Retro-Lite-CM4 项目下载与安装教程
2024-12-06 04:30:42作者:廉皓灿Ida
1. 项目介绍
Retro-Lite-CM4 是一款基于 Raspberry Pi CM4 开发的便携式游戏手持设备,设计灵感来源于任天堂 Switch Lite。该项目包含了所有 STL 文件和代码,用户可以自行组装一款拥有复古风格的横屏手持游戏系统。
2. 项目下载位置
本项目托管在 GitHub 上,下载地址为:https://github.com/StonedEdge/Retro-Lite-CM4.git。
3. 项目安装环境配置
在开始安装之前,请确保您的系统环境满足以下要求:
- Raspberry Pi 4 Compute Module 4
- RetroPie 或其他兼容的软件镜像
- 5V 2.1A 电源
- microSD 卡(至少 32GB)
以下是环境配置的步骤:
步骤 1:烧录 RetroPie 镜像到 microSD 卡
- 下载 RetroPie 镜像。
- 使用烧录工具(如 balenaEtcher)将镜像烧录到 microSD 卡中。

步骤 2:安装必要的软件包
- 将 microSD 卡插入 Raspberry Pi CM4,启动系统。
- 连接网络,并运行以下命令安装必要的软件包:
sudo apt-get update
sudo apt-get install git build-essential wiringpi

4. 项目安装方式
以下是项目的安装步骤:
步骤 1:克隆项目代码
- 在 Raspberry Pi 上打开终端。
- 切换到 RetroPie 用户目录。
- 克隆项目代码:
git clone https://github.com/StonedEdge/Retro-Lite-CM4.git
步骤 2:编译项目
- 切换到项目目录。
cd Retro-Lite-CM4
- 编译项目代码。
sudo make
步骤 3:配置系统
- 在
/etc/rc.local文件中添加以下内容,以使系统启动时运行项目。
cd /home/pi/Retro-Lite-CM4
sudo ./retrolite &
- 重启 Raspberry Pi。
sudo reboot
5. 项目处理脚本
项目中的 retrolite 脚本是核心控制脚本,负责系统的运行和用户交互。您可以根据需要修改脚本,以适应不同的使用场景。
以上就是 Retro-Lite-CM4 项目的下载和安装教程,希望对您有所帮助!
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
655
4.26 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
499
606
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
284
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.53 K
889
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
860
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557
暂无简介
Dart
902
217
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
132
207
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195