kit pi ai mâm xôi

Raspberry Pi Ai Kit hoạt động như thế nào?

Bộ công cụ AI Raspberry Pi biến Pi 5 của bạn thành nền tảng AI tiên tiến bằng cách kết hợp M.2 HAT với chip tăng tốc Hailo{11}}8L. Nói một cách đơn giản, nó hoạt động bằng cách giảm tải các tính toán AI từ CPU sang một đơn vị xử lý thần kinh chuyên dụng có khả năng thực hiện 13 nghìn tỷ phép tính mỗi giây (13 TOPS) trong khi chỉ tiêu thụ 1{13}}2 watt trong khối lượng công việc thông thường (Nguồn: theregister.com, 2024). Với 70 đô la, bạn sẽ nhận được khả năng tăng tốc phần cứng giúp phát hiện đối tượng theo thời gian thực, ước tính tư thế và phân loại hình ảnh thực sự khả thi trên một máy tính bo mạch đơn trị giá 60 đô la.

Tôi thấy kiến ​​trúc này đặc biệt thông minh. Thay vì chờ đợi nhiều năm để Raspberry Pi xây dựng NPU tích hợp, họ đã hợp tác với Hailo để tạo ra một giải pháp mô-đun hoạt động hôm nay và nâng cấp dễ dàng vào ngày mai-AI HAT+ với 26 TOPS đã có sẵn cho những người cần nhiều năng lượng hơn (Nguồn: techcrunch.com, 2024).

Kiến trúc phần cứng: Cách các thành phần kết nối

Bộ AI bao gồm hai phần vật lý hoạt động như một hệ thống. Trước tiên, bạn có Raspberry Pi M.2 HAT+ chính thức, đây là một bảng mạch gắn vào tiêu đề GPIO 40-pin của Pi 5 và cung cấp khe cắm M.2 2242 hoặc 2280. Thứ hai, có mô-đun tăng tốc AI Hailo-8L - một thẻ M.2 nhỏ có kích thước bằng một thanh kẹo cao su cắm vào khe đó.

Đây là những gì xảy ra khi bạn kết nối mọi thứ:

M.2 HAT lấy điện từ các chân GPIO của Pi 5 và thiết lập kết nối PCIe Gen 2 hoặc Gen 3 thông qua giao diện PCIe của bo mạch. Mô-đun Hailo-8L nhận cả nguồn và dữ liệu thông qua kết nối M.2 duy nhất này. CPU của Pi 5 của bạn xử lý hệ điều hành, logic ứng dụng và tiền xử lý, trong khi chip Hailo đảm nhận vai trò khi cần xảy ra suy luận mạng thần kinh.

Tác động của kết nối PCIe đến hiệu suất

Tốc độ kết nối quan trọng đáng kể ở đây. Thử nghiệm cho thấy tốc độ khung hình tăng gấp đôi khi chạy PCIe Gen 3 so với Gen 2 trên cùng model YOLOv8s (Nguồn: forum.raspberrypi.com, 2024). Pi 5 hỗ trợ PCIe Gen 3 x1, cung cấp cho bạn băng thông khoảng 1 GB/giây giữa CPU và bộ tăng tốc AI{12}}đủ cho hầu hết các tác vụ thị giác máy tính mà không bị tắc nghẽn.

Hailo-8L đạt hiệu suất 3-4 TOPS trên mỗi watt, ngang hàng với các thiết bị Jetson Orin của Nvidia về hiệu suất trên mỗi đô la và hiệu suất trên mỗi watt (Nguồn: jeffgeerling.com, 2024). Khi bạn tính đến mức tiêu thụ không tải 3-4W của Pi 5, toàn bộ hệ thống sẽ tiêu thụ ít năng lượng hơn so với bộ sạc điện thoại trong khi xử lý khối lượng công việc AI.

Bên trong Hailo-8L: Giải thích về khả năng tăng tốc mạng thần kinh

Hailo-8L không phải là-bộ xử lý có mục đích chung-mà là ASIC (Mạch tích hợp dành riêng cho ứng dụng) được thiết kế dành riêng để chạy mạng thần kinh một cách hiệu quả. Hãy coi nó giống như một card đồ họa, nhưng thay vì hiển thị các hình tam giác, nó được tối ưu hóa cho phép nhân và tích chập ma trận hỗ trợ các mô hình AI.

