当前位置：首页 > news >正文

RK3588全能芯实战指南：从AI部署到多屏显示与性能优化

news 2026/6/16 11:04:10

1. 项目概述：认识这颗“全能芯”RK3588

最近几年，在嵌入式开发、边缘计算和智能硬件圈子里，RK3588这颗芯片的热度一直居高不下。无论是想自己折腾个高性能开发板，还是公司项目需要选型一个能扛起AI推理、多屏显示、高清编解码重任的核心处理器，RK3588都是一个绕不开的选项。我手头经手过不少基于这颗芯片的项目，从最初的系统移植到后来的AI模型部署，踩过不少坑，也积累了一些实战心得。今天，我就以一个嵌入式开发老鸟的视角，和大家深度聊聊RK3588，它到底强在哪里，在实际项目中我们又该如何驾驭它。

简单来说，RK3588是瑞芯微（Rockchip）推出的一款旗舰级应用处理器（SoC）。它最吸引人的地方，在于其“水桶机”般的均衡配置：采用了先进的8nm制程工艺，集成了4个高性能的Cortex-A76核心和4个高能效的Cortex-A55核心，构成了经典的big.LITTLE大小核架构，兼顾了高性能与低功耗场景。GPU方面是ARM Mali-G610 MC4，图形处理能力不俗。但真正让它从一众ARM芯片中脱颖而出的，是它内置的6 TOPS算力的NPU（神经网络处理单元）、强大的8K视频编解码能力以及异常丰富的接口资源。这意味着，单颗芯片就能同时搞定AI推理、多路高清视频处理、复杂的人机交互界面渲染，非常适合智能NVR、广告机、边缘AI盒子、高端平板等产品。

如果你是一名嵌入式工程师、AI应用开发者，或者是对高性能边缘设备感兴趣的极客，那么深入了解RK3588的脾性和玩法，绝对能让你在项目开发中事半功倍。接下来，我会从芯片特性解析、开发环境搭建、核心功能实战到常见问题排查，为你拆解这颗芯片的方方面面。

2. RK3588核心特性与选型考量

为什么是RK3588？在项目初期进行芯片选型时，我们需要非常清晰地知道它的能力边界和优势所在，这直接决定了产品最终的功能上限和开发难度。

2.1 性能铁三角：CPU、GPU与NPU

RK3588的CPU部分采用4xA76 @ 2.4GHz + 4xA55 @ 1.8GHz的配置。在实际压力测试中，A76核心集群能够很好地应对系统UI响应、复杂应用逻辑运算等需要瞬时高性能的场景；而A55核心集群则在后台任务、低负载待机时显著降低功耗。在调度策略优化得当的情况下，这种架构能提供非常能效比的表现。

GPU Mali-G610 MC4属于Valhall架构，支持OpenGL ES 3.2、Vulkan 1.2和OpenCL 2.0。对于需要在嵌入式设备上运行3D界面、轻量级游戏或者进行GPU加速计算的应用来说，这个GPU性能是足够的。但需要特别注意，RK3588还有一个“隐藏大招”——内置的高性能2D图像加速模块（通常指RGA，即Raster Graphic Acceleration）。这个模块对于图像缩放、旋转、格式转换、合成等操作，效率远超CPU，甚至在某些场景下比GPU更高效、功耗更低，是处理摄像头数据流、UI叠加显示的神器。

最值得大书特书的无疑是它的NPU。这颗算力高达6 TOPS（INT8）的神经网络处理器，采用三核设计，支持INT4/INT8/INT16/FP16/BF16等多种量化精度。这意味着你可以将训练好的YOLOv8、YOLOv5、各种分类检测模型，通过RKNN-Toolkit工具链转换后，在其上获得极高的推理效率。实测下来，对于一颗参数量在几千万的常见视觉模型，在RK3588 NPU上跑到实时帧率（如30FPS）是完全可以期待的，这为边缘侧实时AI应用提供了坚实的硬件基础。

2.2 视听旗舰：视频编解码与显示系统

RK3588的媒体处理能力是其另一大卖点。解码方面，它支持H.265/HEVC、H.264/AVC、AV1、AVS2等多种格式，最高可达8K@60fps。这意味着播放超高清视频资源毫无压力。编码方面，支持H.264和H.265编码，最高可达8K@30fps。对于需要录像、直播推流的设备，这个编码能力非常顶用。

