RaspberryPi-Buildroot 技术文档
本文档将详细说明如何安装、使用以及通过项目API来操作 RaspberryPi-Buildroot(也称为 Bsquask SDK)。以下内容将包含安装指南、使用说明以及项目API使用文档。
1. 安装指南
首先,您需要克隆 RaspberryPi-Buildroot 项目到您的本地代码目录:
cd ~/Code/
git clone git://github.com/nezticle/RaspberryPi-BuildRoot.git BuildRoot
接下来,创建一个目录用于构建您的 SDK:
export BSQUASK_DIR=/opt/bsquask
mkdir -p $BSQUASK_DIR
进入 BuildRoot 目录并为您 SDK 生成一个 Makefile:
cd BuildRoot
make raspberrypi_defconfig O=$BSQUASK_DIR
您可能会缺少一些构建依赖(如 flex, bison, 等),如果这是这种情况,您将会收到关于需要安装哪些包的警告。如果您使用的是 Ubuntu,以下命令应该可以安装所有需要的依赖:
sudo apt-get install flex bison texinfo mercurial git-core
然后,切换到您的 SDK 目录并开始构建(第一次构建可能需要几个小时):
cd $BSQUASK_DIR
make
注意:不要在这个 Makefile 中使用 -j 选项!最优的 make 任务数由 BuildRoot 决定,使用 -j 标志会破坏构建系统。
2. 使用说明
2.1 准备 SD 卡
首先,您需要一个设置了正确分区的 SD 卡:
- 75MB 的 fat32 分区
- 500MB 或更大的 ext4 分区(最好使用卡的剩余空间)
如果需要帮助,Raspberry Pi wiki 上有一份指南,非常接近(确保使用 ext4 而不是 ext3)。
设置好分区后,挂载两个分区(假设 fat32 分区为 /media/BOOT,ext4 分区为 /media/rootfs),然后执行以下命令来安装 rootfs:
cd $BSQUASK_DIR/images
tar -zxvf boot.tar.gz -C /media/BOOT
sudo tar -zxvf rootfs.tar.gz -C /media/rootfs
注意:提取 rootfs.tar.gz 时必须是 root 用户(使用 sudo),否则启动时会出现问题。
现在将 SD 卡插入 Raspberry Pi 并上电。如果一切顺利,您应该能够看到 Bsquask(linux)的登录提示。
2.2 登录信息
- 用户名:root
- 密码:root
3. 项目API使用文档
以下是一些环境变量的设置,以简化后续操作:
export BSQUASK_HOST_DIR=$BSQUASK_DIR/host
export BSQUASK_STAGING_DIR=$BSQUASK_DIR/staging
export BSQUASK_TARGET_DIR=$BSQUASK_DIR/target
$BSQUASK_HOST_DIR 是包含为您机器构建的本地工具的目录,如交叉编译器。如果您想使用这些工具,可以将它们添加到您的路径:
export PATH=$BSQUASK_HOST_DIR/usr/bin:$PATH
$BSQUASK_STAGING_DIR 是您的 sysroot 位置。这是您为设备构建的安装位置,包括开发头文件和调试符号。
$BSQUASK_TARGET_DIR 是您用于构建镜像的位置。这是您要部署到设备上的内容,只包含您希望在镜像中的内容(如剥离后的二进制文件)。
3.1 构建 Qt 5 基于应用
$BSQUASK_HOST_DIR/usr/bin/qmake yourproject.pro
make
3.2 构建 automake 基于项目
./autogen.sh --host arm-raspberrypi-linux-gnueabi --prefix=$BSQUASK_STAGING_DIR/usr
make
3.3 构建 cmake 基于项目
cmake -DCMAKE_TOOLCHAIN_FILE=$BSQUASK_HOST_DIR/usr/share/buildroot/toolchainfile.cmake
make
注意:Bsquask SDK 基于 BuildRoot 2013.02。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00