Con chip này sử dụng kiến ​​trúc độc quyền mà Hailo gọi là "ASIC có cấu trúc". Không đi sâu vào thiết kế silicon, điều này có nghĩa là chip có các đơn vị phần cứng chuyên dụng cho các hoạt động mạng thần kinh khác nhau: các lớp chập, chức năng kích hoạt, hoạt động gộp và các lớp được kết nối đầy đủ, tất cả đều có đường dẫn thực thi được tối ưu hóa của riêng chúng.

Suy luận thực sự xảy ra như thế nào

Khi bạn chạy một mô hình như YOLOv8 để phát hiện đối tượng, đây là quy trình làm việc được đơn giản hóa:

Máy ảnh của bạn chụp các khung hình và gửi chúng đến CPU của Pi. CPU xử lý quá trình tiền xử lý hình ảnh-thay đổi kích thước theo kích thước đầu vào của mô hình, chuyển đổi không gian màu, chuẩn hóa giá trị pixel. Dữ liệu được xử lý trước này được gửi qua bus PCIe tới Hailo-8L. Bộ tăng tốc chạy mạng lưới thần kinh, đưa ra kết quả phát hiện thô (hộp giới hạn, điểm tin cậy, dự đoán lớp). CPU nhận được những kết quả này và xử lý việc ngăn chặn không tối đa sau quá trình{7}}xử lý- nhằm loại bỏ các phát hiện trùng lặp, vẽ các hộp trên hình ảnh, cập nhật giao diện người dùng ứng dụng của bạn.

Vẻ đẹp của sự phân công lao động này thể hiện ở những tiêu chuẩn. Các thử nghiệm cho thấy bộ AI Kit đang chạy bằng tay và phát hiện mốc ở tốc độ 26-28 khung hình/giây, nhanh hơn tới 5,8 lần so với việc chỉ chạy các mô hình TensorFlow Lite trên CPU của Pi 5 (Nguồn: Raspberrypi.com, 2024).

Định dạng mô hình được hỗ trợ

Hailo-8L không chạy trực tiếp các mô hình TensorFlow hoặc PyTorch tiêu chuẩn. Bạn cần chuyển đổi các mô hình của mình bằng Trình biên dịch Dataflow của Hailo để tối ưu hóa chúng cho kiến ​​trúc của chip. Quá trình biên dịch lấy mô hình đã đào tạo của bạn (thường là định dạng ONNX) và ánh xạ nó tới phần cứng Hailo, áp dụng lượng tử hóa và các tối ưu hóa khác.

Các mô hình-được biên dịch trước cho các kiến ​​trúc phổ biến có sẵn thông qua Hailo Model Zoo: ResNet-50 chạy ở tốc độ 500 FPS, các biến thể YOLOv5, YOLOv8 ở nhiều kích cỡ, MobileNet để phân loại nhẹ và các mô hình ước tính Pose. Nếu bạn đang làm việc với các mô hình tùy chỉnh, quy trình biên dịch yêu cầu bạn phải tìm hiểu một chút nhưng phải tuân theo các phương pháp triển khai AI tiêu chuẩn.

Tiêu thụ điện năng và quản lý nhiệt

Một trong những thông số ấn tượng nhất của AI Kit là hiệu quả sử dụng năng lượng. Hailo-8L thường tiêu thụ 1-2 watt trong quá trình suy luận tích cực, với mức cao nhất khoảng 5 watt tùy thuộc vào độ phức tạp của mô hình và tốc độ khung hình (Nguồn: theregister.com, 2024). Kết hợp với mức tiêu thụ cơ bản của Pi 5, bạn sẽ thấy tổng công suất hệ thống khoảng 5-9 watt trong khối lượng công việc AI.

Mô-đun M.2 bao gồm một bộ tản nhiệt nhỏ và trong hoạt động bình thường, khả năng làm mát thụ động là đủ. Tôi nhận thấy con chip vẫn đủ mát nên việc điều tiết nhiệt không phải là vấn đề đáng lo ngại đối với các ứng dụng thị giác máy tính thông thường. Đối với các dự án khép kín hoặc các tình huống tải-cao liên tục, việc thêm quạt vào vỏ Pi 5 sẽ giúp cả CPU và bộ tăng tốc AI duy trì hiệu suất cao nhất.

