瑞萨RA8P1边缘AI部署流程

关注

原创 2026-09-05 16:53:42 274 阅读 AI 写同款· GEO 优化 ›

瑞萨RA8P1深度解析：Cortex-M85加NPU的边缘AI实战与避坑指南边缘AI推理正在从云端向MCU端下沉，其核心原理是通过专用NPU与高性能内核协同，在毫瓦级功耗下完成轻量级神经网络计算。Cortex-M85内核集成Helium向量扩展，能大幅加速卷积与FFT等乘加运算，而NPU则进一步将关键词唤醒、异常检测等always-on感知任务的能效比推向极致。这种技术组合的价值在于让工业HMI、智能家居中控、边缘视觉检测等场景获得本地实时推理能力，无需依赖云端即可实现低延迟响应。瑞萨RA8P1正是这一趋势下的典型平台，其FSP工具链与NPU模型部署流程为嵌入式开发者提供了从选型到阅读详情

仅作笔记。

先搭建环境。

部署AI使用到的RUHMI下载链接：
https://codeload.github.com/renesas/ruhmi-framework-mcu/zip/refs/heads/main
下载并解压RUHMI。
RUHMI的运行依赖是python3.10，下载链接（直链）：
https://www.python.org/ftp/python/3.10.11/python-3.10.11-amd64.exe
如果此前电脑上有其他版本的py，建议删干净，如果有dll残留并且用火绒解除占用后依旧会快速重新生成，那是其他软件自带的py库，可以不管它。
下载完py，安装，路径为默认路径即可，记得勾选Add to path。
安装完成后记得打开cmd验证路径是否生效（输入where python或python --version都行）。

搞定之后开始为ruhmi创建一个py虚拟环境用以安装各种依赖。

打开解压后的ruhmi文件，在包含有这些东西那一层按shift+鼠标右键，打开此页面的powershell

在powershell输入python.exe的绝对路径+ -m venv .venv
例如： C:\Users\XXX\AppData\Local\Programs\Python\Python310\python.exe -m venv .venv
（当然也可以直接输入py -3.10 -m venv .venv ，前提是你的py是和RUHMI放同一路径下的）
短暂加载后跳出下一行说明虚拟环境创建完成了，输入.\.venv\Scripts\activate以打开虚拟环境：

接下来安装mera。

打开RUHMI包里面的install，例如D:\RUHMI\ruhmi-framework-mcu-main\ruhmi-framework-mcu-main\install
找到一个mera开头的whl文件，里面可能有两个长得很像的mera，注意找这个后缀的

复制这个包名，在虚拟py下输入python -m pip install .\install\+包名.whl 例如
python -m pip install .\install\mera-2.6.0+pkg.4513-cp310-cp310-win_amd64.whl
回车，就开始下载了

这样就算装好了

接下来装onnx和tflite，输入python -m pip install onnx==1.17.0 tflite==2.18.0 ，回车，
显示successfully就算装好了

然后激活一下依赖，输入.\.venv\Scripts\activate ，再输入查看版本命令验证是否可以正常使用（出现版本号就是正常的）

验证一下mera是否安装成功,输入python -c "import mera;print(dir(mera))" ，回车，长这样就是成功了

要使用e2studio的AI navigator来调用RUHMI还要手动配置RUHMI的环境变量，在系统搜索栏搜索“环境变量”，打开，在用户变量下新建一个变量，

名称为CONVERSION_TOOL_E2STUDIO_PLUGIN_PYTHON_VENV_LOC ，路径为你存放RUHMI的路径，例如D:\RUHMI\ruhmi-framework-mcu-main\ruhmi-framework-mcu-main

最后别忘了点击两个“确定”来确认更新系统变量。
添加环境变量也可以用命令行的方式，此处不多赘述。