搭建 Max78000 FTHR 板卡的开发环境

---

前言

本文是参照学习一位大佬的搭建过程，因为过程中有些东西不太一样，所以在此记录一下。下面把大佬的文章链接附上。
嵌入式AI开发&Maxim篇二 美信Maxim78000Evaluation Kit AI开发环境
并且本篇文章也参照了官方文档，下面将官方文档附上:
官方文档

---

一、预期文件布局

..../ai8x-training/
..../ai8x-synthesis/

其中，“…”是项目的根目录，例如：~/zz/AI（这是我设置的目录）。因为我在 Windows 中已经过安装SDK，所以就暂且不在 Linux 中安装了。

二、操作平台

我使用的是 WSL ，具体安装过程我在前面这篇文章里写过，可以参考一下。Windows10 安装 WSL2

三、项目安装

1.系统包

我们需要安装一些额外的系统包，但安装这些额外的包需要管理员权限。这是唯一需要管理员权限的时间。

$ sudo apt-get install -y make build-essential libssl-dev zlib1g-dev \
  libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm \
  libncurses5-dev libncursesw5-dev xz-utils tk-dev libffi-dev liblzma-dev \
  libsndfile-dev portaudio19-dev

2.Python

此项目中的软件使用 Python 3.8.11 或更高版本的 3.8.x 版本。因为我装好 WSL 后输入python --version，发现 Python 版本是 2.7.18 ，但我安装 Python3 时发现已经安装了，这时候我们输入 python3 --version 就可以查看了。

因为我们在使用时可能会不只用到一个版本的 Python，所以我们需要安装 pyenv ，它是一个Python版本管理工具。这样的话就允许多个 Python 在 Ubuntu 中共存，不会互相干扰。

$ curl -L https://github.com/pyenv/pyenv-installer/raw/master/bin/pyenv-installer | bash  # NOTE: Verify contents of the script before running it!!

注意，在 WSL2 中的 Ubuntu 20.04 上，我们需要将以下内容添加到 ：~/.bashrc 中。

export PYENV_ROOT="$HOME/.pyenv"
export PATH="$PYENV_ROOT/bin:$PATH"
eval "$(pyenv init --path)"
eval "$(pyenv virtualenv-init -)"

并且，如果我们要在以后的任何时间再次显示说明，需要执行以下操作：

$ ~/.pyenv/bin/pyenv init

如果我们的版本不够 Python3.8.11 的话，可以使用以下命令直接轻松安装：

$ pyenv install 3.8.11

3.配置本地 git 环境

如果之前我们没有配置本地 git 环境的话，我们需要使用下面两行命令来配置电子邮件和名称，电子邮件必须与 GitHub 中的匹配（包括大小写）。

$ git config --global user.email "first.last@example.com"
$ git config --global user.name "First Last"

输入以下代码可以查看信息

git config --global --list 

4.拉取工程代码

为了方便起见我们可以定义一个名为 AI_PROJECT_ROOT 的 shell 变量。（为了在以后也能使用，我是直接写到了 ~/.profile 里）

$ export AI_PROJECT_ROOT="$HOME/AI" 

引号里的路径写自己设置的文件夹的路径。

然后执行以下命令

$ cd $AI_PROJECT_ROOT
$ git clone --recursive https://github.com/MaximIntegratedAI/ai8x-training.git
$ git clone --recursive https://github.com/MaximIntegratedAI/ai8x-synthesis.git

之后我们会发现 AI 目录下多了两个文件夹，第一步中的文件布局我们也初步实现了。

5.虚拟环境搭建

因为 ai8x-training 和 ai8x-synthesis 环境的搭建过程基本一致，所以我们就在此只演示 ai8x-training 的，ai8x-synthesis 的照猫画虎即可。
首先我们输入以下命令进入 ai8x-training 目录下

$ cd ai8x-training

将本地目录设置为使用 Python 3.8.11

$ pyenv local 3.8.11

最好在验证以下是否使用了 3.8.11 版本的 Python

$ python --version
Python 3.8.11

之后在继续执行以下操作

$ python -m venv venv --prompt ai8x-training

我这里是直接就弄好了，如果说出现了类似于“虚拟环境未成功创建，因为 ensurepip 不可用”的错误消息，官方文档中提示了要重新安装并初始化 pyenv。

接着，一步一步输入以下命令

$ source venv/bin/activate

(ai8x-training) $ pip3 install -U pip wheel setuptools

下一步我们要根据 CUDA 的不同输入不同的代码，我这里的话 CUDA 是11.4的，所以输入的是以下的代码

(ai8x-training) $ pip3 install -r requirements-cu11.txt

对于查看 CUDA 版本的话，我使用的是如下命令

nvidia-smi

这条命令是查看显存占用情况的，既可以监测GPU的使用效率，又可以看到 CUDA 的版本。我们可以看到 CUDA 的版本是 11.4。

这样的话，ai8x-training的虚拟环境就搭建好了，ai8x-synthesis 的搭建过程基本一样就不在这儿演示了。

6.安装编译工具链

直接输入以下代码即可

sudo apt-get install gcc-arm-none-eabi