So sánh điều này với các lựa chọn thay thế cho thấy đề xuất giá trị: Nvidia Jetson Orin Nano có giá khởi điểm khoảng 249 USD và tiêu thụ 7-15W khi tải. Bộ tăng tốc Coral USB của Google có giá 60 USD nhưng chỉ cung cấp 4 TOPS và yêu cầu băng thông USB 3.0. Que điện toán thần kinh Intel 2 đã ngừng hoạt động. Bộ công cụ AI đạt đến điểm hấp dẫn về giá cả, hiệu suất và hiệu quả sử dụng năng lượng chưa từng tồn tại trước năm 2024.

Ngăn xếp phần mềm: Từ hệ điều hành đến ứng dụng

Bộ công cụ AI yêu cầu Bookworm Raspberry Pi OS (64{2}}bit) trở lên. Hailo cung cấp bộ phần mềm bao gồm trình điều khiển nhân cho giao tiếp PCIe, thư viện thời gian chạy quản lý việc tải và suy luận mô hình, liên kết Python để tích hợp dễ dàng và tích hợp ứng dụng rpicam-cho các dự án dựa trên máy ảnh.

Thiết lập mô hình đầu tiên của bạn

Quá trình cài đặt mất khoảng 15 phút nếu bạn làm theo hướng dẫn chính thức. Sau khi flash hệ điều hành và kết nối phần cứng, bạn chạy tập lệnh cài đặt của Hailo, tập lệnh này bổ sung thêm các mô-đun hạt nhân và thư viện cần thiết. Gói ứng dụng rpicam-được cập nhật để hỗ trợ Hailo, cho phép bạn chạy các mô hình AI trực tiếp từ quy trình máy ảnh.

Thử nghiệm với các bản demo đi kèm cho thấy hệ thống đang hoạt động:

rpicam-xin chào --bài đăng-process-file /usr/share/rpicam-assets/hailo_yolov8_pose.json

Lệnh này chụp các khung hình của máy ảnh, chạy chúng thông qua mô hình ước tính tư thế trên chip Hailo và hiển thị kết quả theo thời gian thực. Tốc độ khung hình phụ thuộc vào độ phức tạp của mô hình-các mô hình nhẹ hơn như YOLOv8n đạt 60+ FPS trong khi các phiên bản nặng hơn như YOLOv8m có thể chạy ở 20-30 FPS.

Để phát triển Python, quy trình làm việc trông giống như OpenCV tiêu chuẩn cộng với các lệnh gọi cụ thể- của Hailo:

Bạn nhập thư viện HailoRT, tải tệp mô hình đã biên dịch, cung cấp các khung được xử lý trước vào mô hình, truy xuất kết quả suy luận và xử lý kết quả đầu ra trong logic ứng dụng của bạn. API tóm tắt hầu hết sự phức tạp, mặc dù việc hiểu các định dạng tensor đầu vào/đầu ra đòi hỏi phải đọc tài liệu mô hình.

Ví dụ về ứng dụng trên thế giới-thực tế

Một số dự án thể hiện việc triển khai Bộ công cụ AI thực tế. Hệ thống quản lý hàng tồn kho bán lẻ sử dụng Bộ công cụ AI chạy YOLOv8n để phát hiện các sản phẩm trên kệ, trong khi EfficiencyNet trên CPU giám sát các hành vi xâm nhập vào kho (Nguồn: forum.raspberrypi.com, 2024). Phương pháp tiếp cận-mô hình kép cho thấy cách bạn có thể kết hợp suy luận tăng tốc với các mô hình dựa trên CPU-khi cần.

Các ứng dụng bảo mật được hưởng lợi từ khả năng{0}}thời gian thực của Bộ công cụ. Hệ thống nhận dạng khuôn mặt xử lý các luồng video ở tốc độ 25-30 FPS, cho phép kiểm soát mục nhập hoặc ghi nhật ký khách truy cập mà không cần phụ thuộc vào đám mây. Ước tính tư thế chạy đủ nhanh để các ứng dụng thể dục theo dõi hình thức tập thể dục hoặc đếm số lần lặp lại.

