Installed Hexagon SDK, but cannot find the IDE

PandaYoung(Niko)

已于 2024-01-13 17:43:02 修改

阅读量671

点赞数 9

CC 4.0 BY-SA版权

分类专栏：软件开发环境配置文章标签： ide

于 2024-01-08 17:15:42 首次发布

本文链接：https://blog.youkuaiyun.com/py16411/article/details/135462169

文章讲述了在安装HexagonSDK时遇到的问题，即只获取到ide_plugins而无完整Eclipse。解决方法是参考文档下载独立的Eclipse压缩包，手动配置环境变量并使用工具进行依赖安装。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

问题场景：

安装Hexagon SDK时，确认勾选了eclipse选项，但最终SDK目录中仅有ide_plugins文件夹，没有eclipse程序。

原因分析：

可能是下载服务器问题导致的，偶尔包含完整的，大多数情况下仅包含ide_plugins。（嗯。。。我卸载了不下5次，不同版本也尝试了，还试过重装系统🤡）

解决方案：

参考文档 “C:/Qualcomm/Hexagon_SDK/docs/tools/setup.html#sdk-dependencies” 中 “Installing a Missing Dependency” 一章中的 “Available Online Sources for Dependencies” 段落。

先使用这个链接https://www.intrinsyc.com/hexagonsdk/windows/eclipse-cpp-photon-R-win32-...直接下载适用于hexagon的eclipse ide，不用解压，复制下载的压缩包地址即可。

按 Win + R 键，输入 "%TEMP%"

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

PandaYoung(Niko)

关注关注

9
点赞
踩
9

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

Qualcomm_HexagonSDK初入门

u010182064的专栏

12-05

1万+

Qualcomm_HexagonSDK初入门前面两章一直在从硬件部分去探索HexagonDSP的强劲，看我扯了这么多，相信各位读者都会有这么一个疑问：既然它这么强劲，那么我们应该如何开发以及开发都有哪些工具呢。别担心，这一章开始我就将从开发者角度来看待这样一款强劲的芯片如何采纳到我们熟悉的开发阶段以及介绍开发过程中以及Qualcomm官方为我们提供的各种各样让人兴奋的示例与新功能。

Hexagon SDK知识学习

liu31187的专栏

10-25

2154

概述 Qualcomm Snapdragon系列的SoC芯片中，包含了三块具备较大处理能力的计算单元：Krait CPU、Adreno GPU和Hexagon DSP。如何更好的利用这三个计算单元，成为了移动应用开发者们必备的知识。众所周知CPU的整数运算能力很强，GPU的浮点计算能力更强，而DSP在计算方面的特性和GPU还是有一些差别。DSP更倾向于处理有时间序列的任务。比如多媒体编解码任务

1 条评论您还未登录，请先登录后发表或查看评论

Qualcomm Hexagon SDK: Optimize Your Multimedia

11-04

附件为Qualcomm 2104年大会议题

launch_hexagon_ide.cmd

xiaorenwujun的博客

09-04

296

launch_hexagon_ide

Qcom平台通过Hexagon IDE 测试程序性能指导

专注音频，高效工作，快乐生活！

07-16

1763

同样打开当前工程的Properties，在弹出的界面中依次点击Run/Debug Settings >> SHS_haptic_effect（工程名），在弹出的界面中点击Simulator，并在当前界面的Miscellaneous flags框中添加- -profile命令，用于生成gmon文件。注意：如须重新解析新生成的gmon.t_0文件，需将新生成的gmon.t_0文件重新拷贝到该目录下。添加测试案例有两个方法：新建和拷贝，新建适用于代码量小的测试，当测试代码文件较多时，建议使用拷贝。

Hexagon DSP SDK -- 入门

awangqm的博客

03-04

3247

Hexagon DSP SDK -- 入门 Hexagon SDK使aDSP能够定制化，要么通过一般的计算模块（FastRPC）或者自定义的音频编解码和包含在Snapdragon800 and 200设备上的Hexagon aDSP前期处理模块（pp modules）。设置安装程序需要下载和安装所有的Hexagon SDK以来文件。打开一个新