显示输出接口极其丰富：内置HDMI 2.1（支持8K@60fps输出）、eDP、DP和MIPI DSI接口。更强大的是它的显示引擎，支持多屏异显。你可以同时接一个4K的HDMI显示器和一块1080p的MIPI屏幕，显示不同的内容。这对于商显广告机、智能会议平板等需要分屏展示的场景是刚需。

视频输入（Video In）方面，它集成了双通道16MP的ISP（图像信号处理器），支持HDR和3D降噪，能直接连接摄像头传感器。同时，它还有多个MIPI CSI-2接口和DVP接口，并支持HDMI 2.0输入（最高4K@60fps）。这让它不仅能处理摄像头信号，还能作为视频采集卡使用，处理来自其他设备的HDMI信号。

2.3 连接性与扩展能力

RK3588的高速接口堪称豪华：PCIe 3.0、PCIe 2.0、SATA 3.0、千兆以太网（RGMII）、USB 3.1、USB 2.0、Type-C（支持DP Alt Mode）。这带来了极大的扩展灵活性。

PCIe 3.0：可以接高速固态硬盘（NVMe SSD）大幅提升存储性能，或者接额外的千兆、万兆网卡，甚至AI加速卡。
SATA 3.0：方便连接大容量机械硬盘，适合NVR、NAS类产品。
双千兆以太网：很多开发板设计了两路网口，方便做网关、路由或网络隔离。
USB 3.1：保证高速外设（如USB摄像头、U盘）的带宽。

丰富的接口意味着产品设计的想象空间更大，但也对硬件Layout和驱动调试提出了更高要求。

注意：芯片规格强大，不代表开发板能全部引出。选购开发板或设计自定义底板时，一定要仔细查看原理图，确认你需要的核心接口（如PCIe、SATA、双网口）是否已经引出，以及引脚是否有复用冲突。

3. 开发环境搭建与系统镜像获取

拿到RK3588开发板后，第一件事就是搭建开发环境并烧录一个可运行的系统。这里以最常用的Ubuntu系统为例。

3.1 硬件准备与工具链

你需要准备：

RK3588开发板：如Firefly的ITX-3588J、Rock 5B，或正点原子等厂商的板子。
电源适配器：务必使用官方推荐规格（通常是12V/2A以上），供电不足会导致各种诡异问题，尤其是接了大量外设时。
USB Type-C数据线：用于连接开发板的OTG口和电脑，进行刷机。
MicroSD卡或eMMC：用于存储系统。eMMC速度更快更稳定，推荐用于生产环境。
串口调试工具：USB转TTL串口模块，连接开发板的UART调试口。这是系统出问题时最重要的救命稻草。
主机电脑：建议使用Linux系统（如Ubuntu 20.04/22.04）作为开发主机，兼容性最好。Windows下也可通过虚拟机或WSL2操作，但可能遇到驱动问题。

必要的软件工具：

RKDevTool（Windows）或 upgrade_tool（Linux）：瑞芯微官方的烧录工具。
串口终端软件：如Putty（Windows）、minicom或picocom（Linux）、SecureCRT等。
SD卡制作工具：如balenaEtcher或Rufus。
交叉编译工具链：如gcc-linaro-aarch64-linux-gnu，用于在x86电脑上编译ARM64架构的程序。

3.2 获取与烧录系统镜像

系统镜像的来源主要有三个：

官方SDK编译：从瑞芯微官方或板卡供应商处获取完整的Linux SDK。这种方式最灵活，可以深度定制系统，但编译过程复杂，耗时较长。SDK通常基于Buildroot或Yocto，也有提供Ubuntu基础支持的。
板卡供应商提供的预编译镜像：这是最快捷的方式。例如Firefly、Radxa等官网会提供适配自家板卡的Ubuntu或Android镜像。直接下载对应的update.img文件即可。
社区维护的镜像：如Armbian，对某些流行开发板有较好的支持，系统更精简，软件包更新。

烧录步骤（以使用SD卡为例）：

下载镜像文件（通常是.img.gz或.img.xz压缩包）。
解压得到.img文件。
使用balenaEtcher选择镜像文件和SD卡设备，点击“Flash”即可。这个过程会格式化SD卡。
将烧录好的SD卡插入开发板，上电启动。

