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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python02
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00