Hexagon SDK 3.5.0

浮生

10-21

411

Hexagon SDK

Hexagon SDK概述

awangqm的博客

10-14

4193

前言 Hexagon DSP与Krait CPU、Adreno GPU是高通晓龙芯片中包含的三块具有较大处理能力的计算单元。其中，CPU和GPU较强的能力分别是整数运算能力和浮点计算能力。而DSP更倾向于处理有时间序列的任务，比如多媒体编解码任务，同时具有功耗低的优势，使用它处理计算任务可以更加省电。Hexagon SDK是Qualcomm出品的一款软件开发包，帮助开发者方便的访问Hexagon

Hexagon DSP SDK -- 实例应用

awangqm的博客

03-04

2906

Hexagon DSP SDK -- 实例应用 Hexagon SDK包含的例子能被当作更先进的音频、动态和FastRPC模块的基点： appi_fir - APPI-based module that applies a FIR filter to audio data　 -基于APPI的模块，应用FIR过滤到音频数据　　 appi_gain -

Hexagon DSP SDK简介与HVX扩展（2）编译

qq_41696458的博客

01-19

2970

下载hexagon dsp sdk（有Linux和windows） (ubuntu上)下载之后解压就是一个.bin执行文件，执行./qualcomm_hexagon_sdk_3_5_2_eval.bin 进行安装。这里建议大家选择FULL Android NDK，虽然Minimal Android NDK的大小会比前者小一些，但是资源的带宽不一样，FULL的应该是Android官方的链接，MInimal的应该是高通的链接，还是FULL Android NDK更快一些。根目录结构：这个SDK是整个H

Hexagon SDK架构分析

awangqm的博客

10-29

4926

Hexagon DSP既然这么强劲，那么我们应该如何开发以及开发都有哪些工具呢。从一章开始我就将从开发者角度来看待这样一款强劲的芯片如何采纳到我们熟悉的开发阶段以及介绍开发过程中以及Qualcomm官方为我们提供的各种各样让人兴奋的示例与新功能。Hexagon SDK给我们提供了使用DSP的统一接口，正是由于它的存在，开发者才能方便地使用DSP各种强劲的功能。 Hexagon SDK目录结构及作

Hexagon IDE使用手册 --- 启动Hexagon IDE（Eclipse）

weixin_42112050的博客

08-03

916

这个页面提供了IDE的简要描述，以及到IDE、Hexagon SDK、Eclipse CDT和Eclipse IDE帮助文件的快速链接。

Hexagon IDE使用手册 ---创建新项目

weixin_42112050的博客

08-03

1249

Hexagon IDE中的项目只是一个目录，它包含了组成程序的所有源文件(以及相关文件和设置)。项目存储在IDE工作区中。本文引导你一步一步地创建、构建、运行和调试你的第一个Hexagon IDE项目。

Ubantu18.04系统安装Hexagon SDK教程

weixin_42112050的博客

08-18

2765

由于需要在Ubantu系统上测试使用Hexagon SDK工具编译事项，故需要在Ubantu系统上安装Hexagon SDK。无奈发现网上资料很少，特此记录，以供参考。

Windows 10下配置高通hexagon sdk环境

lligen_dai的专栏

08-17

3062

下载hexagon_sdk 我使用的是hexagon_sdk_win_3_5_installer_eval_00004_1.zip 解压安装这一步我没有勾选eclipse，等很久才安装完毕配置环境坑主要在这里：按照教程说的执行setup_sdk_env.cmd，但是问题是执行了没用所以我改用直接设置环境变量的方法：此电脑->右键属性…等设置HEXAGON_SDK_ROOT为C:/Qualcomm/Hexagon_SDK/3.5.2 ANDROID_ROOT_DIR默认使用的C:\..

