安防、智能家居等领域，覆盖 AIoT各个行业。 Orange Pi AIpro支持Ubuntu、openEuler操作系统，满足大多数AI算法原型验证、推理应用开发的需求。

以下是香橙派的外设接口图：

参数信息：

CPU	4核64位处理器+ AI处理器
GPU	集成图形处理器
AI算力	8TOPS算力
内存	LPDDR4X：8GB/16GB（可选），速率：3200Mbps
存储	• SPI FLASH：32MB • SATA/NVME SSD（M.2接口2280） • eMMC插槽：32GB/64GB/128GB/256GB（可选），eMMC5.1 HS400 • TF插槽
WIFI+蓝牙	Wi-Fi 5双频2.4G和5G BT4.2/BLE
以太网收发器	10/100/1000Mbps以太网
显示	• 2xHDMI2.0 Type-A TX 4K@60FPS • 1x2 lane MIPI DSI via FPC connector
摄像头	2x2-lane MIPI CSI camera interface，兼容树莓派摄像头
USB	• USB 3.0 HOST x2 • USB Type-C 3.0 HOST x1 • Micro USB x1 串口打印功能
音频	3.5mm耳机孔音频输入/输出
按键	1x关机键、1xRESET键、2x启动方式拨动键、1x烧录按键
40PIN	40PIN 功能扩展接口，支持以下接口类型： GPIO、UART、I2C、SPI、 I2S、PWM
风扇	风扇接口x1
预留接口	2PIN电池接口
电源	Type-C PD 20V IN ，标准65W
支持的操作系统	Ubuntu、openEuler
产品尺寸	107*68mm
重量	82g

2. 开始使用

拆开包装盒，连接上电后，我想用户最期待的是连接上设备开始使用了。

2.1 使用图形化界面

如果你有一台显示器，那么你只需要接好HDMI线，电源线就可以开始使用了。按照如下图所示，连接好就可以开始使用设备了。

相对比树莓派，我更喜欢Orangepi这款新开发板可以直接使用标准的HDMI线进行连接，并且可以直接使用Typec进行供电，是一台非常的方便携带的Mini主机。

2.2 OrangePi通过网线与PC相连接

可能有的人身边不具备显示器，或者只有老式的DMI接口的显示器，你同样也能快速上手这款开发板。
使用网线连接路由器查看IP地址的方式就不说了，这节来介绍通过网线将PC和OrangePi连接起来。

在个人PC机输入arp -a命令，检查网卡状态。

这块便是我的无线网卡信息，随后插入网线，再次输入arp -a命令，可以看到多出来了一个设备，此时是我们的有线网卡也被分配了地址。

接下来跟随我的操作。

接下来点击更改适配器选项。

对你的WLAN右键，并在弹出的选项卡点击属性。

开启了共享之后，回到命令控制符，输入arp -a命令，你应该对这个命令很熟悉了，本次的操作在windows中我们只会用到这个命令。

可以看到，相比上一次输入，网关已经发生了变化。

现在需要修改网关与OrangePi处于同一网段。
我的设备由于已经与香橙派处于同一网段了，都是处在192.168.137.1网关下，所以不用做出其他修改。

如果你的电脑与OrangePi处在不同的网段，你需要做出以下配置。

双击这个

修改图中红框中的IP。

接下来重新使用arp -a命令，第一个Internet地址就是你设备的IP地址了。
我的是192.168.137.205，所以我应该输入以下命令进行ssh连接：

sshHwHiAiUser@192.168.137.205

如下图所示，已经在windows的控制台中完成了ssh连接。

但是这样过于粗糙了，感受不到香橙派美化系统的用心。

这里推荐一款非常使用且美观的开源轻量级ssh 工具windterm。

github搜索 windterm 往下翻翻找到对应的下载版本按照即可。

如图所示，已经使用WindTerm工具进入到了OrangePi，可以开始愉快的使用了。

3. 部署我的世界服务器

几年前，部署过一个我的世界服务器与一大学室友一同进行游玩，但所使用的树莓派4B内存往往不够导致游戏死机闪退，并且因为非正常退出，会丢失一部分数据导致难受。

但是使用自己的电脑PC开放端口游玩的方式来玩耍呢，则需要世界的主人需要一直在电脑上挂着游戏，十分的不便。

目前使用的8GB香橙派应该有足够的能力来供两三好友一同游玩我的世界。

3.1 Java安装

你的新机器肯定没有安装合适版本的JDK，接下来通过本节内容来安装JDK。

• 1.0-1.11.x可以使用 Java 6 和 Java 7，但推荐使用Java 8
• 1.12(17w13a)-1.16.5(1.17-21w18a)需要使用Java 8
• 1.17(21w19a)-1.17.1需要使用Java 16
• 1.18(1.18-pre2)及以上版本需要使用Java 17
  我所安装的为MC1.20版本，JDK17是兼容的，安装jdk17即可。