Các dự án giám sát động vật hoang dã tận dụng bẫy camera chạy bằng năng lượng mặt trời-năng lượng mặt trời- tiêu thụ điện năng thấp chạy tính năng phát hiện tư thế và vật thể để xác định động vật cũng như hành vi của chúng mà không cần thay pin thường xuyên. Sự kết hợp giữa tính linh hoạt của Pi và AI được tăng tốc phần cứng-làm cho việc triển khai biên không thực tế trước đây trở nên khả thi.

[Gợi ý phần tử trực quan: Chèn sơ đồ hiển thị luồng dữ liệu từ Camera → CPU Pi (tiền xử lý) → PCIe → Hailo-8L (suy luận) → CPU Pi (kết quả) → Hiển thị/Lưu trữ]

Những hạn chế và thời điểm không nên sử dụng Bộ AI

Bộ công cụ này hoạt động rất tốt cho hoạt động suy luận nhưng sẽ không giúp đào tạo mô hình-vẫn yêu cầu máy trạm hoặc GPU đám mây. 13 TOPS nghe có vẻ ấn tượng nhưng nó không bằng phần cứng trung tâm dữ liệu. Các mô hình phức tạp hoặc nhiều luồng suy luận đồng thời có thể làm quá tải bộ tăng tốc.

Khả năng tương thích của mô hình đòi hỏi sự chú ý. Bạn bị ràng buộc vào các kiến ​​trúc mà trình biên dịch của Hailo hỗ trợ. -Các mô hình tiên tiến từ các tài liệu nghiên cứu có thể không hoạt động cho đến khi Hailo bổ sung thêm hỗ trợ hoặc bạn đầu tư thời gian vào việc biên dịch tùy chỉnh. Model Zoo bao gồm hầu hết các trường hợp sử dụng phổ biến nhưng các ứng dụng chuyên biệt có thể yêu cầu giải pháp thay thế.

Độ trễ quan trọng đối với một số ứng dụng. Mặc dù Hailo{2}}8L rất nhanh nhưng thời gian-gửi dữ liệu qua PCIe, chạy suy luận và trả về kết quả lại thêm vài mili giây so với NPU tích hợp. Đối với robot hoặc hệ thống điều khiển thời gian thực trong đó mỗi mili giây đều có giá trị, độ trễ đường ống này có thể là đáng kể.

Những hạn chế về ngân sách ảnh hưởng đến đề xuất giá trị. Nếu bạn đã sở hữu Pi 5 thì Bộ công cụ AI trị giá $70 là điều không cần phải đắn đo. Nếu bạn bắt đầu từ đầu, bạn đang chi $130+ cho hệ thống hoàn chỉnh (Pi 5 + AI Kit + nguồn điện + bộ lưu trữ), tại thời điểm đó, các đối thủ của Jetson Nano bắt đầu tỏ ra cạnh tranh tùy thuộc vào nhu cầu hiệu suất của bạn.

So sánh thông số phần cứng

Các biến thể AI HAT+ cung cấp khả năng tương thích tốt hơn với vỏ của Pi 5 và thiết kế cơ học được cải tiến nhưng mang lại hiệu suất giống hệt với Bộ công cụ ban đầu ở cấp 13 TOPS (Nguồn: Electronicsweekly.com, 2025). Phiên bản 26 TOPS tăng gấp đôi thông lượng cho các ứng dụng cần xử lý đầu vào có độ phân giải cao hơn hoặc chạy các mô hình phức tạp hơn.

Các vấn đề và giải pháp thiết lập phổ biến

Bộ AI không được phát hiện sau khi cài đặt

Điều này thường chỉ ra vấn đề về liệt kê PCIe. Kiểm tra xem bạn đã bật PCIe trong tệp config.txt của Pi chưa và M.2 HAT đã được đặt chắc chắn trên tất cả các chân GPIO chưa. Đang chạy lspci sẽ hiển thị thiết bị Hailo nếu kết nối đang hoạt động.

Mô hình chạy chậm hơn dự kiến

Xác minh rằng bạn thực sự đang sử dụng trình tăng tốc Hailo và không quay lại suy luận CPU. Kiểm tra nhật ký để tìm lỗi trong quá trình tải mô hình. Đảm bảo mô hình của bạn được biên dịch đúng cách cho kiến ​​trúc Hailo-việc cố chạy các mô hình chưa được chuyển đổi sẽ không thành công hoặc mặc định thực thi CPU.