Hexagon SDK之Audio APPI详解

awangqm的博客

12-02

1820

Hexagon SDK中的Audio APPI详解 Hexagon SDK包含一些作为创建新的自定义模型和拓扑定义的模板。可以把它们分为两大类：APPI和CAPI（模版的类别可以通过其名字的appi和capi前缀判定）。本文主要讲解APPI的架构。 APPI：包裹前/后处理算法如上图所示，APPI处于Framework和core Algorithm中间，

Hexagon SDK部分模块架构分析

weixin_42082222的博客

02-27

1137

Hexagon SDK部分模块架构分析 Hexagon SDK能够帮助用户定制和扩展对aDSP的使用。本文具体讲解SDK中比较有代表的性的模块的架构，以便我们更好的学习、研究和使用。 Audio 音频框架提供了和音频硬件交互的端口。音频框架主要有三部分组成：encoders/decoders，pre/post processing topologies和 mixer。 ...

Hexagon SDK camera_streaming example demo运行方法

weixin_42112050的博客

08-10

1639

注意:本样例适用于sm8250/sm7250/sm8350。对于其他目标如msm8998, sdm660, sdm485, sm8150, sm7150, sm6125等。请参阅Example_legacy.html。相机流的样例为hvx_app_add_constant，可以在Hexagon_SDK目录下找到。这个简单的样例展示了开发人员如何使用相机流框架提供的实用程序来开发用于拜耳像素数据处理的相机流样例。在设备上运行样例之前，请确保已准备好Hexagon_SDK运行依赖关系。...

Hexagon SDK之Audio CAPI详解

awangqm的博客

12-02

2624

Hexagon SDK中的Audio CAPI详解 Hexagon SDK包含一些作为创建新的自定义模型和拓扑定义的模板。可以把它们分为两大类：APPI和CAPI（模版的类别可以通过其名字的appi和capi前缀判定）。本文主要讲解CAPI的架构。 CAPI：包裹音频编解码算法如上图所示，CAPI处于Framework和Core Codec Alg

