WSL测试笔记

已于 2024-01-22 17:09:51 修改
阅读量183 收藏
点赞数
分类专栏： cmake 文章标签： linux docker ubuntu
于 2022-12-20 17:06:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Thinkobj/article/details/128387378
版权

安装WSL

参考链接 https://docs.microsoft.com/en-us/windows/wsl/install

开启WSL服务，将以下命令复制粘贴到控制台，然后按回车运行

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

开启虚拟机特性

dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
  • 重启电脑：请一定要重启，否则无法继续下面的操作。
  • 将WSL2设为默认启动版本，打开控制台，运行以下命令。
wsl --set-default-version 2

在Microsoft Store里面安装Ubuntu

在这里插入图片描述

设置相应的用户名和密码。

username:think
passward:

使用-l命令，可以列出WSL发行版

PS C:\Windows\system32> wsl -l -v
  NAME            STATE           VERSION
* Ubuntu-18.04    Running         2
  Alpine          Stopped         2

在这里插入图片描述

安装Docker Desktop

下载地址：https://docs.docker.com/desktop/install/windows-install/

在这里插入图片描述

用邮箱进行注册

安装Docker

# docker version

在这里插入图片描述

在dockerhub上面找到对应ubuntu18.04 python3.6的镜像，然后拉下来

在这里插入图片描述

docker pull duruo850/ubuntu18.04-python3.6

在这里插入图片描述

可以在docker desktop里面找到对应的镜像

在这里插入图片描述

Docker常用命令

docker-style-guide/DockerImage.md at master · Haufe-Lexware/docker-style-guide · GitHub

镜像常用命令

列出本机的镜像

docker images 镜像名

在这里插入图片描述

参数说明： 
REPOSITORY：表示镜像的仓库源
TAG：镜像的标签版本号
IMAGE ID：镜像ID
CREATED：镜像创建时间
SIZE：镜像大小

images 选项说明：
-a：列出本地所有镜像（含历史镜像层）
-q：只显示镜像ID
查询官网库中某个镜像

docker search 镜像名

在这里插入图片描述

选项说明： 
--limit：只列出N个镜像，默认25个。

输出参数说明：
NAME：镜像名称
DESCRIPTION:镜像说明
STARS:点赞数量
OFFICIAL:是否时官方的
AUTOMATED:是否时自动构建的
下载镜像

docker pull 镜像名[:TAG]

没有TAG就是最新版的，等价于docker pull 镜像名字：latest

查看镜像/容器/数据卷所占空间

docker system df

在这里插入图片描述

删除镜像

docker rmi 镜像名或ID号

docker rmi -f 镜像名1：TAG 镜像名2：TAG 删除多个

docker rmi -f $(docker images -qa) 删除全部

显示镜像构建历史

docker history 镜像名

获取容器或镜像的详细信息（元数据）

docker inspect 镜像名

导入导出镜像

存出压缩文件 docker save -o 镜像名 导出的镜像名.tar

载入 docker load -i 镜像名.tar

容器的常用命令

列出当前所有正在运行的容器

docker ps [OPTIONS]

常用参数说明：
-a：列出当前所有正在运行的容器+历史上运行过的
-l：显示最近创建的容器。
-n：显示最近n个创建的容器。
-q：静默模式，只显示容器编号。
新建+启动容器

docker run [OPTIONS] 镜像名：TAG

 OPTIONS说明（常用）:
--name="容器新名字"       为容器指定一个名称
-d: 后台运行容器并返回容器ID，也即启动守护式容器(后台运行)
-i：以交互模式运行容器，通常与 -t 同时使用
-t：为容器重新分配一个伪输入终端，通常与 -i 同时使用

