第2章开发环境搭建

2、开发环境搭建：交叉编译工具链安装、QEMU模拟器配置、RISC-V开发板选型与准备

好，咱们正式开始动手了。这一章我带你搭环境。

很多人觉得搭环境是体力活，没什么技术含量。我一开始也这么想，直到有一次在项目里因为工具链版本不对，排查了整整两天……嗯，从那以后我再也不敢小看这一步了。环境搭得稳，后面移植模型才能顺风顺水。

2.1 交叉编译工具链安装

先说说什么是交叉编译。说白了，就是在你的x86电脑上，编译出能在RISC-V芯片上跑的程序。你想想看，RISC-V开发板通常资源有限，不可能在上面直接跑gcc。所以我们需要一套交叉编译工具链。

我个人习惯用官方的RISC-V GNU工具链。它最稳定，社区支持也最好。安装方式有两种：源码编译和直接下载预编译包。

2.1.1 源码编译（推荐，但耗时）

如果你时间充裕，我建议你走源码编译。为什么？因为你可以自己控制编译选项，比如选择支持哪些扩展指令集。我在项目中遇到过，预编译包不支持向量扩展，导致模型推理性能上不去，最后只能自己编译。

步骤如下：

# 安装依赖
sudo apt-get install autoconf automake autotools-dev curl python3 python3-pip \
    libmpc-dev libmpfr-dev libgmp-dev gawk build-essential bison flex \
    texinfo gperf libtool patchutils bc zlib1g-dev libexpat-dev

# 克隆仓库
git clone --recursive https://github.com/riscv-collab/riscv-gnu-toolchain
cd riscv-gnu-toolchain

# 配置，这里我选择64位架构，支持ILP32D和LP64D
./configure --prefix=/opt/riscv --with-arch=rv64gc --with-abi=lp64d

# 编译，-j后面的数字根据你CPU核心数来
make -j$(nproc)

编译完成后，把工具链加入PATH：

export PATH=/opt/riscv/bin:$PATH

你可以把它写到 ~/.bashrc 里，省得每次都要手动敲。

我的小技巧： 编译时加上 --enable-multilib 参数，可以同时支持32位和64位。虽然编译时间会长一些，但后面调试不同架构的模型时会方便很多。

2.1.2 使用预编译包（省事）

如果你不想等几个小时编译，直接用预编译包也行。我建议从SiFive或者Bootlin的官方源下载。

# 以Bootlin为例
wget https://toolchains.bootlin.com/downloads/releases/toolchains/riscv64-lp64d/releases/riscv64-lp64d--glibc--stable-2024.02-1.tar.bz2
tar -xjf riscv64-lp64d--glibc--stable-2024.02-1.tar.bz2 -C /opt/
export PATH=/opt/riscv64-lp64d--glibc--stable-2024.02-1/bin:$PATH

验证是否安装成功：

riscv64-unknown-linux-gnu-gcc --version

看到版本信息，就说明工具链能用了。

注意： 预编译包可能不支持最新的RISC-V扩展指令集。如果你要移植的AI模型用到了V扩展（向量指令），建议还是走源码编译，自己加上 --with-arch=rv64gcv。

2.2 QEMU模拟器配置

不是每个人都有RISC-V开发板。就算有，调试起来也麻烦。这时候QEMU就派上用场了。它可以在你的电脑上模拟一个RISC-V环境，跑你编译好的程序。

我个人习惯在QEMU上先做模型推理的功能验证，确认没问题了再烧到板子上。这样能省下大量反复烧录的时间。

2.2.1 安装QEMU

建议从源码编译，这样能确保支持最新的RISC-V特性。

# 安装依赖
sudo apt-get install ninja-build pkg-config libglib2.0-dev libpixman-1-dev

# 克隆QEMU
git clone https://github.com/qemu/qemu
cd qemu

# 配置，只编译RISC-V相关
./configure --target-list=riscv64-softmmu,riscv64-linux-user \
    --enable-debug --enable-kvm

# 编译
make -j$(nproc)

这里我解释一下两个target的区别：

riscv64-softmmu：完整系统模拟，可以启动一个完整的Linux系统
riscv64-linux-user：用户态模拟，只运行单个程序，启动快

做AI模型移植时，我通常先用 linux-user 模式快速验证模型推理结果是否正确，再用 softmmu 模式测试完整的系统级流程。

2.2.2 启动一个RISC-V Linux系统

你需要三个东西：内核镜像、根文件系统、设备树文件。我推荐用OpenSBI + Linux内核的组合。

# 下载预编译好的镜像（来自Fedora RISC-V项目）
wget https://dl.fedoraproject.org/pub/alt/risc-v/releases/virt-builder/images/Fedora-Developer-RISC-V-38-20230523.n.0-sda.raw.xz
unxz Fedora-Developer-RISC-V-38-20230523.n.0-sda.raw.xz

# 启动QEMU
qemu-system-riscv64 \
    -machine virt \
    -cpu rv64,v=true,vext_spec=v1.0 \
    -m 4G \
    -smp 4 \
    -kernel fw_payload.elf \
    -drive file=Fedora-Developer-RISC-V-38-20230523.n.0-sda.raw,format=raw,id=hd0 \
    -device virtio-blk-device,drive=hd0 \
    -netdev user,id=net0 \
    -device virtio-net-device,netdev=net0 \
    -nographic