解决这个问题后，又遇到Your installed Caffe2 version uses CUDA but I cannot find the CUDA

最新发布

03-08

<think>嗯，用户之前解决了find_package找不到Torch的问题，现在又遇到了关于CUDA找不到的错误。这个新问题应该和CUDA的配置有关。我需要先理清楚问题出现的原因。用户可能已经正确设置了LibTorch的路径，但CUDA相关的依赖没有被正确检测到。首先，错误信息提示Caffe2需要CUDA但找不到，说明LibTorch可能是用CUDA支持的版本编译的，而系统中没有正确配置CUDA环境。可能用户安装的是CUDA版本的LibTorch，但系统中缺少CUDA工具包或者CMake没有找到CUDA的路径。接下来，我应该考虑几个可能的解决方案。首先，检查CUDA是否正确安装。用户可能需要确认CUDA是否安装，版本是否匹配。例如，LibTorch可能要求特定版本的CUDA，比如11.7或11.8，如果用户安装的是其他版本，可能会有问题。然后，可能需要设置CUDA的环境变量，比如CUDA_TOOLKIT_ROOT_DIR，或者在CMake中指定CUDA的路径。另外，用户可能需要在CMakeLists.txt中添加find_package(CUDA)来让CMake检测CUDA的存在。另外，用户可能安装了仅CPU版本的LibTorch，但代码中却尝试使用CUDA功能。这时候需要确认下载的LibTorch是否正确，是否需要重新下载支持CUDA的版本。还有可能，用户的环境变量如PATH中没有包含CUDA的bin目录，或者LD_LIBRARY_PATH（Linux）或DYLD_LIBRARY_PATH（Mac）没有设置CUDA的库路径，导致运行时找不到CUDA的动态库。此外，CMake版本也是一个需要注意的点，旧版本的CMake可能对CUDA的支持不够好，需要确保CMake版本符合要求。总结起来，可能的解决步骤包括：确认CUDA安装、设置环境变量、在CMake中指定CUDA路径、检查LibTorch版本是否正确、以及确保系统路径正确。需要一步步引导用户检查这些方面，并提供具体的命令行或配置示例，比如如何在CMakeLists中添加CUDA的查找，如何设置环境变量等。同时，给出验证的方法，比如运行nvidia-smi或编译示例代码，来确认CUDA是否正确安装和配置。</think>当解决`find_package(Torch)`问题后遇到以下错误： ``` Your installed Caffe2 version uses CUDA but I cannot find the CUDA ``` 这意味着 **LibTorch的CUDA版本需要CUDA运行时支持，但系统未正确配置**。以下是系统性解决方案： --- ### 1️⃣ 确认CUDA版本兼容性 - **查看LibTorch要求的CUDA版本**： ```bash # 进入LibTorch目录 cat /path/to/libtorch/build-version # 输出类似 "1.13.0 cu117" ``` 其中`cu117`表示需要CUDA 11.7 - **验证本地CUDA版本**： ```bash nvcc --version # 查看CUDA编译器版本 nvidia-smi # 查看驱动支持的最高CUDA版本 ``` **必须保证本地CUDA版本 ≥ LibTorch要求版本** --- ### 2️⃣ 配置CUDA环境变量在CMakeLists.txt中**显式声明CUDA路径**： ```cmake # 方式1：直接设置CUDA路径 set(CUDA_TOOLKIT_ROOT_DIR "/usr/local/cuda-11.7") # 修改为实际路径 # 方式2：通过find_package自动查找 find_package(CUDA REQUIRED) # 需在find_package(Torch)之前调用 ``` --- ### 3️⃣ 完整CMake配置示例 ```cmake cmake_minimum_required(VERSION 3.18) project(MyProject) # 设置CUDA路径（必须放在Torch配置之前） set(CUDA_TOOLKIT_ROOT_DIR "/usr/local/cuda-11.7") find_package(CUDA REQUIRED) # 配置LibTorch set(Torch_DIR "/path/to/libtorch/share/cmake/Torch") find_package(Torch REQUIRED) add_executable(my_app main.cpp) target_link_libraries(my_app "${TORCH_LIBRARIES}" CUDA::cudart # 显式链接CUDA运行时库 ) ``` --- ### 4️⃣ 运行时环境配置即使编译成功，运行时仍可能报错，需配置库路径： #### Linux/MacOS ```bash export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH export LD_LIBRARY_PATH=/path/to/libtorch/lib:$LD_LIBRARY_PATH ``` #### Windows ```powershell $env:Path += ";C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin" $env:Path += ";C:\libtorch\lib" ``` --- ### 5️⃣ 常见问题排查 | 现象 | 解决方案 | |-------|---------| | `error: identifier "cudaStreamNonBlocking" is undefined` | 确认CUDA头文件路径包含在`include_directories()`中 | | `libcudart.so.11.7: cannot open shared object file` | 检查`LD_LIBRARY_PATH`是否包含CUDA库路径 | | CUDA版本不匹配（如LibTorch需要11.7但系统装的是11.6） | 下载对应版本的LibTorch或升级CUDA工具包 | | 使用CPU-only版LibTorch却启用了CUDA | 下载时选择CPU版本：https://download.pytorch.org/libtorch/cpu/libtorch-cxx11-abi-shared-with-deps-2.0.1%2Bcpu.zip | --- ### 6️⃣ 验证CUDA可用性在代码中添加验证逻辑： ```cpp #include <torch/torch.h> int main() { std::cout << "CUDA available: " << torch::cuda::is_available() << std::endl; std::cout << "CUDA devices: " << torch::cuda::device_count() << std::endl; return 0; } ``` 预期输出： ``` CUDA available: 1 CUDA devices: 1 ```