启动交互式容器(前台有伪终端，等待交互)
-P: 随机端口映射，大写P
-p: 指定端口映射，小写p

-p指定端口映射的几种不同形式：
-p hostPort:containerPort：端口映射，例如-p 8080:80
-p ip:hostPort:containerPort：配置监听地址，例如 -p 10.0.0.1:8080:80
-p ip::containerPort：随机分配端口，例如 -p 10.0.0.1::80
-p hostPort1:containerPort1 -p hostPort2:containerPort2：指定多个端口映射，例如-p 8080:80 -p 8888:3306
启动已停止运动的容器

docker start 容器ID或者容器名

重启容器

docker restart 容器ID或者容器名

停止容器

docker stop 容器ID或者容器名

强制停止容器

docker kill 容器ID或者容器名

删除已停止的容器

docker rm 容器ID

一次性删除多个容器示例

docker rm -f $(docker ps -a -q)

docker ps -a -q | xargs docker rm

启动守护式容器

docker run -d 容器名

如docker run -d 容器名

查看容器日志

docker logs 容器ID

查看容器内运行的进程

docker top 容器ID

查看容器内部细节

docker inspect 容器ID

进入运行中的容器

docker exec -it 容器ID /bin/bash

docker attach 容器ID

两者区别：

attach 直接进入容器启动命令的终端，不会启动新的进程 用exit退出，会导致容器的停止

exec 是在容器中打开新的终端，并且可以启动新的进程 用exit退出，不会导致容器的停止

从容器内拷贝文件到主机

docker cp 容器ID:容器内路径 目的主机路径

导入和导出容器

export导出容器的内容留作为一个tar归档文件

import从tar包中的内容创建一个新的文件系统再导入为镜像

docker export 容器ID > 文件名.tar
cat 文件名.tar | docker import - 镜像用户/镜像名:镜像版本号
将容器生成新镜像

docker commit -m="提交的描述信息" -a="作者" 容器ID 要创建的目标镜像名:[tag]

VS Code操作docker容器

安装vscode插件：docker、Remote-development

这样就可以查看docker里面的文件目录

在这里插入图片描述

安装SNPE

参考官方文档：https://developer.qualcomm.com/sites/default/files/docs/snpe/index.html

安装Caffe & Caffe2

前往Caffe的官网源 (https://github.com/BVLC/caffe)，用git clone https://github.com/BVLC/caffe.git把源码拉下来

cd caffe
git reset --hard 18b09e807a6e146750d84e89a961ba8e678830b4

安装预编译的caffe包

sudo apt install caffe-cuda

snpe安装包下载地址 https://developer.qualcomm.com/downloads/qualcomm-neural-processing-sdk-ai-v1650

注册，登录。下载

docker cp /mnt/d/Code/workspace/snpe-1.65.0_rc2_3676.zip snpe:/home/workspace
unzip -X 1.65.0_rc2_3676.zip
source snpe-1.65.0/bin/dependencies.sh
source snpe-1.65.0/bin/check_python_depends.sh

在这里插入图片描述

把没有安装的依赖库进行安装，根据官方文档所用的版本

在这里插入图片描述

pip install sphinx==2.2.1
pip install scipy==1.3.1
pip install matplotlib==3.0.3
pip install scikit-image==0.15.0
pip install protobuf==3.6.0
pip install pyyaml==5.1

安装ONNX 、protobuf和pytest

pip install onnx==1.6.0
apt-get install python3-pip python3-dev libprotobuf-dev protobuf-compiler
pip install pytest

验证是否安装成功

python -c "import onnx"
pytest

root@b0ef371382ce:/home/workspace/snpe-1.65.0.3676/bin# pytest
=================================== test session starts ====================================
platform linux -- Python 3.6.9, pytest-7.0.1, pluggy-1.0.0
rootdir: /home/workspace/snpe-1.65.0.3676/bin
plugins: nbval-0.9.6
collected 0 items                                                                          

================================== no tests ran in 0.01s ===================================

ONNX环境配置

source bin/envsetup.sh -o $ONNX_DIR

       where $ONNX_DIR is the path to the ONNX installation.

SNPE 模型量化

非量化的DLC文件使用32位浮点表示网络参数。

量化的DLC文件使用网络参数的定点表示，一般是8位

snpe-onnx-to-dlc的输出得到的是一个非量化模型。

snpe-dlc-quantize将模型量化为8位定点

注意，打算使用snpe-dlc-quantize进行量化的模型必须将其batch维度设置为1

ONNX模型转化

snpe-onnx-to-dlc --input_network models/bvlc_alexnet/bvlc_alexnet/model.onnx
                 --output_path bvlc_alexnet.dlc

需要的参数：

input_network:输入的onnx网络模型

output_path：输出的非量化dlc模型

模型量化

snpe-dlc-quantize --input_dlc inception_v3.dlc --input_list image_file_list.txt
                  --output_dlc inception_v3_quantized.dlc