更底层的烧录方式（Maskrom模式）：当板子变砖或需要彻底擦写eMMC时，需要进入Maskrom模式。

开发板断电，按住板上的Maskrom键（或短接Maskrom引脚）不放。
连接USB Type-C线到电脑，然后给开发板上电。
在电脑上打开RKDevTool，工具应能识别到“发现一个MASKROM设备”。
加载下载的update.img文件，点击“执行”开始烧录。烧录完成后设备会自动重启。

实操心得：首次烧录后，务必通过串口终端查看系统启动日志。串口参数通常为1500000波特率（这是瑞芯微平台常见的高波特率），8位数据位，1位停止位，无校验。从串口日志中可以清晰看到内核启动、文件系统挂载、服务初始化的全过程，任何错误都无所遁形。

3.3 基础系统配置与网络连接

系统首次启动后，建议进行以下配置：

扩展文件系统：如果使用SD卡，预编译镜像可能只使用了部分空间。可以使用sudo raspi-config（部分镜像）或sudo fdisk和sudo resize2fs命令将根分区扩展到整个存储设备。
更新软件源：修改/etc/apt/sources.list为国内镜像源（如清华源、阿里云源），然后执行sudo apt update && sudo apt upgrade更新系统。
设置静态IP或Wi-Fi：对于服务器应用，建议设置静态IP。如果需要连接Wi-Fi，可以使用nmcli或nmtui命令进行配置。许多开发板支持双WiFi模块，需要确认驱动是否加载（lsmod | grep wifi），并正确配置网络管理工具。
安装基础开发工具：sudo apt install build-essential cmake git vim。

4. 核心功能实战：从驱动到应用

系统跑起来只是第一步，接下来才是真正发挥RK3588威力的阶段。我们挑几个最常被问到的核心功能点来深入。

4.1 NPU实战：YOLOv8模型部署全流程

在RK3588上部署AI模型，主要使用瑞芯微提供的RKNN-Toolkit2工具链。下面以部署YOLOv8n检测模型为例。

步骤一：准备模型与转换环境

在拥有GPU的训练服务器上，使用Ultralytics YOLO导出ONNX模型：

from ultralytics import YOLO model = YOLO('yolov8n.pt') model.export(format='onnx', dynamic=True, simplify=True) # 得到 yolov8n.onnx

在x86开发机上安装RKNN-Toolkit2。强烈建议使用Python虚拟环境。
```
pip install rknn-toolkit2
```
注意：务必确认安装的RKNN-Toolkit2版本与RK3588 NPU驱动版本兼容。不匹配会导致模型加载失败。

步骤二：模型转换与量化转换的核心是创建一个RKNN对象，加载ONNX模型，进行配置、量化（可选）和编译。

from rknn.api import RKNN rknn = RKNN() # 配置模型输入、输出、目标平台 ret = rknn.config( target_platform='rk3588', mean_values=[[0, 0, 0]], std_values=[[255, 255, 255]], quantized_dtype='asymmetric_quantized-u8', # 使用uint8量化以提升速度 quantized_algorithm='normal', optimization_level=3 ) if ret != 0: print('Config failed!') exit(ret) # 加载ONNX模型 ret = rknn.load_onnx(model='yolov8n.onnx') if ret != 0: print('Load ONNX failed!') exit(ret) # 构建模型 ret = rknn.build(do_quantization=True, dataset='./dataset.txt') # dataset.txt指向一些校准图片 if ret != 0: print('Build failed!') exit(ret) # 导出RKNN模型 ret = rknn.export_rknn('./yolov8n.rknn') if ret != 0: print('Export RKNN failed!') exit(ret)

dataset.txt文件里是用于量化校准的图片路径列表。量化是提升NPU推理速度的关键步骤，但可能会轻微损失精度，需要根据实际场景权衡。

步骤三：在RK3588上部署与推理将生成的.rknn模型文件拷贝到RK3588开发板上。在板端，你需要使用RKNN-Toolkit2 Lite库或C API进行推理。

在RK3588上安装rknn-toolkit2-lite的Python包，或者交叉编译C API示例。
编写推理脚本，主要步骤：加载模型 -> 创建推理上下文 -> 设置输入数据 -> 运行推理 -> 获取输出 -> 后处理。

import cv2 import numpy as np from rknnlite.api import RKNNLite rknn_lite = RKNNLite() ret = rknn_lite.load_rknn('yolov8n.rknn') ret = rknn_lite.init_runtime(core_mask=RKNNLite.NPU_CORE_0) # 可以指定使用哪个NPU核心 # 预处理图像 img = cv2.imread('test.jpg') img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) input_img = cv2.resize(img_rgb, (640, 640)) input_data = np.expand_dims(input_img, axis=0).astype(np.uint8) # 推理 outputs = rknn_lite.inference(inputs=[input_data]) # outputs 是模型输出，需要根据YOLOv8的输出结构进行解析，画框等后处理 # ... 后处理代码 ...

