【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!
kernelopenEuler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。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00