需要的参数：

input_dlc：输入的非量化dlc模型

input_list：输入的量化数据的txt文件，里面是raw images的文件路径

output_dlc:输出的量化dlc模型

快速实验一般需要5-10张图片，鲁棒的实验一般需要50-100张图片

VGG实验示例

设置ONNX环境
cd $SNPE_ROOT # SNPE SDK安装路径
source bin/envsetup.sh -o onnx_dir # ONNX 安装路径

运行snpe-onnx-to-dlc -h无错误表示环境配置成功

下载VGG预训练模型
cd $SNPE_ROOT/models/VGG
wget https://s3.amazonaws.com/onnx-model-zoo/vgg/vgg16/vgg16.onnx
下载一张样本图片和模型标签文件
mkdir data
cd $SNPE_ROOT/models/VGG/data
wget https://s3.amazonaws.com/model-server/inputs/kitten.jpg
wget https://s3.amazonaws.com/onnx-model-zoo/synset.txt
图像预处理和转化为raw文件
mkdir cropped
cd $SNPE_ROOT/models/VGG
python scripts/create_VGG_raws.py -i data/ -d data/cropped/

参数：

-i 表示图像文件夹

-d 表示输出文件夹

Preprocessed successfully!表示处理完成

将生成的raw文件生成txt文件格式
python scripts/create_file_list.py -i data/cropped -o raw_list.txt -e *.raw

参数：

-i raw文件所在位置

-o 输出的文件名

-e 寻找的图片格式

raw_list.txt 文件存放的raw文件的读取位置

在这里插入图片描述

将ONNX模型转化为SNPE DLC格式
snpe-onnx-to-dlc -i vgg16.onnx -o vgg16.dlc

Conversion completed successfully表示模型转化成功

将非量化的DLC模型转化为量化后的DLC模型
snpe-dlc-quantize --input_dlc vgg16.dlc --input_list raw_list.txt --output_dlc vgg16_quant.dlc

Wtring quantized model to:vgg16_quant.dlc表示生成成功

注：转AIP模型的时候，需要加–enable_hta

SNPE支持两种8bit定点的模式

  • 第一种方式，默认量化
  • 第二种方式，增强量化方式，给量化命令snpe-dlc-quantize传入use_enhanced_quantizer从而调用
后量化优化技术（CLE，BC）

snpe-dlc-quantize加入了两种模型预处理技术, CLE和BC，从而改善某些模型由于量化而准确率下降的问题。

CLE是基于RELU激活函数的缩放一致性（scale-equivariance），调整连续两个convolution层的 weights的取值来实现量化友好。简单来说是将偏差较大的convolution层的weights缩小，将下一层convolution层的weights增加。

BC是用来纠正量化过程中在激活中引入的偏差，简单来说，BC技术分别统计浮点模型和定点模型的卷积激活输出的分布，然后对量化模型的统计偏差进行校正，这个修正添加在相应层的bias中。

snpe-dlc-quantize对应的选项是–optimizations。

  • CLE+BC --optimizations cle --optimizations bc ，CLE和BC最好一起使用，它们可以相互补充，CLE非常快（秒），然而BC可能非常慢（几分钟到几小时）；

  • CLE --optimizations cle ，BC 单独使用并不会有什么作用。

    CLE的限制：

    1. CLE只能对网络中一个分支中的特定结构进行操作，而且这个特定结构只能有一个输出。支持的结构包括（r=必须的，o=可选择的）：
    • Conv®->Batchnorm®->activation(o)->Conv®->Batchnorm®->activation(o)
    • Conv®->Batchnorm®->activation(o)->DepthwiseConv®->Batchnorm®->activation(o)->Conv®->Batchnorm®->activation(o)

    1. CLE算法目前只支持Relu激活，Relu6会被自动转化成Relu，其他activation算法会自动跳过。

    2. CLE需要batchnorms的beta和gamma在原始模型中，这样可以获得最大精度提升。对于TensorFlow，即便是折叠了BN，只要beta和gamma参数没有被折叠进weights和bias，参数就依然存在，如果CLE没有检测到需要的信息，你会看到"Invalid model for HBA quantization algorithm."，这表示只有部分算法运行，可能会影响最终效果。