前去这个网站 https://www.oracle.com/java/technologies/downloads/

复制下载链接，接下来会在ubuntu中使用wget命令下载它，由于本款OrangePi采用的是ARM架构，所以我们应该下载第一个版本。

复制好链接后，使用wget命令来下载它：

wgethttps://download.oracle.com/java/17/latest/jdk-17_linux-aarch64_bin.tar.gz

刚开始下载会慢一点，但是中间下载会挺快的。

下载好后，使用tar命令对其进行解压：

tar-zxvfjdk-17_linux-aarch64_bin.tar.gz

如果你的文件名与我的不一致也没关系，修改成你压缩包的名字即可。

然后将解压出来的文件夹移动至/usr/local/目录下：

sudomvjdk-17.0.1/usr/local/

随后还需要配置环境变量，编辑以下文件。

sudo vim/etc/profile

翻至最下方，添加以下三行命令，记得要将文件夹名字与你实际的文件夹名字相对应上：

exportJAVA_HOME=/usr/local/jdk-17.0.11
exportCLASSPATH=.:$JAVA_HOME/lib
exportPATH=.:$JAVA_HOME/bin:$JAVA_HOME/lib:$PATH

然后按下ESC+wq!进行文件保存。

为了使配置环境生效，你还需要输入一行命令:

source/etc/profile

输入完这行命令后，输入命令查看JDK是否已添加到环境变量：

java-version

可以看到，当前所使用的JDK版本为JDK17版本，已足以支持所预计的 MC1.20版本使用。

3.2 我的世界游戏资源获取

听说paperMC服务器端比较适合开服务器，不妨来试一试这个。

通过这个链接可以进入到下载界面 https://papermc.io/downloads/paper

试了一下，点击蓝色的这个按钮就会开始下载，但我们并不是想要在windows中下载，而是直接在OrangePi中下载。

所以还是右键这个蓝色按钮然后点击复制链接，就像下载JDK17时那样。

获取了链接后，依旧采用的是wget命令下载：

最好是先新建一个文件夹，游戏运行时会产生很多资源会看起来很乱，也容易误删

mkdir MC
cd MC
wget https://api.papermc.io/v2/projects/paper/versions/1.20.4/builds/496/downloads/

然后使用命令来运行MC服务端,，如果你的版本号与我不一致，更改为你自己的文件名即可：

java-Xmx1024M-Xms1024M-jarpaper-1.20.4-496.jar

第一次运行是会报错的，运行需要先同意用户协议，它也提示了我们去EULA这个文件中看看怎么个事：

那我们就将这个false更改为True即可

接下来重新运行：

java-Xmx1024M-Xms1024M-jarpaper-1.20.4-496.jar

第一次它会因为没有世界，而创建一个新的世界，所以需要一点时间。

如图，它已经创建好了世界，并且开放了25565端口供我们使用，这是MC的默认端口：

现在打开我的世界游戏，进行多人游戏，搜索一会儿应该是可以自动搜索到的，搜不到我们也可以手动进行添加：

糟糕，最终还是搞错了版本，它检测到了此服务器为1.20.4版本

而我的版本为1.20.6，无法进去游玩进行演示了。

如果感到游戏发生闪退的话，启动的时候分配多一点内存就好了，反正OrangePi有8G内存可供使用。

java-Xmx2048M-Xms2048M-jarpaper-1.20.4-496.jar

3.3 Tmux安装

目前来说，任务已经完成了绝大部分。当你退出终端的时候，由于ssh的断开会导致正在运行的游戏也会被关闭，所以需要让它在后台运行。不妨使用Tmux来实现这个工作.

