【亲测免费】 Adafruit MicroPython工具(Ampy)操作指南
一、项目介绍
Adafruit MicroPython工具(简称Ampy)是一款命令行工具,用于通过串口连接控制MicroPython或CircuitPython板。它旨在简化文件操纵过程和在板上执行Python脚本的操作。
二、项目快速启动
安装Ampy
Ampy支持Python 2.7和Python 3.x版本,可以轻松从Python包索引安装。下面是不同操作系统下的安装指令:
MacOS 或 Linux环境下:
pip3 install --user adafruit-ampy
如果遇到权限问题,可能需要以root用户运行:
sudo pip3 install adafruit-ampy
对于没有Python 3的系统,可尝试以下命令:
pip install adafruit-ampy
在Windows环境下:
pip install adafruit-ampy
验证安装
安装完毕后,可以通过下面的命令验证是否正确安装了Ampy:
ampy --help
该命令应显示Ampy的帮助信息。
使用Ampy
接下来,使用Ampy发送一个简单的文件到你的MicroPython/CircuitPython板上。首先确保你的板已连接至电脑并确定其串口号。
假设你有一个名为test.py的简单脚本,你可以使用以下命令将其发送到板上:
ampy --port /dev/ttyUSB0 put test.py
替换/dev/ttyUSB0为你实际使用的串口号。
三、应用案例与最佳实践
发送Python脚本
将本地计算机上的Python脚本发送到MicroPython/CircuitPython板上进行执行是常见的应用场景之一。例如,你可以创建一个名为hello.py的脚本,其中包含打印“Hello World!”的内容。然后使用Ampy将此脚本传输给板子:
ampy --port /dev/ttyUSB0 put hello.py
接着,可以通过以下命令在板上执行脚本:
ampy --port /dev/ttyUSB0 run hello.py
这将立即在板上运行脚本并显示结果。
文件下载
同样地,从板上下载文件也非常方便。只需指定目标路径即可获取指定文件:
ampy --port /dev/ttyUSB0 get test.py ~/Downloads/
利用环境变量配置端口参数
为了省去每次调用时都需要输入串口号的麻烦,可以在工作目录中创建一个名为ampy的文件,预设一些环境变量,如:
AMPY_PORT=/dev/cu.wchusbserial1410
AMPY_BAUD=115200
AMPY_DELAY=0.5
这样设置后,在运行任何ampy命令前,这些环境变量都将被自动加载。
四、典型生态项目
Ampy虽然是个轻量级工具,但它可以成为开发基于MicroPython/CircuitPython的应用的强大助手。结合rshell或mpfshell等其他MicroPython工具,开发者能够实现更复杂的交互式功能,比如发送实时输入到板上或调试应用程序。
Ampy的灵活性使其适用于各种场景,从教学演示到工业自动化项目均适用。作为生态链中的重要一环,掌握Ampy不仅有助于提升微控制器编程效率,还能增强与其他硬件资源的集成度。无论你是教育者、业余爱好者还是专业工程师,深入理解如何利用Ampy来优化工作流程,都是值得投入时间的。
以上就是关于Adafruit MicroPython工具(Ampy)的初步介绍及其基本操作步骤。希望这份指南可以帮助您快速入门,并探索更多有趣的功能和应用!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00