查看DLC模型信息
snpe-dlc-info -i vgg16.dlc

在这里插入图片描述

snpe-dlc-info -i vgg16_quant.dlc

在这里插入图片描述

运行推理

推理非量化模型

cd $SNPE_ROOT/models/VGG
snpe-net-run --input_list raw_list.txt --container vgg16.dlc --output_dir data/output_dlc

推理量化模型

snpe-net-run --input_list raw_list.txt --container vgg16_quant.dlc --output_dir data/output_quant_dlc
对结果进行后处理从而实现预测

非量化模型的预测结果

cd $SNPE_ROOT/models/VGG
python scripts/show_vgg_classifications.py -i raw_list.txt -o data/output_dlc/ -l data/synset.txt

Classification results
probability=0.339871 ; class=n02123045 tabby, tabby cat
probability=0.329623 ; class=n02124075 Egyptian cat
probability=0.299326 ; class=n02123159 tiger cat
probability=0.021479 ; class=n02127052 lynx, catamount
probability=0.004756 ; class=n02129604 tiger, Panthera tigris

量化模型的预测结果

python scripts/show_vgg_classifications.py -i raw_list.txt -o data/output_quant_dlc/ -l data/synset.txt

Classification results
probability=0.343484 ; class=n02123045 tabby, tabby cat 
probability=0.330398 ; class=n02124075 Egyptian cat
probability=0.296938 ; class=n02123159 tiger cat
probability=0.020620 ; class=n02127052 lynx, catamount
probability=0.004215 ; class=n02129604 tiger, Panthera tigris

