GenBook RK3588一款模块化开源ARM笔记本电脑,具有高达32GB内存和模块化扩展功能

GenBook RK3588 是一款以瑞芯微(Rockchip)RK3588为核心的开源笔记本电脑。这款功能强大的CPU集成了4个Cortex-A76、4个Cortex-A55内核和4个Mali G610 图形内核。具有6 TOPS算力的集成 NPU 单元可以有意义地提升本地机器学习任务。这款流行的新芯片允许用户使用许多流行的开源操作系统,包括 Ubuntu、Debian 和 Armbian。

图片

GenBook RK3588 采用模块化设计方法,便于未来的升级和发展。用户还可以安装更高性能的 Wi-Fi 模块和更大容量的 2280 尺寸 M.2 接口的NVMe SSD。其它接口如UART、I2C 和 50 针 FPC 也可访问和可操作。

图片

一、性能强大

三屏显示,一边看爱奇艺视频,一边浏览网页,也毫无压力。

GenBook RK3588 由瑞芯微(Rockchip)最新的旗舰 SoC 提供支持,能够处理现代密集型计算任务。它可以同时为三个显示器供电,从而创建一个超级高效的桌面设置,这对于写代码简直是福音。其Soc多核功能和高达32GB的运行内存,使得运行KiCAD和Qt这种吃内存和运算密集的 Linux 应用程序得心应手。

在LLM 或机器视觉等机器学习任务可以利用 RK3588 强大的NPU。查看下表,了解它在多种情况下的表现:

上表可以看出RK3588自带的NPU性能可谓十分强大,6TOPS的算力能够实现高效的神经网络推理和计算。这使得GenBook在图像识别、语音识别、自然语言处理等领先的人工智能领域有着极高的性能表现。

二、灵活的模块化设计

GenBook RK3588 采用模块化设计,让用户可以轻松升级或维修他们的笔记本电脑。例如,SoM 可以替换为其他配置,为用户提供升级选项,例如具有相同 CPU 和更多 RAM 的模块或将来的其他处理器架构。

GenBook RK3588 支持具有高达 4K60P的eDP 接口的内部显示器。它还支持添加具有扩展 I2C 接口的触摸屏。无需修改软件即可安装新的或升级的更高分辨率 LCD 面板。多个供应商的面板经过验证,与 GenBook 机箱兼容。

图片

GenBook RK3588 带有 50 针 FPC 连接器,为用户扩展提供更多接口,可选配通过 FPC 接口连接的 5G 扩展板。

三、特性和规格

图片

3.1 系统级模块:
  • 瑞芯微 RK3588 (8 核 CPU, 4 核 GPU, 6 TOPS NPU)

  • 8 GB 或 32 GB LPDDR5X RAM

  • 内置 64 GB eMMC 存储

  • 高性能 ES8336 DAC

  • MXM 式接口,用于高速连接主板

3.2 显示
  • 京东方 NV140FHM-N42,全高清 (1920x1080),60 赫兹

  • 300 cd/m² 显示亮度

  • 支持使用其他型号的显示器进行升级和维修

3.3 无线电
  • Realtek RTL8852BE(Wi-Fi 6 和蓝牙 5.2)

  • 802.11ax MIMO 2 发射/2 接收

  • M.2 接口 (PCIE+USB 2.0)

  • 可升级到更快的无线芯片组

3.4 存储
  • 内置 64 GB eMMC

  • 支持添加一个 M.2 2280 NVMe 固态硬盘

  • PCIe 3.0x4 接口

图片

3.5 输入输出
  • 1 个 USB Type-C 3.2 Gen 1(5 Gbps,Alt 显示模式)

  • 1 个 USB Type-A 3.2 Gen 1 (5 Gbps)

  • 1 个全尺寸 HDMI

  • 1 个 3.5 毫米 TRRS 耳机插孔

  • 50 针 FPC 连接器输出:

    • PCIe 2.0x1/USB 3.0/SATA 3.0 (三选一)

    • 2 个 USB 2.0 HOST 接口

    • 1 个千兆以太网

    • 1 个 SDMMC 3.0

    • UART、SPI、I2C、GPIO

3.6 电池和充电
  • 锂离子电池

  • 5000 毫安时,7.6 伏(38 瓦时)

  • 直流充电 (9 V-20 V)

  • USB Type-C PD 充电(仅在笔记本电脑开机时支持)

3.7 其他功能
  • 2 个 1.2 W 扬声器,带独立音室

  • 带物理断开开关的网络摄像头

  • 充电和电源 LED 指示灯

  • 手机尺寸:323.4 x 219.9 x 19.9 毫米(127.3 x 86.5 x 7.8 英寸)

  • 重量:1.5 千克(3.31 磅)

3.8 操作系统
  • Debian 11(默认)

  • Ubuntu(20.04-LTS、22.04-LTS 或 24.04-LTS)

  • Armbian 餐厅

  • 安卓 14

  • UOS

  • 麒麟

  • Alt-Linux 操作系统

  • 其他发行版的持续更新

四、开源

Genbook-RK3588 是开放式硬件。主板(OrCAD、PDF、PCB 焊盘文件)和 GenM5 系统模块(PDF)的原理图可在网站上下载和修改。在软件方面,OS 映像、内核和 Uboot 源都可供下载。

图片

  • 9
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值