🛠 Gestion thermique et monitoring sous charge lourde
Objectifs
Apprenez à surveiller les températures des cœurs hybrides (Lion Cove et Skymont) et à configurer les seuils thermiques. Ce tutoriel utilise des utilitaires Linux pour visualiser l'impact du dissipateur en aluminium inclus sur la fréquence de boost (jusqu'à 4,8 GHz).
Matériel nécessaire
- LattePanda Mu Ultra avec dissipateur en aluminium installé
- Carte porteuse Mini Carrier Board
- Ventilateur externe optionnel pour tests extrêmes
- Terminal SSH ou écran connecté
Étapes
- Installez les outils de monitoring thermique spécifiques aux processeurs Intel modernes.
sudo apt install lm-sensors intel-gpu-tools stress-ng
- Détectez les capteurs thermiques disponibles sur le module.
sensors-detect
sudo service procps restart
- Lisez les températures actuelles des différents cœurs. Notez que les P-cores et E-cores ont des seuils différents.
sensors
- Lancez une charge CPU intensive pour tester le refroidissement actif. Utilisez
stress-ngpour saturer les cœurs.
stress-ng --cpu 8 --timeout 60s
- Pendant la charge, surveillez en temps réel la fréquence et la température pour vérifier si le throttling (limitation thermique) survient.
watch -n 1 "grep MHz /proc/cpuinfo | head -n 2; sensors"
- Configurez le régulateur de fréquence CPU pour optimiser l'équilibre performance/thermique.
sudo apt install cpufrequtils
cpufreq-set -g powersave
Vérification
Les températures ne doivent pas dépasser 100°C sous charge soutenue grâce au dissipateur inclus. Si les fréquences chutent significativement, vérifiez le contact thermique du dissipateur en aluminium.
Pour aller plus loin
Automatisez la gestion des ventilateurs via le GPIO de la carte porteuse ou explorez les profils de puissance dans le BIOS pour limiter le TDP.
Autres tutoriels pour cette carte
- Premier démarrage du LattePanda Mu Ultra
- Premiers pas avec les GPIO sur LattePanda Mu Ultra
- Interfacer GPIO et Capteurs avec LattePanda Mu Ultra
- Mise en route avancée du LattePanda Mu Ultra
- Maîtriser les E/S et l'IA embarquée sur LattePanda Mu Ultra
- Déploiement d'une inférence IA locale avec stockage NVMe haute performance
Exemples de code pour cette carte
lp-mu-gpio-gpiod.shbashlp-mu-i2c-sensor.pypythonlp-mu-nvme-benchmark.shbashlp-mu-opencv-gpu.pypythonlp-mu-ethernet-monitor.pypythonlattepanda-mu-ultra-npu-inference-onnx-6.inopython