tmux终端复用工具，在Ubuntu中运行一些服务或脚本的时候往往不能退出终端，需要一直挂着。在有图形界面的linux中你还可以新开一个终端去做别的事，但在无界面linux中，我想你会用到tmux。

使用apt安装之前，更新一下已是不必解释的基本操作：

sudoapt-getupdate

然后是tmux安装

sudoapt-getinstalltmux

tmux的启动命令是这样，直接输入tmux即可：

然后再这个会话中运行我的世界游戏启动命令就OK了。

如果想要退出这个会话，你可以使用Ctrl + B 然后按下D以退出。

3.4 花生壳内网穿透安装和使用

现在的情况，在局域网内游玩是没有任何问题的，外界的玩家是无法访问我们的世界与我们一同进行游玩的。
但公网IP不是普通玩家可以搞到的东西，所以我们使用了内网穿透方案。
内网穿透工具有很多可以选，如Sakura、Coplar啥的，花生壳对于新手来说使用起来是比较方便的，所以这里就拿花生壳进行举例吧。

来到下面这个链接进行下载：

https://hsk.oray.com/download

我们既不是windows版也不是Mac版，而linux下载中只提供了amd64和arch64不符合我们架构的下载链接，我们使用树莓派版本也是可以的，因为树莓派也是arm64版本。

使用以下命令进行下载：

wget"https://dl.oray.com/hsk/linux/phddns_5.1.0_rapi_aarch64.deb"-O phddns_5.1.0_rapi_aarch64.deb

下载好后先切换到管理员用户：

sudo-s

如果你未开启管理员用户会提示密码错误，使用以下命令开启管理员账户：

passwd root

然后设置密码即可。

现在我们使用dpkg进行安装：

dpkg-iphddns_5.1.0_rapi_aarch64.deb

如果后续想要卸载，使用以下命令：

dpkg -r phddns

下载好后，会出现SN码用于登录，请妥善保管此码：

我们可以使用phddns命令进行使用，它提示我们需要携带参数进行使用：

现在进入登录页面 ，使用SN码登录，默认密码是admin：
​
初次登录会要求你绑定账号，以下是绑定账号后的界面：
​
现在添加映射，单机内网穿透：
​

然后点击蓝色的按钮添加映射，在这边填入你的网络信息和端口号，我直接填入了MC的端口号：
​
保存后来诊断一下连接状态：
​
连接是正常的，这么说，我的好友可以通过访问一下端口号来加入我的游戏服务器

至此，我的世界服务器搭建完成。

5vckxxxxxxxx.vicp.fun:41779

4. Hperlpr车牌号识别

本节将介绍如何利用Hperlpr开源库进行车牌号识别。
本节内容需要安装很多东西，需要更换国内源。
由于我们直接使用的OrangePiOS，已经替换好了国内源，所以我们不需要进行换源操作。

老规矩，安装东西前先更新一下。
更新软件索引清单

sudo apt-get update

比较索引清单更新依赖关系，如果出现需要确认的直接回车使用默认选项即可。

sudo apt-get upgrade

4.1 opencv 安装

opencv是我们进行图像识别的一个很重要的库，此库的安装非常重要。

使用以下命令进行opencv安装

sudo pip3 install opencv-python==3.4.6.27

安装成功后，使用以下方法来确认opencv库是否安装成功：

先打开Python3终端，然后导入cv2来查看是否报错。

​
部分人可能会发生报错，这是因为Python3内置的numpy库与opencv的版本不兼容导致的，这个时候你需要卸载numpy并且搜索与之相应的numpy版本进行安装。

4.2 Hperlpr安装

现在Hperlpr的安装已经比前几年简单很多了，可以使用pip直接进行安装。

那个时候我使用的树莓派4B进行编译安装，树莓派强大的算力导致我编译了一个多小时才编译完成，界面一直卡住不动让我一度以为树莓派是不是死机了。

python-mpipinstallhyperlpr3

安装完成后使用同样的方法进行测试Hperlpr是否安装成功：
​
可以看到hyperlpr安装已经成功了。

4.3 运行车牌号识别

接下来我们可以进行图形识别了。

运行以下命令来进行车牌号识别测试。此图为在无锡拍摄到的一辆小米SU7汽车。

lpr3sample-srchttps://img-
blog.csdnimg.cn/direct/065532bd089040caa0f97c9ddf063a21.jpeg