实测性能：在RK3588上，YOLOv8n模型使用NPU推理，预处理和后处理在CPU上完成，整体Pipeline达到30+FPS是完全可以实现的。

踩坑记录：模型转换时最常见的错误是节点不支持。RKNN对ONNX算子支持是有限的。如果遇到不支持的算子（如某些特殊版本的GridSample、Resize），需要在导出ONNX前修改模型结构，或者寻找替代的实现方案。另外，输入输出的形状（尤其是动态形状）配置一定要和模型匹配。

4.2 显示系统进阶：多屏异显与RGA加速

RK3588的多屏显示功能非常实用。配置通常通过修改设备树（Device Tree）和显示管理器（如Weston， KWin等）实现。

基础多屏配置：在Linux内核中，显示子系统由DRM（Direct Rendering Manager）框架管理。你需要确认两个屏幕对应的DRM设备节点（如/dev/dri/card0，/dev/dri/card1）是否正常生成。有时两个显示接口可能复用一个DRM设备，但有两个connector。

对于简单的命令行测试，可以使用modetest工具（来自libdrm-tests包）来列出所有显示模式和接口：

modetest -M rockchip -c

这会列出所有可用的connector、encoder和crtc信息。你可以用modetest命令直接在某个connector上设置显示模式并显示测试图案。

使用RGA进行图像加速：RGA（Raster Graphic Acceleration）是RK358上独立于GPU的2D硬件加速器。对于视频处理流水线，比如将摄像头采集的YUV图像转换成RGB，并缩放到屏幕尺寸，使用RGA比用CPU或GPU效率高得多。

在C/C++程序中，可以通过librga库来调用RGA。一个典型的使用流程是：

初始化RGA上下文。
配置源图像和目标图像的参数（宽、高、格式、内存地址等）。RGA支持多种格式转换，如NV12到RGB888，并支持旋转、缩放、混合。
调用rga_blit函数执行转换。
同步或等待操作完成。

在Python中，可以通过py-rga（如果存在）或调用C库的封装来使用。很多基于GStreamer的视频处理管道，也会集成RGA插件（如rkximagesink、rkvideoconvert），在Pipeline中自动调用RGA进行高效的格式转换和缩放。

实战场景：双摄像头采集+双屏显示假设一个项目需要连接两个MIPI摄像头，一个画面显示在本地HDMI屏幕，另一个画面通过网络RTMP推流。

硬件连接：两个摄像头接MIPI CSI接口，HDMI屏幕接HDMI口。
驱动确保两个/dev/videoX设备节点生成。
使用GStreamer构建两个独立的流水线：
- 流水线1（本地预览）：v4l2src->rkvideoconvert(使用RGA) ->waylandsink(输出到HDMI)。
- 流水线2（推流）：v4l2src->rkvideoconvert->x264enc->rtmpsink。
通过多线程或GStreamer的tee元件来管理这两个流水线。

4.3 深入底层：U-Boot移植与内核定制

对于需要深度定化的产品，修改U-Boot和内核是必经之路。这通常发生在需要适配一块全新的自定义底板时。

U-Boot移植要点：

获取源码：从板卡供应商或Rockchip官方Git仓库获取对应芯片的U-Boot源码。
配置板级文件：U-Boot的板级配置主要在arch/arm/mach-rockchip和configs目录下。你需要找到最接近你硬件的板型配置文件（如rk3588_defconfig和rk3588s_defconfig），然后复制一份进行修改。
关键修改项：
- DDR初始化参数：这是最核心也是最容易出错的地方。需要根据板子上使用的具体DDR颗粒型号，修改drivers/ram/rockchip目录下的对应配置文件。参数不对会导致无法启动或运行不稳定。通常需要参考颗粒厂商的 datasheet 和 Rockchip 提供的配置表。
- 设备树（dts）：修改arch/arm/dts/rk3588-xxx.dts文件，定义你的内存大小、eMMC/SD卡接口、以太网PHY型号、电源管理芯片（PMIC）配置、GPIO复用等。特别是电源序列，如果配置错误，可能无法给某些外设上电。
- 串口调试：确保调试串口（通常是UART2）的引脚复用和驱动正确，这是你唯一的调试窗口。
编译与烧录：
```
make rk3588_defconfig # 使用你的配置 make -j$(nproc)
```
编译后会生成idbloader.img、u-boot.itb等文件。可以使用Rockchip的tools/loaderimage工具打包，然后通过升级工具烧录到Loader分区。