Hệ thống gặp sự cố khi tải

Các vấn đề về nguồn điện gây ra hầu hết các vấn đề về độ ổn định. Pi 5 cần tối thiểu 5V/5A (27W) và Bộ công cụ AI sẽ bổ sung thêm yêu cầu đó. Sử dụng bộ nguồn Raspberry Pi 27W chính thức hoặc tương đương. Nguồn điện không đủ khiến điện áp giảm làm hỏng hệ thống trong quá trình suy luận đỉnh.

Tích hợp camera không hoạt động

Tích hợp ứng dụng rpicam-Hailo yêu cầu các phiên bản rpicam cụ thể. Cập nhật mọi thứ bằng sudo apt update và sudo apt nâng cấp trước khi khắc phục sự cố thêm. Một số mô-đun máy ảnh cần thay đổi cấu hình trong /boot/config.txt để hoạt động tối ưu với quy trình AI.

Tương lai-Đảm bảo khoản đầu tư của bạn

Thiết kế mô-đun có nghĩa là bạn có thể nâng cấp một cách độc lập. Ngay bây giờ, bạn có thể chạy Bộ công cụ AI trị giá 70 USD với 13 TOPS. Năm tới, nếu ứng dụng của bạn cần hiệu năng cao hơn, hãy đổi 26 TOPS AI HAT+ với giá 110 USD mà không cần thay thế Pi 5. Ngăn xếp phần mềm vẫn tương thích trên các chip Hailo-8L và Hailo-8.

Hailo tiếp tục mở rộng vườn thú mô hình của họ và cải thiện khả năng hỗ trợ trình biên dịch. Những mô hình yêu cầu tối ưu hóa thủ công vào tháng 6 năm 2024 hiện đã có phiên bản được biên dịch sẵn. Xu hướng này tăng tốc khi nền tảng trưởng thành. Hệ sinh thái xung quanh các dự án AI dựa trên Pi-phát triển nhanh chóng-các diễn đàn, hướng dẫn và công cụ của bên thứ ba-giúp việc triển khai trở nên dễ dàng hơn mỗi tháng.

Cập nhật phần mềm cũng mang lại những cải tiến về hiệu suất. Điểm chuẩn ban đầu cho thấy một số mẫu nhất định chạy ở X FPS; trình điều khiển được tối ưu hóa và các bản cập nhật chương trình cơ sở đã tăng những con số đó lên 10-20% mà không cần thay đổi phần cứng. Luôn cập nhật các bản cập nhật gói OS và Hailo sẽ tối đa hóa khả năng của Bộ công cụ của bạn.

Câu hỏi thường gặp

Raspberry Pi AI Kit có hoạt động với các mẫu Pi cũ hơn không?

Không, Bộ công cụ AI yêu cầu Raspberry Pi 5. Kết nối PCIe rất cần thiết cho-giao tiếp băng thông cao cần thiết giữa CPU và bộ tăng tốc. Các mẫu Pi trước đó thiếu hỗ trợ PCIe, khiến chúng không tương thích với kiến ​​trúc này.

Tôi có thể chạy nhiều mô hình AI cùng lúc không?

Có, nhưng hiệu suất phụ thuộc vào độ phức tạp của mô hình và tốc độ khung hình. Hailo-8L có thể phân chia thời gian-giữa các mô hình, mặc dù việc chạy đồng thời các mô hình nặng sẽ làm giảm tốc độ khung hình riêng lẻ. Các dự án thực tế thường chạy song song một mô hình được tăng tốc và một hoặc nhiều mô hình dựa trên CPU.

Quá trình biên dịch mô hình mất bao lâu?

Các mô hình đơn giản được biên dịch trong 5-15 phút trên một chiếc máy tính xách tay bình thường. Các mô hình phức tạp với nhiều lớp có thể mất 30-60 phút. Bạn chỉ biên dịch một lần cho mỗi mô hình, sau đó triển khai tệp .hef đã biên dịch vào Pi của mình. Các mô hình được biên dịch trước từ Model Zoo không yêu cầu biên dịch gì cả.

Bộ AI có hoạt động mà không cần kết nối internet không?

Tuyệt đối. Sau khi bạn đã cài đặt phần mềm và biên dịch mô hình của mình, mọi thứ sẽ chạy cục bộ. Điều này khiến Bộ công cụ trở nên lý tưởng cho các ứng dụng-nhạy cảm về quyền riêng tư, triển khai từ xa hoặc bất kỳ nơi nào mà quyền truy cập mạng không đáng tin cậy hoặc không khả dụng.

