【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!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0125
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07