内核配置与驱动添加：

获取内核源码：同样从供应商处获取。
使用默认配置：make ARCH=arm64 rockchip_defconfig。
图形化配置：make ARCH=arm64 menuconfig。在这里，你可以裁剪不需要的模块，或添加特定驱动。例如，如果你添加了PCIe网卡，就需要确保CONFIG_PCIE_ROCKCHIP_HOST和对应的网卡驱动（如CONFIG_R8169）已启用。

编译内核与模块：

make ARCH=arm64 -j$(nproc) Image dtbs make ARCH=arm64 -j$(nproc) modules make ARCH=arm64 INSTALL_MOD_PATH=/path/to/rootfs modules_install

更新系统：将生成的arch/arm64/boot/Image和对应的.dtb文件替换到boot分区，并将模块安装到根文件系统。

注意事项：内核和U-Boot的版本有严格的匹配关系，特别是显示、视频编解码等依赖特定内核驱动和用户空间库（如MPP）的组件。强烈建议使用SDK中提供的配套版本，不要随意混用高版本内核和低版本SDK库，否则可能导致功能异常。

5. 典型问题排查与性能优化

在实际开发中，你会遇到各种各样的问题。这里总结几个高频问题及其排查思路。

5.1 系统启动失败与串口日志分析

系统无法启动是嵌入式开发中最常见的问题。串口日志是你的第一手资料。

现象：卡在“Starting kernel ...”：通常意味着内核镜像（Image）或设备树（dtb）加载失败、损坏，或者内核解压出错。检查boot分区文件是否正确，或者尝试更换内核版本。
现象：内核panic，错误与某个驱动相关：例如Unable to handle kernel NULL pointer dereference at virtual address ...。这通常是设备树中对该外设的配置有误，或者驱动与硬件不匹配。仔细检查设备树中对应节点的寄存器地址、中断号、时钟、电源等配置。
现象：文件系统挂载失败：提示VFS: Unable to mount root fs。检查内核命令行参数（bootargs）中的root=是否正确指向了你的根文件系统所在设备（如root=/dev/mmcblk1p2）。也可能是文件系统格式不被支持（如内核未编译ext4驱动）或文件系统本身损坏。
现象：反复重启：可能是电源不稳定，或者某个核心硬件（如DDR）初始化不稳定。检查电源电路和DDR配置参数。

5.2 NPU相关问题

模型转换失败：仔细查看RKNN-Toolkit2的错误信息。常见原因：ONNX算子不支持、输入输出形状不匹配、onnx版本过高导致解析失败。尝试简化模型结构，或使用工具链支持的固定版本onnx库。
推理结果异常或精度下降严重：首先检查预处理（归一化、通道顺序）和后处理是否与训练时完全一致。其次，检查量化校准数据集是否有代表性，如果校准图片与真实场景差异太大，量化误差会很大。可以尝试使用do_quantization=False先测试浮点模型在NPU上的精度（如果支持），以排除量化问题。
推理性能不达预期：使用rknn.inference(perf_debug=True)开启性能分析，查看每个算子的耗时。瓶颈可能在于：1）某些算子落在CPU上执行（NPU不支持）；2）输入输出数据搬运耗时；3）模型本身存在大量非NPU友好算子（如自定义的复杂操作）。优化方法包括：修改模型结构、尝试不同的量化策略、使用NPU友好的算子替换。

5.3 显示与视频问题

HDMI无输出：首先用modetest检查对应的connector状态是否为connected。如果不是，检查硬件连接和HDMI芯片的供电、I2C通信是否正常。查看内核日志dmesg | grep dw-hdmi或dmesg | grep rockchip-drm是否有报错。
屏幕闪烁或花屏：可能是显示时序参数不对。检查设备树中display-timings节点的参数，与屏幕规格书进行比对。也可能是内存带宽不足，尤其是在高分辨率多屏显示时。可以尝试降低刷新率或分辨率测试。
视频编解码失败：确保MPP（Media Process Platform）库已正确安装，并且用户有访问/dev/mpp_service等设备的权限。使用mpi_dec_test和mpi_enc_test等官方测试工具进行基础功能验证。如果测试工具正常而自己的程序失败，检查代码中是否正确地初始化和配置了MPP上下文。