关键参数说明：

-cpu rv64,v=true,vext_spec=v1.0：启用向量扩展，这对AI模型推理至关重要
-m 4G：分配4GB内存，模型推理时内存不够会直接OOM
-smp 4：4核CPU，模拟多核并行推理

启动后，你会看到一个完整的Linux终端。用 uname -a 确认一下架构：

[root@fedora-riscv ~]# uname -a
Linux fedora-riscv 6.4.0-0.rc5.20230602git0dd3ee311f08.38.fc39.riscv64 #1 SMP Fri Jun 2 17:00:00 UTC 2023 riscv64 GNU/Linux

看到 riscv64 就对了。

我曾经踩过的坑： 一开始我用默认的CPU参数，没加 v=true，结果模型推理时向量指令全部报非法指令错误。排查了半天才发现是QEMU没开启向量扩展支持。所以，记得一定要显式指定CPU特性。

2.3 RISC-V开发板选型与准备

QEMU再好，也只是模拟。真正要跑模型，还得上板子。市面上的RISC-V开发板越来越多，我帮你梳理一下，方便你选型。

2.3.1 主流开发板对比

开发板	芯片	核心数	主频	内存	AI加速	价格区间	适合场景
SiFive HiFive Unmatched	FU740	4核	1.2GHz	8GB DDR4	无专用NPU	~$800	通用模型验证
StarFive VisionFive 2	JH7110	4核	1.5GHz	2/4/8GB LPDDR4	无专用NPU	~$80	入门学习、轻量模型
Allwinner D1 / Nezha	D1 (C906)	1核	1.0GHz	512MB/1GB DDR3	支持RVV 0.7.1	~$50	向量指令实验
T-Head TH1520 (LicheePi 4A)	TH1520	4核	1.8GHz	8/16GB LPDDR4X	支持RVV 1.0 + GPU	~$150	AI模型部署主力
算能 SG2042 (Pioneer Box)	SG2042	64核	2.0GHz	64GB DDR4	无专用NPU	~$2000	服务器级推理

我个人最推荐的是 LicheePi 4A。为什么？它支持RVV 1.0向量扩展，这是AI模型加速的关键。而且价格适中，社区活跃，遇到问题容易找到人问。

2.3.2 开发板准备工作

拿到板子后，别急着上电。先做这几步：

烧录系统：大多数板子支持从SD卡启动。下载官方提供的镜像，用 dd 或 balenaEtcher 烧录到SD卡。
串口连接：用USB转TTL模块连接板子的串口引脚。波特率通常是115200。我第一次用VisionFive 2时，忘了接串口线，结果板子启动了我都不知道……
网络配置：插上网线，或者配置WiFi。后面传输模型文件和交叉编译结果都靠网络。
确认工具链匹配：在板子上运行 uname -m，确认架构是 riscv64。然后交叉编译一个hello world程序，传到板子上运行，验证工具链和板子是否匹配。

# 在PC上交叉编译
riscv64-unknown-linux-gnu-gcc -o hello hello.c

# 传到板子上（假设板子IP是192.168.1.100）
scp hello root@192.168.1.100:/root/

# 在板子上运行
ssh root@192.168.1.100
./hello

看到 Hello, RISC-V! 打印出来，环境就算搭好了。

曾经的血泪教训： 有一次我交叉编译了一个程序，传到板子上运行，结果报 Illegal instruction。查了半天，发现是工具链编译时默认用了RV64GC，但板子芯片只支持RV64GC的子集。所以，一定要确认板子支持的指令集版本，编译时用对应的 -march 和 -mabi 参数。

2.4 环境验证：跑一个简单的AI模型

环境搭好了，咱们跑个简单的模型验证一下。我用Tiny YOLO举个例子，它比较小，适合做功能验证。

# 在PC上交叉编译Tiny YOLO推理程序
riscv64-unknown-linux-gnu-gcc -O2 -march=rv64gcv -mabi=lp64d \
    -o tiny_yolo tiny_yolo.c -lm

# 传到板子
scp tiny_yolo root@192.168.1.100:/root/

# 在板子上运行
ssh root@192.168.1.100
./tiny_yolo

如果一切顺利，你会看到模型加载成功，推理结果输出。嗯，到这里，你的RISC-V AI模型移植环境就正式搭建完成了。

我的习惯： 我会写一个简单的shell脚本，把交叉编译、文件传输、远程执行串起来。这样每次修改代码后，一键就能在板子上验证结果，省得反复敲命令。

📚 课程目录

2、开发环境搭建：交叉编译工具链安装、QEMU模拟器配置、RISC-V开发板选型与准备

2.1 交叉编译工具链安装

2.1.1 源码编译（推荐，但耗时）

2.1.2 使用预编译包（省事）

2.2 QEMU模拟器配置

2.2.1 安装QEMU

2.2.2 启动一个RISC-V Linux系统

2.3 RISC-V开发板选型与准备

2.3.1 主流开发板对比

2.3.2 开发板准备工作

2.4 环境验证：跑一个简单的AI模型