TDA4平台学习--环境配置

本文详细介绍了TDA4平台的环境配置过程,包括安装RTOS和Linux SDK、配置依赖及安装CCS和EBtresosStudio等开发工具。
部署运行你感兴趣的模型镜像

TDA4平台学习–环境配置


因为TDA4网上没有太多的资料,和TDA2平台的使用也不尽相同,这里记录一下自己学习TDA4的过程。

安装TDA4的SDK包

这个官网的文档有详细的说明,先直接安装
ti-processor-sdk-rtos-j721e-evm-07_01_00_11-linux-x64-installer.run 这个文件,根据说明,这个文件装的SDK应该是RTOS的SDK,直接cd到当前目录,输入

./ti-processor-sdk-rtos-j721e-evm-07_01_00_11-linux-x64-installer.run 

就可以了。
然后会弹出安装的界面,按照要求,把TDA4这个包装在一个单独的文件夹里,不要有其他的文件。
接着我们就可以安装另外一个SDK了,另外一个SDK理所当然就是我们主芯片A72的SDK了,也就是linux系统的SDK:ti-processor-sdk-linux-j7-evm-07_02_00_07-Linux-x86-Install.bin
这个因为我的电脑没办法直接装bin文件,先用chmod +x命令将bin文件改为可执行的权限,然后进行安装即可。

为了能在板子上运行Linux的SDK,需要从Linux的sdk下复制几个文件到rtos的sdk下

cp ${PSDKL_PATH}/board-support/prebuilt-images/boot-j7-evm.tar.gz ${PSDKR_PATH}/
cp ${PSDKL_PATH}/filesystem/tisdk-default-image-j7-evm.tar.xz ${PSDKR_PATH}/

接着安装依赖,这里我装了全部依赖,因为有一部分需要root权限,我是在开启了root权限后装的

root@lin-Inspiron-5521:/home/lin/TDA4/TDA4_Code/lin/ti-processor-sdk-rtos-j721e-evm-07_01_00_11# ./psdk_rtos/scripts/setup_psdk_rtos.sh

这里暂时算是配置好了基本环境,后面打算基于vision apps视觉demo进行学习。

2021-3-29

安装MCU编译环境

TDA4VM区别于TDA2的一个很大的地方是它其中挂载了MCU,MCU里面跑的是RTOS实时操作系统,因为后面需要使用MCU里的dio和CAN进行一些传感器数据的接受和交换,因此这里顺便把MCU的编译环境也装上。

安装IDE:CCS

MCU是用CCS进行代码的修改和编译的(毕竟是TI家的芯片),这和TDA4很多外部挂载的DSP核是一样的。
Ti官网下载处我这里因为不想windows和ubuntu两个系统切来切去,所以下载Linux环境的CCS。
在这里插入图片描述点点点就可以了,但要注意下载相应的支持包。

安装 EB tresos Studio

大致介绍一下这个软件:依靠一致的单一工具环境,利用AUTOSAR开发电子控制单元(ECU)。 EB tresos Studio使您可以配置,验证和生成ECU基本软件(BSW)。(官方介绍哈哈哈= =)
主要由于TDA4里的底层架构是可以直接和AUTOSAR架构对接的,如果不想用RTOS可以用这个软件配置架构,但如果用RTOS,也就是跑程序只跑mcuss的程序而不是mcucal的程序,可以不用装

您可能感兴趣的与本文相关的镜像

GPT-oss:20b

GPT-oss:20b

图文对话
Gpt-oss

GPT OSS 是OpenAI 推出的重量级开放模型,面向强推理、智能体任务以及多样化开发场景

### 如何在 SK-TDA4VM 环境中部署墨香模型或应用 要在 SK-TDA4VM 环境中成功部署墨香模型或应用,需遵循一系列特定的操作流程。以下是详细的说明: #### 1. 准备工作环境 为了确保能够顺利运行墨香模型或应用,首先需要设置好基础开发环境。这包括但不限于安装必要的工具链以及配置硬件设备。 - **进入根用户模式** 输入 `root` 并按回车键直接登录到系统[^1]。 - **验证硬件连接状态** 使用以下命令确认 TDA4VM 开发板已正常启动并处于可用状态: ```bash uname -a ``` #### 2. 配置深度学习框架 TDA4VM 支持多种深度学习框架,通常推荐使用 TI 提供的 EdgeAI 工具集来加载和推理模型。如果墨香是一个预训练好的神经网络模型,则可以按照官方指导完成移植过程[^2]。 - **切换至目标目录** 移动到存储有 C++ demo 的默认位置: ```bash cd /opt/edgeai-gst-apps/apps_cpp/ ``` - **执行测试脚本** 利用现有的 YAML 文件作为参数调用二进制文件来进行初步检测: ```bash ./bin/Release/app_edgeai ../configs/object_detection.yaml ``` 此操作会帮助判断当前环境下是否存在兼容性问题或者性能瓶颈等问题。 #### 3. 导入与优化墨香模型 对于具体的墨香模型而言,可能涉及重新编译、量化或者其他形式的调整以便更好地适配 TDA4VM 的架构特点。 - **利用 PDK 功能模块** 根据德州仪器平台开发套件(PDK),它提供了丰富的底层接口支持,比如 GPIO 控制、I2C 总线通信等功能组件[^3]。通过合理运用这些资源,可以使复杂算法更加高效稳定地运作起来。 - **针对 ARM v8 设计考量** Jacinto™ 7系列处理器采用了先进的ARM®v8指令集结构,具备强大的计算能力和良好的能耗表现[^4]。因此,在实际迁移过程中应当充分考虑到这一点,并尽可能采用原生支持的方法论减少额外开销。 ```python import tensorflow as tf # 加载本地保存下来的 .tflite 版本墨香模型 interpreter = tf.lite.Interpreter(model_path="moxiang_model.tflite") interpreter.allocate_tensors() input_details = interpreter.get_input_details() output_details = interpreter.get_output_details() print(f"Input shape: {input_details[0]['shape']}") ``` 上述代码片段展示了如何借助 TensorFlow Lite 来解析轻量化的机器学习模型实例。 --- ###
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值