5.4 性能优化 checklist

当系统功能正常后，可以着手进行性能优化：

CPU调频策略：默认可能是ondemand或powersave。对于需要持续高性能的场景（如AI推理服务器），可以设置为performance模式：echo performance | sudo tee /sys/devices/system/cpu/cpu*/cpufreq/scaling_governor。
关闭无关服务：Ubuntu Desktop版会启动很多图形化服务，如果作为无头服务器使用，可以禁用lightdm、NetworkManager-wait-online等。
内存与交换分区：确保有足够的内存。如果使用SD卡，尽量避免使用交换分区，因为SD卡的随机读写速度慢，使用swap反而会降低性能。
IO调度器：对于eMMC或NVMe存储，将IO调度器设置为none（对于NVMe）或mq-deadline可能有助于提升吞吐量。
NPU核心绑定：在多核NPU上，如果运行多个模型实例，可以将不同的推理任务绑定到不同的NPU核心上，减少资源争抢。
使用硬件加速：视频处理流水线中，确保使用了rkvideoconvert（RGA）和rkmpp编解码插件，而不是CPU进行软编解码和格式转换。

6. 项目规划与进阶方向

掌握了RK3588的基础开发和核心功能后，你可以尝试更复杂的项目，将它的潜力完全发挥出来。

方向一：打造高性能边缘AI服务器利用RK3588的NPU、丰富接口和Linux系统，可以构建一个多路视频分析的边缘服务器。

硬件扩展：通过PCIe接口扩展多路PoE网口，连接多个网络摄像头。通过USB3.0或MIPI CSI接入本地高清摄像头。使用SATA或NVMe SSD存储视频录像和分析结果。
软件架构：采用微服务架构。一个服务负责视频流拉取和解码（使用MPP硬件解码）；一个服务负责运行AI模型推理（使用RKNN多实例）；一个服务负责业务逻辑和结果推送（如MQTT、HTTP API）。使用Docker容器化部署，便于管理。
性能挑战：需要仔细设计流水线，平衡解码、推理、编码的负载，避免内存带宽成为瓶颈。可能需要使用零拷贝技术在不同处理单元间传递数据。

方向二：复杂多媒体交互终端例如智能自助终端、数字标牌。

多屏异显：主屏播放广告视频，副屏显示二维码或触摸交互界面。需要熟练使用Wayland/Weston或更上层的Qt/GTK框架进行多窗口管理。
硬件加速：所有视频播放、图像渲染都应通过VPU、RGA、GPU完成，保证UI流畅。GStreamer管道设计是关键。
稳定性：作为商用设备，需要关注长期运行的稳定性，做好看门狗、异常重启、日志监控等功能。

方向三：深入内核与驱动开发如果你对底层感兴趣，RK3588是一个很好的学习平台。

为自定义外设编写驱动：例如通过SPI或I2C连接的特殊传感器，需要编写内核驱动。
优化现有驱动：比如研究DRM显示驱动的垂直同步（VSync）机制，减少画面撕裂；或者优化VPU驱动以降低编解码延迟。
参与开源社区：将你的补丁或驱动提交到主线Linux内核或U-Boot，是提升能力的绝佳途径。

从我个人的经验来看，RK3588是一块宝藏芯片，功能强大但复杂度也不低。开发过程就像在解一个多维度的谜题，需要同时考虑硬件、驱动、系统、应用多个层面。最好的学习方式就是动手：从烧录第一个镜像开始，接着让一个LED闪烁，然后驱动摄像头，再部署一个简单的AI模型，一步步把它的功能模块都摸一遍。过程中遇到的每一个错误和解决过程，都会让你对这套系统的理解加深一层。这个芯片的生态还在不断丰富，社区也很活跃，多看看官方Wiki和论坛，很多问题都能找到线索。最后，硬件调试离不开一把好的电烙铁和一台示波器，当软件查遍所有日志都无果时，回头检查一下硬件信号，往往会有意外发现。

查看全文

http://www.gsyq.cn/news/1534745.html