Tôi có thể đào tạo mô hình trực tiếp trên AI Kit không?

Không, Hailo-8L là phần cứng chỉ có chức năng suy luận. Việc đào tạo đòi hỏi phải tối ưu hóa phần cứng khác nhau và có nhiều sức mạnh hơn đáng kể. Quy trình công việc điển hình bao gồm đào tạo về GPU đám mây hoặc máy trạm với PyTorch/TensorFlow, chuyển đổi sang định dạng ONNX, biên dịch bằng các công cụ của Hailo, sau đó triển khai mô hình đã biên dịch vào Pi của bạn.

Sự khác biệt giữa Bộ công cụ AI và AI HAT+ là gì?

Bộ AI ban đầu đi kèm M.2 HAT với mô-đun Hailo-8L với giá 70 USD. AI HAT+ là một bo mạch đã được sửa đổi với khả năng tương thích với vỏ máy tốt hơn, có sẵn với 13 TOPS Hailo-8L ($70) hoặc 26 TOPS Hailo-8 ($110). Hiệu suất giống hệt nhau ở cấp 13 TOPS; chọn dựa trên tính khả dụng và liệu bạn có cần thiết kế vật lý được cải tiến hay không.

Bộ AI xử lý các độ phân giải hình ảnh khác nhau như thế nào?

Trình tăng tốc xử lý bất kỳ độ phân giải nào mà mô hình của bạn đã được đào tạo-thường là 640x640 hoặc tương tự để phát hiện đối tượng. CPU của bạn xử lý việc thay đổi kích thước đầu vào của máy ảnh để phù hợp với kích thước dự kiến ​​của mô hình. Độ phân giải đầu vào cao hơn yêu cầu nhiều thời gian tiền xử lý hơn nhưng không ảnh hưởng trực tiếp đến tốc độ suy luận của Hailo do kích thước đầu vào của mô hình không đổi.

Hailo-8L có tương thích với các mẫu TensorFlow Lite không?

Không trực tiếp. Bạn cần chuyển đổi các mô hình TensorFlow Lite sang định dạng ONNX, sau đó biên dịch chúng bằng Trình biên dịch Dataflow của Hailo. Nhiều kiến ​​trúc TensorFlow Lite phổ biến được hỗ trợ, nhưng quá trình chuyển đổi có thể yêu cầu điều chỉnh tùy thuộc vào độ phức tạp của mô hình và các hoạt động được sử dụng.

Thực hiện những bước đầu tiên của bạn

Bắt đầu với-các bản trình diễn được biên soạn sẵn để hiểu đặc điểm hiệu suất trước khi đi sâu vào các mô hình tùy chỉnh. Các mẫu ước tính tư thế và phát hiện đối tượng thể hiện khả năng của Bộ công cụ mà không yêu cầu kiến ​​thức biên dịch mô hình. Sau khi bạn cảm thấy thoải mái với phần cứng, hãy thử nghiệm các mô hình khác nhau từ Hailo Model Zoo để tìm sự cân bằng giữa độ chính xác và tốc độ cho ứng dụng của bạn.

Bộ công cụ AI Raspberry Pi thể hiện sự thay đổi đáng kể về khả năng tiếp cận AI biên. Lần đầu tiên, những người có sở thích và nhà phát triển{1}}quy mô nhỏ có thể triển khai các hệ thống thị giác máy tính tinh vi với hiệu suất mà trước đây yêu cầu phần cứng đắt tiền hoặc sự phụ thuộc vào đám mây. Sự kết hợp giữa hệ sinh thái của Raspberry Pi và công cụ tăng tốc hiệu quả của Hailo tạo ra những khả năng chưa từng tồn tại ở phân khúc dưới $100 cho đến năm 2024.

Cho dù bạn đang xây dựng một camera an ninh thông minh, một hệ thống kiểm tra công nghiệp hay đang thử nghiệm AI ở biên, Bộ công cụ AI đều cung cấp sức mạnh tính toán để giúp những dự án đó trở nên khả thi. Kiến trúc đã được chứng minh, phần mềm đang hoàn thiện nhanh chóng và cộng đồng đang tích cực xây dựng các giải pháp mà bạn có thể học hỏi và điều chỉnh.