​
接下来看看识别结果如何：
​
如图，准确识别了车牌号和车牌类型。其中最后的列表为车牌号所处坐标。

利用此库，我们可以在OrangePi中编写一个脚本用于接收图片或者图片链接，结合内网穿透操作，从而让它成为一个车牌号识别服务器。

5. EMQX MQTT服务器搭建

EMQX相较于阿里云、巴法云平台而言，使用起来尤其方便。非常适合物联网设备进行数据交互

5.1 EMQX下载

来到EMQX官网进行下载 https://www.emqx.io/zh/downloads

选择ubuntu系统，复制其命令一一执行。

​
执行完启动命令sudo systemctl start emqx后，EMQX服务端就已经启动了。

5.2 访问EMQX后台

现在我们可以进入其后台。在浏览器输入OrangePi的ip地址+18083端口进行访问：

192.168.137.205:18083

初次登录的账号是admin，密码的public，登录后会要求你更改密码。
​
更改新密码后，就进入到了EMQX的后台，在这里你可以查看此平台上的相关信息。
​

5.3 发布和订阅消息

在windows上通过此链接下载https://www.emqx.com/zh/downloads/MQTTX/v1.9.10/MQTTX-Setup-1.9.10-x64.exe

这是与EMQX配套的工具，现在我们就去EMQX平台上订阅和发布信息。

新建连接，填入你的IP地址和设备ID即可.
​
如图所示，连接服务器成功
​
现在订阅标题，为方便演示，我们随意一点：

点击添加订阅：
填入标题名字即可，先不关注其他事项
​
然后在发送窗口将主题编辑为test，然后编辑一段内容hello。

可以在图中看到，在test主题发送hello后，并且经过EMQX平台中转后，由于我们订阅了此标题，所以收到了此消息。

​

6. OrangePi云盘搭建

本节通过Python的第三方库flask搭建一个一个简单的云盘 。samba服务的安装通常比较麻烦，并且在windows映射网络驱动器经常容易掉，此Python脚本结合tmux后台运行，可以很快的为你提供一个传输文件到linux服务器的工具。

Flask 是一个用 Python 编写的轻量级 Web 应用程序框架。它的目标是提供一个简单但可扩展的基础，以便开发人员可以根据项目需求构建 Web 应用。Flask 被广泛用于各种规模的项目，从简单的个人网站到复杂的企业级应用。

6.1 前期准备

首先需要安装第三方库flask，输入以下命令安装flask库

pip install flask

接下来需要创建一个新的文件夹来存放可供用户下载的资源，此目录需要起名为uploads。

6.2 文件夹存在检测

不新建名为uploads的文件夹也可以，我们可能会和不同的朋友分享不同的文件资源。

更改UPLOAD_FOLDER中的字符串即可，但为了确保其存在，需要在最开始添加检测逻辑，如果不存在所指定的目录，会新建一个目录。

UPLOAD_FOLDER = 'uploads'  
app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER  
  
# 确保上传文件夹存在  
if not os.path.exists(app.config['UPLOAD_FOLDER']):  
    os.makedirs(app.config['UPLOAD_FOLDER'])  

6.3 编写index函数

在 Flask 中，index 页面通常指的是应用程序的入口页面，即当用户访问应用程序的根 URL，在浏览器地址栏输入我们的IP+端口号后会进到的第一个页面。

@app.route('/')  
def index():  
    # 列出所有上传的文件
    files = [f for f in os.listdir(app.config['UPLOAD_FOLDER']) if os.path.isfile(os.path.join(app.config['UPLOAD_FOLDER'], f))]  
    return render_template_string('''  
   <!doctype html>  
    <html lang="en">  
    <head>  
        <meta charset="UTF-8">  
        <title>flask网盘</title>  
        <!-- 引入 CSS 文件 -->  
        <link rel="stylesheet" type="text/css" href="{{ url_for('static', filename='styles.css') }}">  
    </head>  
    <body>  
        <h1>共享区的文件</h1>  
        <ul>  
            {% for file in files %}  
                <li><a href="{{ url_for('download_file', filename=file) }}">{{ file }}</a></li>  
            {% endfor %}  
        </ul>  
        <h1>上传新的文件</h1>  
      
        <form method="post" action="/upload" enctype="multipart/form-data">  
            <input type="file" name="file">  
            <input type="submit" value="上传">  
        </form>  
    </body>  
    </html>  ''', files=files) 

