📚 课程目录第2章开发环境搭建

2. 开发环境搭建

说实话，环境搭建这事儿，看着琐碎，但往往是整个项目里最容易卡住人的地方。我见过不少团队，芯片选型、算法设计都搞定了，结果在环境配置上折腾了两三天，最后发现是某个库版本不对。所以这一章，咱们把每一步都踩实了。

Eyeriss 的开发环境，说白了就三块：SDK（芯片的“说明书”和“工具箱”）、交叉编译工具链（让 PC 能生成芯片能跑的代码）、Python 依赖（模型转换、性能分析这些活儿全靠它）。下面我按顺序来。

2.1 获取并安装 Eyeriss SDK

Eyeriss SDK 通常以压缩包形式提供，里面包含了驱动库、运行时库、示例代码和文档。我个人习惯把它放在 /opt/eyeriss/ 下，方便多用户共享。

核心步骤：

从官方仓库或内部服务器下载 SDK 包（例如 eyeriss_sdk_v2.3.0.tar.gz）。
解压到目标目录：sudo tar -xzf eyeriss_sdk_v2.3.0.tar.gz -C /opt/eyeriss/
设置环境变量 EYERISS_SDK_PATH，指向解压后的根目录。

嗯，这里要注意：SDK 的版本必须和芯片固件版本匹配。我曾经遇到过 SDK 升级后，旧固件上的某些 API 行为变了，排查了半天才发现是版本对不上。所以拿到 SDK 后，先看一眼 RELEASE_NOTES 文件。

SDK 的目录结构大致如下：

/opt/eyeriss/eyeriss_sdk_v2.3.0/
├── include/          # 头文件（API 声明）
├── lib/              # 预编译库（.so / .a）
├── tools/            # 模型转换、量化工具
├── samples/          # 示例工程
├── docs/             # API 参考手册
└── cmake/            # CMake 辅助模块

2.2 配置交叉编译工具链

Eyeriss 芯片通常基于 ARM 架构，所以我们需要在 x86 的 PC 上安装 ARM 交叉编译器。说白了，就是让 PC 生成 ARM 指令集的二进制文件。

我个人推荐使用 ARM GCC，稳定且社区活跃。安装方式有两种：

方式	命令/步骤	适用场景
包管理器安装	`sudo apt install gcc-arm-linux-gnueabihf`	快速验证、原型开发
官方预编译包	从 ARM 官网下载，解压后配置 PATH	生产环境、版本可控

我的建议： 用官方预编译包。包管理器里的版本往往滞后，而且不同 Ubuntu 版本提供的 GCC 版本可能不一样，容易导致二进制兼容性问题。我曾经在 Ubuntu 18.04 上用 apt 装的 GCC，编译出来的程序在芯片上跑出了奇怪的段错误，换成官方 9.2 版本就好了。

安装完成后，验证一下：

arm-linux-gnueabihf-gcc --version
# 输出应显示版本号，例如：arm-linux-gnueabihf-gcc (GCC) 9.2.1 20191025

然后，我们需要让 CMake 能找到这个工具链。创建一个工具链文件 arm_toolchain.cmake：

set(CMAKE_SYSTEM_NAME Linux)
set(CMAKE_SYSTEM_PROCESSOR arm)

set(CMAKE_C_COMPILER arm-linux-gnueabihf-gcc)
set(CMAKE_CXX_COMPILER arm-linux-gnueabihf-g++)

set(CMAKE_FIND_ROOT_PATH_MODE_PROGRAM NEVER)
set(CMAKE_FIND_ROOT_PATH_MODE_LIBRARY ONLY)
set(CMAKE_FIND_ROOT_PATH_MODE_INCLUDE ONLY)

编译时，通过 -DCMAKE_TOOLCHAIN_FILE 指定这个文件即可。

2.3 安装 Python 依赖库

Eyeriss 的模型转换、性能分析、数据可视化等工具，底层都是 Python 写的。所以 Python 环境必须配好。

我强烈建议用 虚拟环境，别把依赖装到系统 Python 里。你想想看，不同项目可能依赖不同版本的 PyTorch 或 ONNX，混在一起迟早出问题。

避坑指南： 我曾经在一个项目里，因为系统 Python 的 numpy 版本被另一个库升级了，导致 Eyeriss 的量化工具报错。从那以后，我每个项目都建独立的虚拟环境。

创建并激活虚拟环境：

python3 -m venv eyeriss_env
source eyeriss_env/bin/activate

然后安装核心依赖。Eyeriss SDK 通常会提供一个 requirements.txt，直接装就行：

pip install -r /opt/eyeriss/eyeriss_sdk_v2.3.0/tools/requirements.txt

如果没提供，那至少需要以下这些：

numpy：数据处理的基础
onnx 和 onnxruntime：模型格式转换和推理验证
pyyaml：读取配置文件
matplotlib：画性能分析图
tqdm：进度条，跑批量任务时很有用

安装命令：

pip install numpy onnx onnxruntime pyyaml matplotlib tqdm

2.4 验证环境：跑一个 Hello World

环境搭没搭好，跑个例子最直接。SDK 的 samples/hello_world 目录下有个最简单的工程。

编译命令：

mkdir build && cd build
cmake .. -DCMAKE_TOOLCHAIN_FILE=../arm_toolchain.cmake -DEYERISS_SDK_PATH=/opt/eyeriss/eyeriss_sdk_v2.3.0
make

编译成功后，会生成一个 hello_eyeriss 可执行文件。把它拷贝到 Eyeriss 开发板上，运行：

./hello_eyeriss
# 输出：Hello from Eyeriss NPU! Device ID: 0

看到这行输出，说明 SDK 和工具链都配好了。

2.5 本章知识体系总览

下面这张图，把整个环境搭建的流程和组件关系梳理了一下。你跟着这个图走，基本不会漏东西。

环境搭建这块，看起来步骤多，但只要你按顺序来——先 SDK，再工具链，最后 Python——基本不会出大问题。嗯，真遇到问题了，多半是版本不匹配或者路径没设对。这时候别慌，回头检查一下环境变量和文件权限，八成能解决。