Passer aux informations produits
1 de 12

Kit officiel Hailo-10H AI HAT+2 pour Raspberry Pi 5, NPU 40 TOPS (INT4), 8 Go de mémoire, PCIe Gen3

Kit officiel Hailo-10H AI HAT+2 pour Raspberry Pi 5, NPU 40 TOPS (INT4), 8 Go de mémoire, PCIe Gen3

Yahboom

Prix habituel $414.00 USD
Prix habituel Prix promotionnel $414.00 USD
Promotion Épuisé
Taxes incluses. Frais d'expédition calculés à l'étape de paiement.
Afficher tous les détails

Aperçu

Le kit officiel Hailo-10H AI HAT+2 pour Raspberry Pi 5 est une carte accélératrice AI dédiée, conçue pour les charges de travail d'IA générative en périphérie et de vision par ordinateur. Elle intègre un NPU Hailo-10H intégré évalué à 40 TOPS (INT4) et comprend 8 Go de mémoire embarquée dédiée, aidant à exécuter localement de grands modèles de langage (LLM) et des modèles de vision-langage (VLM) tout en laissant la mémoire système du Raspberry Pi 5 disponible pour d'autres tâches.

Caractéristiques principales

  • Compatible avec Raspberry Pi 5
  • Accélérateur AI Hailo-10H offrant une performance d'inférence de 40 TOPS (INT4)
  • Mémoire embarquée de 8 Go (dédiée)
  • Conforme à la spécification Raspberry Pi HAT+
  • Connectivité via l'interface PCI Express du Raspberry Pi 5 (PCIe Gen3 noté)
  • Haute compatibilité avec la pile logicielle de caméra Raspberry Pi : libcamera, rpicam-apps, Picamera2
  • Package logiciel complet / support de la chaîne d'outils (composants logiciels Hailo référencés : Hailo Model Zoo, Hailo Dataflow Compiler (SDK), HailoRT, TAPPAS, Hailo Firmware)
  • Température de fonctionnement : 0C~50C (ambiant)
  • Inclut un dissipateur thermique ; prend en charge l'utilisation avec un refroidisseur actif pour une meilleure ventilation (refroidisseur actif non inclus)

Spécifications

Hôte Raspberry Pi 5
Puce accélératrice (Hailo NPU) Hailo-10H
Performance AI 40 TOPS (INT4)
Mémoire embarquée 8GB
Interface PCIe Raspberry Pi 5 PCIe Gen3 (compatible standard)
Interface HAT Conforme aux spécifications Raspberry Pi HAT+
Système d'exploitation pris en charge Raspberry Pi OS
Cadres pris en charge (listés) TensorFlow, TensorFlow Lite, ONNX, Keras, Pytorch
Support de la pile logicielle de la caméra libcamera, rpicam-apps, Picamera2
Température de fonctionnement 0C~50C (ambiant)
Taille65 x 56.5 x 14 mm (avec dissipateur thermique)

Références de performance (à partir des chiffres de test fournis)

  • Temps de réponse VLM local (Qwen2-VL-2B) (Raspberry Pi 5 4GB/8GB) : sans accélérateur : > 6 minutes (Pi 5-4GB), >3 minutes (Pi 5-8GB) ; avec AI HAT+2 : 3~30 secondes
  • Détection de cible YOLOv5 : Test FPS Raspberry Pi 5 : 8 ; Test FPS Raspberry Pi 5 + AI HAT+2 : 30.01
  • Estimation de posture : Test FPS Raspberry Pi 5 : 1 ; Test FPS Raspberry Pi 5 + AI HAT+2 : 30.64
  • Segmentation de fond : Test Raspberry Pi 5 : impossible à exécuter (FPS : 0) ; Test FPS Raspberry Pi 5 + AI HAT+2 : 29.63
  • Détection d'image : Test FPS Raspberry Pi 5 : 1 ; Test FPS Raspberry Pi 5 + AI HAT+2 : 60.22

Ce qui est inclus

  • Carte AI HAT+2 (Hailo-10H)
  • Dissipateur thermique
  • En-tête empilable de 16 mm
  • Support(s)
  • Vis

Raspberry Pi 5 et un refroidisseur actif ne sont pas inclus. Pour des questions d'intégration ou de compatibilité, contactez [email protected] or visitez https://rcdrone.top/ .

Applications

  • Déploiement LLM et VLM hors ligne sur Raspberry Pi 5
  • Accélération de la vision par ordinateur en temps réel et du traitement d'images
  • Robotique
  • Contrôle de processus hors ligne et analyse sécurisée des données
  • Gestion des installations

Tutoriels

  • Hailo10
  • Sujets des tutoriels affichés : Introduction au produit ; Tutoriel de déploiement local pour LLM et VLM ; Tutoriel d'accélération du modèle de vision AI ; Image de test Raspberry Pi 5 AI HAT+2
  • Sujets de déploiement local affichés : Installation de l'environnement ; LLM interactif basé sur le texte ; Interaction visuelle et textuelle VLM
  • Sujets d'accélération de la vision AI affichés : Configuration de l'environnement ; rpicam-apps ; Cas de test ; Segmentation d'instance ; Estimation de pose ; Application segmentée ; Profondeur monoculaire
  • Guide de l'utilisateur (listé)

Détails