Bug汇总

在PowerShell里面输入

wsl --install
wsl --install
PS C:\Users\Dell> wsl --install
wsl : 无法将“wsl”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保路径正确，
然后再试一次。
所在位置 行:1 字符: 1
+ wsl --install
+ ~~~
    + CategoryInfo          : ObjectNotFound: (wsl:String) [], CommandNotFoundException
    + FullyQualifiedErrorId : CommandNotFoundException

需要开启WSL服务以及开启虚拟机特性

参考链接：https://answers.microsoft.com/zh-hans/windows/forum/all/%E6%97%A0%E6%B3%95%E5%8A%A0%E8%BD%BDwsl/f2e4dfc8-9d15-4b53-9c5f-d2c36385b701

建议鼠标右键单击开始按钮（微软图标的按钮）-------"Windows PowerShell(I)"（管理员)(A ），输入：
（建议复制粘贴，逐条输入，防止遗漏。）
sfc /SCANNOW
（按下Enter键）
Dism /Online /Cleanup-Image /ScanHealth
（按下Enter键）
Dism /Online /Cleanup-Image /CheckHealth
（按下Enter键）
DISM /Online /Cleanup-image /RestoreHealth
（按下Enter键）
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
（按下Enter键）
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
（按下Enter键）
完成后重启电脑，再次输入：

效果图：

在这里插入图片描述

完成后再输入wsl --install

在这里插入图片描述

docker version

在这里插入图片描述

解决方法参考 https://blog.csdn.net/liangllhahaha/article/details/92077065

sudo groupadd docker          #添加docker用户组
sudo gpasswd -a $XXX docker   #检测当前用户是否已经在docker用户组中，其中XXX为用户名，例如我的，liangll
sudo gpasswd -a $USER docker  #将当前用户添加至docker用户组
newgrp docker                 #更新docker用户组
snpe-dlc-quantize 不能打开.raw文件

在这里插入图片描述

原因：window系统下的后缀为LF，而linux的后缀为CRLF。当使用VS code时，需要将对应的后缀编码进行修改

在这里插入图片描述

使用VS code生成txt文件时的文件路径后面多了^M$

在这里插入图片描述

而使用WSL生成txt文件时没有多余的内容。

在这里插入图片描述

Thinkobj
关注
专栏目录
wsld:WSL守护程序-WSL2的稳定X11连接和时间同步
05-09
WSLD：WSL守护程序 当网络发生变化或PC从中断的睡眠/Hibernate状态恢复时，请保持X11连接，并保持WSL时间同步。 以前称为x11-over-vsock； 重命名为wsld，因为它获得了额外的功能。 实现细节可以在找到。 建造 该程序是用Rust编写的。 如果您尚未安装Rust工具链，则可以从获得。 在Windows上构建还需要Visual C ++工具链。 使用cargo install --git https://github.com/nbdd0121/wsld wsld在WSL中安装，并使用cargo install --git https://github.com/nbdd0121/wsld wsld在Windows中cargo install --git https://github.com/nbdd0121/wsld wsldhost （二进制文件将安装
156-Rust和Solana环境配置
Lich Howger
06-11 577
我们来说一下rust和solana环境配置为什么我要重新说rust和solana的环境配置呢因为我前两天买了新电脑现在要重新搞一下环境所以就边搞环境边记录一下哈哈哈先下个rust然后装一下然后rustc --version看看版本再看一下cargo版本cargo --version然后我们用cargo来创建一个项目试试看cargo new my_cargo_test然后我们运行一下cargo run发现报错了 link.exe not found这是因为我们没有安装c++运行环境但是装c++环境有点麻烦
开机自启Windows子系统WSL的守护进程
H_177的博客
01-02 1890
说明 Windows的WSL子系统极大的方便了Linux软件在windows下的开发。但其有一个极大的缺陷，即几乎没有Init操作，不会启动后台守护进程（至少到文章编写时）。而有时编写软件时又需要用到一些后台进程，如Rsyslog,虽然可以通过手动执行/etc/init.d下的脚本来启动守护进程，但仍然不方便。 操作系统版本 Microsoft Windows [版本 10.0.19042.685] WSL ubuntu focal 20.04 具体思路 通过注册表 计算机\HKEY_LOCAL_MACHI
新安装WSL的配置使用
tian830937的专栏
08-01 1088
这个命令适用于所有的Linux发行版，包括Redhat、SuSE、Debian…1、cat /proc/version （Linux查看当前操作系统内核版本信息）配置ssh文件：sudo vim /etc/ssh/sshd_config。wsl 使用sudo没有权限，在wsl中使用sudo时报错，出现下面情况。2、uname -a （Linux查看版本当前操作系统内核信息）添加hostkeys证书：sudo ssh-keygen -A。手动启动：sudo /etc/init.d/ssh start。
snpe1.55 安裝及使用-用于onnx转dlc
yuweififi的专栏
02-26 581
查看版本所需的python版本：snpe-1.55.0.2958/doc/html/setup.html。6. bin目录下执行如下操作：snpe-onnx-to-dlc -i xxx.onnx。注册高通的邮箱不要使用qq邮箱，最好是使用公司邮箱。5. cd ./bin目录。
