《树莓派Python编程入门与实战》——1.4 其他不错的外设

简介:

本节书摘来异步社区《树莓派Python编程入门与实战》一书中的第1章,第1.4节,作者:【美】Richard Blum,更多章节内容可以访问云栖社区“异步社区”公众号查看

1.4 其他不错的外设

树莓派Python编程入门与实战
现在你知道到了哪些外设是运行树莓派所必须的,同时你可能在想有哪些外设能让你更好地使用树莓派。尽管不是必要的,但是这些外设会很有帮助。

树莓派外壳。
USB鼠标。
自供电的USB集线器。
网络外设。

1.4.1 挑选一个外壳

你收到的树莓派将会是一个装在防静电的袋子里的电路板。当然你不一定需要一个外壳来保护你的树莓派,但是有一个总是不错的主意。树莓派的外壳有各种各样的形状,大小和颜色。图1.5显示了一个看起来非常专业的树莓派外壳,所有接口在上面都有标注。

10bd49b12b99fb16cdcd0ca8fea1b110fd4c6c8c

很多树莓派的爱好者喜欢使用透明的外壳,在保护树莓派的同时还可以尽情地展示它。你需要确定哪种外壳能满足你的需求。当然如果之后改变主意的话,你也可以很方便地换一个不同的外壳。

警告:
 静电

电路板不能接触静电!你手上的一个小火花就能永久地损坏树莓派。这个充分的理由足以让你把树莓派装到外壳里。

1.4.2 使用USB鼠标

如果你打算使用树莓派的图形用户界面,有一个鼠标将会非常方便。但需要注意的是,USB鼠标和USB键盘会使用50~100mA电流,同时会占用B型树莓派的两个USB接口。

1.4.3 自供电USB集线器

如果你要连接一个USB键盘和USB鼠标,那么如何同时连接其他USB设备?如果你想要连接一个USB外部存储设备到树莓派上呢?不用担心,只需要购买一个自供电的USB集线器,它通过插到电源插座上的独立适配器获取电力。

警告:
 总线供电的USB集线器

确定你使用的不是一个总线供电USB集线器。总线供电USB集线器会从它所连接的计算机上USB接口获取电力。因此,它会消耗树莓派的电力。
通常情况下,自供电USB集线器可为每个连接的设备提供高达500mA的电流。它有一个USB A型连接线,可以通过USB接口连接到树莓派上。因此,你可以将一个USB接口变成多个!

1.4.4 使用网线或者无线适配器

让你的树莓派连接到互联网或者本地网络会带来很大的便利。树莓派配备了一个RJ45接口用于连接有线以太网。根据你本地网络配置方式的不同,连接到网络可能就简单到将网线插到树莓派上并把另一端插到路由器后面一样。这种情况下,你需要做的就是购买一根以太网电缆外加两个RJ45接头。

同样你也可以将树莓派连接到一个无线网络。这种情况下,你需要一个USB无线网络适配器。你可以买一个便宜的小一点的。这种方法的缺点是需要占用树莓派的一个USB接口。此外,配置无线网络并不简单。但是一旦无线网络配置好,树莓派将会有更大的灵活性。

相关文章
|
15天前
|
存储 人工智能 数据处理
Python:编程的艺术与科学的完美交融
Python:编程的艺术与科学的完美交融
19 1
|
1天前
|
JSON 数据格式 开发者
pip和requests在Python编程中各自扮演着不同的角色
`pip`是Python的包管理器,用于安装、升级和管理PyPI上的包;`requests`是一个HTTP库,简化了HTTP通信,支持各种HTTP请求类型及数据交互。两者在Python环境中分别负责包管理和网络请求。
13 5
|
2天前
|
数据采集 数据可视化 数据挖掘
Python 与 PySpark数据分析实战指南:解锁数据洞见
Python 与 PySpark数据分析实战指南:解锁数据洞见
|
2天前
|
机器学习/深度学习 人工智能 大数据
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
|
4天前
|
存储 Python 容器
Python高级编程
Python集合包括可变的set和不可变的frozenset,用于存储无序、不重复的哈希元素。创建集合可使用{}或set(),如`my_set = {1, 2, 3, 4, 5}`。通过add()添加元素,remove()或discard()删除元素,如`my_set.remove(3)`。
|
4天前
|
机器学习/深度学习 数据采集 数据可视化
利用Python进行历史数据预测:从入门到实践的两个案例分析
利用Python进行历史数据预测:从入门到实践的两个案例分析
17 1
|
5天前
|
测试技术 Python
Python模块化方式编程实践
Python模块化编程提升代码质量,包括:定义专注单一任务的模块;使用`import`导入模块;封装函数和类,明确命名便于重用;避免全局变量降低耦合;使用文档字符串增强可读性;为每个模块写单元测试确保正确性;重用模块作为库;定期维护更新以适应Python新版本。遵循这些实践,可提高代码可读性、重用性和可维护性。
24 2
|
10天前
|
机器学习/深度学习 数据采集 TensorFlow
【Python机器学习专栏】使用Python进行图像分类的实战案例
【4月更文挑战第30天】本文介绍了使用Python和深度学习库TensorFlow、Keras进行图像分类的实战案例。通过CIFAR-10数据集,展示如何构建和训练一个卷积神经网络(CNN)模型,实现对10个类别图像的识别。首先安装必要库,然后加载数据集并显示图像。接着,建立基本CNN模型,编译并训练模型,最后评估其在测试集上的准确性。此案例为初学者提供了图像分类的入门教程,为进一步学习和优化打下基础。
|
10天前
|
机器学习/深度学习 自然语言处理 语音技术
【Python 机器学习专栏】Python 深度学习入门:神经网络基础
【4月更文挑战第30天】本文介绍了Python在深度学习中应用于神经网络的基础知识,包括神经网络概念、基本结构、训练过程,以及Python中的深度学习库TensorFlow和PyTorch。通过示例展示了如何使用Python实现神经网络,并提及优化技巧如正则化和Dropout。最后,概述了神经网络在图像识别、语音识别和自然语言处理等领域的应用,并强调掌握这些知识对深度学习的重要性。随着技术进步,神经网络的应用将持续扩展,期待更多创新。
|
10天前
|
机器学习/深度学习 算法 数据挖掘
【Python 机器学习专栏】Python 机器学习入门:基础概念与流程
【4月更文挑战第30天】本文介绍了Python在机器学习中的重要性,机器学习的基础概念和分类,包括监督学习、非监督学习和强化学习。Python因其丰富的库(如Scikit-learn、TensorFlow、PyTorch)、简单易学的语法和跨平台性在机器学习领域广泛应用。文章还概述了机器学习的基本流程,包括数据收集、预处理、特征工程、模型训练与评估等,并列举了常用的Python机器学习算法,如线性回归、逻辑回归、决策树和支持向量机。最后,讨论了Python机器学习在金融、医疗、工业和商业等领域的应用,鼓励读者深入学习并实践这一技术。