6.4 编写css文件美化页面

CSS（Cascading Style Sheets）是一种用于描述HTML或XML（包括如SVG、MathML等衍生语言）文档样式的计算机语言。CSS描述了如何在屏幕、纸质、音频等媒介中渲染元素。CSS不仅可以静态地修饰网页，还可以配合各种脚本语言动态地对网页各元素进行格式化。

这一步可以选做，不做也没什么影响，就是没有css文件来渲染而已。

一定要先新建一个static文件夹，并且给此文件命名为 styles.css 才能够使用。

/* styles.css */  
  
body {  
    font-family: Arial, sans-serif;  
    margin: 0;  
    padding: 20px;  
}  
  
h1 {  
    color: #333;  
    text-align: center;  
}  
  
ul {  
    list-style-type: none;  
    padding: 0;  
    text-align: center; 
}  
  
li {  
    display: inline-block;  
    margin-right: 10px;  
    margin-bottom: 10px;  
}  
  
li a {  
    text-decoration: none;  
    color: #007BFF;  
    font-weight: bold;  
}  
  
form {  
    margin-top: 20px;  
    text-align: center;  
}  
  
input[type="file"], input[type="submit"] {  
    margin-right: 10px;  
}  
  
input[type="submit"] {  
    padding: 5px 10px;  
    background-color: #007BFF;  
    color: white;  
    border: none;  
    cursor: pointer;  
}

6.5 编写上传函数

由于我们是进行文件的上传，所以是使用post方法携带表单进行提交。

比较简单就不做过多解释了。

@app.route('/upload', methods=['POST'])  
def upload_file():  
    if 'file' not in request.files:  
        return 'No file part in the request', 400  
    file = request.files['file']  
  
    if file.filename == '':  
        return 'No selected file', 400  
  
    if file:  
        filename = secure_filename(file.filename)  
        file.save(os.path.join(app.config['UPLOAD_FOLDER'], filename))  
        return 'File {} uploaded successfully!'.format(filename), 200

6.6 编写下载函数

本函数也很简单，就是你点击了文件名后，会使用get方法将文件下载下来。

@app.route('/download/<filename>', methods=['GET']) 
def download_file(filename):  
    return send_from_directory(app.config['UPLOAD_FOLDER'], filename, as_attachment=True)

6.7 效果演示

在main.py中，需要设置域名和端口，推荐非实装不要使用特殊端口，如果非要使用需要使用管理员权限来运行它，http的默认端口为80，你可以将port值改为80来访问：

if __name__ == '__main__':  
    app.run(host="192.168.137.205",port="2000")

现在开始运行，使用Python3解释器来运行main.py

​

图中已经提示了我们，通过 http://192.168.137.205:2000 来访问它。

现在由于uploads文件夹中没有文件，所以我们需要进行文件上传

​

现在我们进行文件上传：

点击选择文件，我这里随便选了一个文件：

​

然后点击上传，可以看到页面提示我们文件上传成功：

​

​

现在回到 index界面，发现已经有了我们上传的文件：

​

并且现在点击文件名，还会开启文件下载

​

7. OrangePi AIPro AI样例运行

本人从事的嵌入式行业，对AI推理只是有简单的了解，并不专业，只是通过运行OrangePi AIPro系统中内置的AI样例体验一下。在往后的生活里，可以将这些模型改成一个接口，我们只需要传递好图片、视频、音频进去，就能解析到相应的结果，所以还是挺有用的。

官方提供的OrangePi AIPro内置了AI样例，内置的样例想要直接使用需要使用到显示器。

我们需要修改个配置才能使用。

首先是进入样例目录

 cd samples/notebooks/

然后使用vim编辑器编辑 start_notebook.sh ：

vim start_notebook.sh

将这个地方修改为你自己的IP;