idfx：WSL2上用于flashmonitor ESP-IDF应用程序的工具
02-27
信息： 在和发行测试。 笔记： 使用此工具的前提条件是 需要在Windows上安装。 用法 idfx COMMAND PORT [monitor] COMMAND flash刷新项目。 monitor显示串行输出。 all -构建项目，刷新并监视串行输出。 ...
天宝MN18(4800h)新版bios解决wsl蓝屏问题(2021年4月的bios)
04-19
它为开发者提供了在Windows环境下开发、测试和运行Linux应用的便利。然而，由于硬件、驱动程序或系统兼容性问题，有时可能会出现蓝屏错误（即BSOD，Blue Screen of Death），这是Windows系统遇到严重错误时的一种...
WSL程序：由社区提供的在Linux的Windows子系统上可以运行的程序（以及不能运行的程序）的列表
01-30
WSL程序 | | 如果您想谈论Linux的Windows子系统（或有疑问），请使用上面链接的gitter chat。 如果您正在寻找有关在Windows上的Ubuntu上使用Bash入门的指南，请查看 。关于由社区提供动力的程序列表，这些程序在...
Win10的Linux子系统Ubuntu使用串口
07-13
WSL有两种主要版本：WSL 1 和 WSL 2。WSL 2 提供了更好的性能和支持更多的功能，但它对硬件访问有所限制，比如不能直接访问GPU、串行或USB设备等。因此，对于需要访问这些设备的应用场景，通常推荐使用WSL 1。 ####...
cheT580-202035-Assignment-1
03-22
完成第1部分后，您可以测试您的设置是否在第2部分中正常工作。第1部分：准备简单来说对于Windows 10，您将启用Linux的Windows子系统，在其上安装Ubuntu，然后在Ubuntu中，将安装C编译器以及其他一些实用程序。对于...
骁龙神经处理引擎SDK参考指南（2）
weixin_38498942的博客
05-18 542
虽然某些 TF 1.x 模型可能会使用 Tensorflow 2.3 作为转换框架成功转换，但通常建议使用与训练模型相同的 TF 版本进行转换。在 Android 上构建本机 C++ 示例（构建您的第一个 SNPE 本机应用程序）需要安装 Android NDK，并按照以下命令导出 ANDROID_NDK_ROOT。如果 SNPE SDK 将与 TensorFlow 一起使用，则需要安装 TensorFlow。上的说明在 Ubuntu Linux 上安装 ONNX，然后继续SNPE 设置的其余部分。
探索高效开发的新境界：WSL2 系统守护进程自动启动工具
gitblog_00026的博客
05-28 561
探索高效开发的新境界：WSL2 系统守护进程自动启动工具 one-script-wsl2-systemdThe one-script variant of the systemd hack for WSL2项目地址:https://gitcode.com/gh_mirrors/on/one-script-wsl2-systemd 在这个快速发展的技术世界里，高效的跨平台开发环境成为了开发者们的必...
Windows Subsystem for Linux (WSL)查看在线发行版并在终端安装
Humbunklung的专栏
05-26 513
【代码】Windows Subsystem for Linux (WSL)查看在线发行版并在终端安装。
Android source build/envsetup.sh 该知道的细节
u012514113的专栏
06-29 3764
source build/envsetup.sh细节说明 lunch命令解释说明 整个工程快捷命令的使用
android编译系统分析一：source build/envsetup.sh与lunch
热门推荐
阳光玻璃杯
08-01 3万+
虽然已经有很多人分析过android的编译系统的代码了，我也看过他们的博客，也学到了不少知识，但单纯的看别人分析，终究还是理解的不深入，所以，我还是要自己再认真的分析一遍。 1. source build/envsetup.sh 这个文件虽然很大，但暂且不需要统统看一遍。它里面定义了很多函数，这些函数在使用的时候再具体详细学习，现在主要看看这个脚本做的事情。即便如此，打开这个脚本后第一个函数还
Linux 再入门整理：详解 /etc/fstab 文件
一只奋斗的猪
10-01 1287
`/etc/fstab` 文件是 Linux 系统中用于定义和管理文件系统的挂载信息的配置文件。它的作用是告诉系统在启动时，应该如何自动挂载各种文件系统。挂载是 Linux 操作系统中一种将存储设备与目录树关联的操作。通过挂载，存储设备中的文件可以通过目录访问。
[Linux]从零开始的网站搭建教程
最新发布
c858845275的博客
10-02 1335
讲解了如何搭建运维面板安装web服务器和搭建一个自己的网站。
【Linux】进程+权限管理+软硬链接+其他命令
weixin_71491685的博客
10-01 1295
cat /etc/passwd 用户信息文件，用户列表（用户名、用户密码占位符、用户编号uid、用户所在组的编号gid、用户备注说明、用户家目录位置、用户的登陆方式）（8）删除软链接并不影响被指向的文件，但若被指向的原文件被删除，则相关软连接被称为死链接（即 dangling link，若被指向路径文件被重新创建，死链接可恢复为正常的软链接）。ps -aux (用户、进程编号、cpu使用率、内存使用率、虚拟内存的大小、真实内存的大小、终端、状态、启动时间、运行时长）
黑马linux笔记（转载）
pscool的博客
10-01 1850
我们所熟知的计算机是由硬件和软件组成的。计算机系统中由电子、机械和光电元件等组成的各种物理装置的总称。（看的见、摸得着的东西：CPU、内存硬盘、显示屏、鼠标等）是用户和计算机硬件之间的接口和桥梁，用户通过软件和计算机进行交流。（操作系统，就是软件的一类）学习Linux系统，就需要有一个可用的Linux系统。由于Linux系统并不适合日常办公使用，所以我们需要借助虚拟机来获得可用的Linux系统环境进行学习。借助虚拟化技术，我们可以在系统中，通过软件：模拟计算机硬件，并给虚拟硬件安装真实的操作系统。
WSL+VSCode：Windows下LVGL环境配置教程
本文档详细介绍了如何在Windows环境下...这篇笔记提供了一个完整的过程，适合想要在Windows系统上利用VSCode和WSL进行LVGL开发的开发者，从安装基础软件到配置环境，再到实际操作步骤，为读者节省了查找和试错的时间。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值