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