​

然后运行sh脚本：

 ./start_notebook.sh

运行后如下图：

​

复制这个链接到自己的浏览器地址栏：

​

然后你就来到了Jupyter Notebook界面。

7.1 01-yolov5

双击第一个样例：

​

打开main.ipynb，里边会有提示：

​

翻到最下边，点进这个代码块里面，然后点击运行：

​

会出现报错，不要慌，点击那个带两个三角形的图标，然后点击重启内核。

此时你会感觉卡住了，其实并没有，你可以新开一个终端输入htop命令查看CPU和内存使用率。

过了几十秒后，会加载出一段视频，并且模型将汽车的所处位置给标注了出来

​

7.2 02-OCR

关闭01-yolov5，打开02-OCR，翻到最下面，点击这个图标开始运行

​

如下图所示，等待几秒钟后，图片出现了一张图片，并且将图中的文字给提取了出来：

​

7.3 03-ResNet

这个是一个视觉分类网络，来到这个页面，直接点击运行。

​

运行几秒后弹出了一张狗的图片，并且在其左上角打上了五种最为可能的类别。

第一个置信度为0.94的是“贵宾犬”，也正是正确的结果

​

7.4 image_HDR_enhance

这个样例的功能是使用模型对曝光不足的输入图片进行HDR效果增强

​

7.5 cartoonGAN

这个样例的功能是使用cartoonGAN模型对输入图片进行卡通化处理

这个是测试图片：

​

以下是动画化的结果：

​

7.6 human_protein_map_classification

功能：对蛋白质图像进行自动化分类评估
样例输入：未标注的蛋白质荧光显微图片
样例输出：已经标注分类的蛋白质图谱

若干秒后，在窗口中出现了一张蛋白质荧光显微图片。我们可以看到模型对图 片进行推理，展示了图片中蛋白质最有可能的三种类别以及相应的置信度，其中置 信度最高的类别是Mitochondna，为64.23%

​

7.7 07-Unet++

功能：对图像中的细胞核进行分割
样例输入：未标注的生物细胞图像
样例输出：已经分割的细胞核图像

若干秒后，在窗口中出现了一张细胞核的图片

​

7.8 08-portrait_pictures

目前工业界通用的人像分割主要采用绿屏技术，需要专门的绿屏设备及环境，不利于普通用户的广泛使用。在这个样例中，我们使用了一个深度学习神经网络PortraitNet，能够实时地进行人像分割和背景替换。

​

7.9 09-speech-recognition

在这个样例中，使用语音识别模型WeNet，该模型可以指将语音转换为文本。

在样例中已经包含转换后的om模型和测试语音。

如图，其将语音的文本给提取了出来。

​

8. 风扇使用

OrangePi AIpro的风扇接口，是具有PWM调速功能的，有自动模式和手动模式，默认工作模式为自动

​

我们可以使用以下命令查询其工作模式

sudo npu-smi info -t pwm-mode

如图，当前工作模式为自动模式。

​

使用以下命令查询当前风扇调速比：

sudo npu-smi info -t pwm-duty-ratio

​

手动\自动模式切换命令：

sudo npu-smi set -t pwm-mode -d 0

0 手动模式
1 自动模式

可以看到命令执行成功了：

​

现在来调节风扇转速，使用这条命令会将风扇转速调制最高：

sudo npu-smi set -t pwm-duty-ratio -d 100

执行完命令后，你的OrangePi AIpro应该已经开始像一台直升机准备起飞了

​

可以在运行CPU资源耗费过大的程序时，添加一个调节风扇转速的命令，以确保让它保持在一个比较好的工作状态。

9. 总结与展望

OrangePi AIPro的使用体验超乎了我的意料，以往在其他的Pi中，通常装个软件会衍生出一大堆麻烦，甚至乎装了很久，最后出现过程中的某个软件并不适配此linux电脑的操作，这样的问题遇到过很多次。

OrangePi AIPro使用的arm64架构，提供了丰富的资料，并且网上有关树莓派的资料大部分都是可以沿用的，十分便于使用者学习，并且其对于开发人员而言，其强大的性能也可以满足使用需要。作为一款采用昇腾AI技术路线的AI开发板，也得到了华为等公司的支持和推广。这也为其提供了更多的资料和资源支持。

我认为其存在的唯一的不足，不是性能不足，它完全能够满足我的全部需要，甚至还能够留有很多余力，如上述章节都为我常用的使用软件。使用起来最影响感受的是在散热方面。在室内不开空调单凭板载风扇进行散热时，会散热不充分最终导致USB接口都变得挺烫手，但在空调房中毫无感觉，摸起来甚至不如我的笔记本烫，所以它还是表现得很出色。好在官方提供的风扇，还提供了PWM风扇调速，风扇可供用户自己调节转速，十分有效。

​