Hailo-8的测试见往期文章，最近树莓派发布了官方套件——Raspberry Pi AI Kit，其采用Hailo-8L，算力为13TOPS，是Hailo-8算力的一半，官网地址为。最近在进行Raspberry Pi AI Kit使用测试。与Hailo-8外观基本一致。

linux系统还是Ubuntu 20的与文档要求的18不符，Windows又是各种问题。此时还不能连接网络，因为内置文件中的配置为被动模式，需要先改文档问主动模式。设置ip地址，但此时无法登录计算棒系统，需要在cmd中输入命令。待续，还未可是做加速，不知道设置好要多久。插入电脑后显示几个文件，但一直无法进入系统。好过坑哦，文档教程真是不想吐槽。重新在浏览器中输入登录地址。更新后1.4-1.7。

在理论公式上理解数字信号处理没有通过软件仿真理解来的深刻，同时在公式及软件仿真上理解也远远不及实际的硬件实现算法来的深刻。个人的理解，数字信号处理方法应该是能够在硬件上实现的算法，仅在理论上理解感觉还是会对部分概念理解的不够深刻。但硬件开发是难度较大，C、C++的学习需要经历较长的时间，在canmv k230开发板支持micropython后，通过Python进行在线调试变得简单起来，同时k230

目前已经更新了一些信号处理的笔记与深度学习的笔记，主要采用micropython，但是随着系统的逐渐完善，原有的一些笔记内容已经不能运行，需要进行更新。同时micropython的环境仅使用部分k230的性能，因此对于C++的开发学习看起来很有必要，但所需要的学习成本急剧增加。1 原有的笔记重新编写，以适应现在的micropython系统，适当补充原笔记内容；2 增加C++开发案例的简单流程描述，

已经使用一段时间Canmv K230开发板了，给人的印象，便宜，好用，资料比较齐全，交流群响应比较及时。在使用了一段时间micropython镜像后，只能使用一些基础的案例，虽然关于针对AI的开发可以直接调用各种代码，但实际应用中学会其中的原理比会调用函数库重要的多（个人简介），同时一些高级功能，如RVV好像也只能用C++开发。

因为Hailo-8系列的帖子更新的有些混乱，但关注的人又比较多，因此计划重新编写部分内容。1）PC/云：Hailo Dataflow Compiler。2）边缘端：树莓派CM4/5、香橙派5Pro/Plus。如果有交流问题的，可能会有一些问题汇总，否则没有。2.4 香橙派Orangepi 5plus。环境配置（已完成重新调整中。动态推理（看起来这个是重点要做的）2.3 香橙派5Pro。2.1 树莓

边缘端设备的计算能力有限，因此在边缘设备能够使深度学习算法便于应用，使深度学习更具实际价值。1）hailo-8 M.2 M加速卡已经进行初步分享，后续分析推断过程参数设置；目前，已经购得了一些开发板并学习了一段时间，希望能够分享一些使用经验。2）Canmv K230目前资料较少，近期会进行分享一次使用经验。6、hailo-8 M.2 M加速卡。不定期更新，欢迎相互交流经验。2、RK3588（香橙派