目前在利用强化学习来做精密空调内部部件控制，搞来了一块树莓派4b来做嵌入式运算
外观
搞来的这块是8GB版本，附带了壳子和风扇，整体结构大概长这个样子
尝试了一下不安装风扇的运行，确实会很热，风扇安装脚位如下图，也可以参考官网链接
树莓派4b的接口非常丰富，双USB2.0，双USB3.0，双micro-HDMI，千兆网线，type-C充电线。需要注意的是老版的充电线需要原装充电器，否则会出现无法供电或者过热的情况，据说是硬件问题，不过已经修复了，具体可参考
不得不说这个官方红白配色的外壳是真的不错，好看就完事了
官方外壳也预留了TF卡槽，很贴心，唯一的小缺点就是拆开外壳前千万记得把TF卡拔了，不然卡会卡住外壳，大力拆壳估计卡就废了
系统
由于购买的时候商家直接在卡里烧录了系统，这里就不做系统的安装调试了，不过16GB的内存卡确实有点不太够用，毕竟现在iPhone都是64GB打底了。系统安装可以参考
安装好官方系统的界面大概就是这样了，当然还需要一些列初始化操作，可以跳过，也有中文系统，不过有部分还是以英文存在，我觉得已经足够友好了。
我魔改过后的PPO算法需要tensorflow >= 2.0.0，以及适配的tensorflow_probability，这两个版本对应是真的坑，可以查看tensorflow_probability官方github上的release对应版本，下面列一下我用的版本
tensorflow==2.2.0，tensorflow_probability==0.10.0，h5py==2.10.0
本来是打算在树莓派4b上安装tf2.3.0，所对应的tfp是0.11.0，tf可以正常安装，但是安装tfp时会提示setupXX的某一个包报错，所以退回2.2.0，安装正常
安装tensorflow2.2.0的过程参考了教程，首先查看硬件版本
1 | uname -a |
我的版本是armv7l
然后升级apt-get以及一些基本依赖
1 | sudo apt-get update |
解决numpy的一个依赖
1 | sudo apt install libatlas-base-dev |
去tensorflow_on_arm上下载对应版本的tensorflow
我这里下载的是tensorflow-2.2.0-cp37-none-linux-armv7l.whl
之后cd到下载目录开始安装
1 | sudo pip3 install tensorflow-2.2.0-cp37-none-linux-armv7l.whl |
基本没什么安装问题，之后安装tensorflow_probability
1 | sudo pip3 install tensorflow_probability==0.10.0 |
之后调试代码就可以了，当然其他常用的包类似Ubuntu上的下载安装就可以了，例如
1 | pip3 install pandas |
不过需要注意的是，树莓派4b自带python2.7和python3.7两个版本，命令行中python默认2.7版本，所以安装py3的包的时候都要pip3，调用代码也是一样
1 | python3 test.py |
运行PPO算法的感觉还不错，比想象的要好很多了，在调用h5模型的时候出现了两次报错，主要是因为h5py的版本问题，如果出现这个包的问题，安装对应版本的就好，我这里安装的是2.10.0
1 | sudo pip3 install h5py -i https://pypi.tuna.tsinghua.edu.cn/simple |
这里采用了清华源，毕竟110周年，手动致敬salute
PPO测试过程
没有仔细看运行时间，我们要求的运行速度是每分钟输出一次动作，树莓派4b的运行能力基本没问题，5000多条差不多10分钟就搞定了，可以说还是很舒服了，当然也是因为这个模型不大了。
其他
一个鼠标大小的主机能跑算法模型，而且还有很多其他模块可以拓展，日常浏览网页也没有太大问题，真的是非常良心了。
不过使用过程中，确实存在一些硬件上的问题，比如WIFI信号确实一般，经常容易断网，肯定还是要配个网线好一些；蓝牙连接的鼠标运行延迟确实明显；多个网页打开的时候也容易出现崩溃。
全套下来800块，这个价格下的树莓派可玩性还是远远超过它的弱点。有时间自己搞一台来玩玩。