2. 开发环境搭建：安装Python、配置虚拟环境、安装ONNX Runtime与TensorFlow Lite、串口驱动验证

好，咱们正式开始动手了。

这一章，说白了就是给你的电脑「武装」起来。我见过太多人，模型选好了、硬件买回来了，结果卡在环境配置上，一卡就是半天。嗯，咱们不干那种事。

我会带你一步步装好Python、配好虚拟环境、把ONNX Runtime和TensorFlow Lite这两个推理引擎装稳，最后再验证一下串口驱动——这是物联网终端和电脑对话的「嘴巴」。

2.1 安装Python：选对版本，少走弯路

我个人习惯用Python 3.8到3.10之间的版本。为什么？因为ONNX Runtime和TensorFlow Lite对3.11、3.12的支持有时候会出些小毛病。我在项目中遇到过，装了半天发现某个库不兼容，最后还得降版本，浪费时间。

推荐版本：Python 3.9.13（稳定，兼容性好）

下载地址：https://www.python.org/downloads/release/python-3913/

安装时注意两个细节：

• 勾选「Add Python to PATH」——这个忘了，后面命令行里打python会报错
• 安装路径不要有中文和空格——我见过有人装在「程序文件」目录下，后面一堆坑

2.2 配置虚拟环境：隔离项目，避免冲突

你想想看，你手上可能同时有好几个项目。一个用TensorFlow 2.4，一个用2.10，还有一个用ONNX Runtime 1.12。如果不隔离，它们会互相打架。

我推荐用 venv，Python自带的，轻量够用。

打开终端，进到你的项目目录，执行：

# 创建虚拟环境（名字叫 ai_env，你可以自己改）
python -m venv ai_env

# 激活虚拟环境
# Windows:
ai_env\Scripts\activate

# macOS / Linux:
source ai_env/bin/activate

激活后，命令行前面会出现 (ai_env) 字样。这时候你装的所有库，都只在这个环境里生效。

2.3 安装ONNX Runtime

ONNX Runtime是微软开源的推理引擎，专门跑ONNX格式的模型。咱们后面会把训练好的模型转成ONNX，然后用它来推理。

安装很简单，一行命令：

pip install onnxruntime

如果你想用GPU加速（如果你的电脑有NVIDIA显卡），装这个：

pip install onnxruntime-gpu

装完后验证一下：

python -c "import onnxruntime; print(onnxruntime.__version__)"

如果打印出版本号，说明装好了。

2.4 安装TensorFlow Lite

TensorFlow Lite是Google为移动端和嵌入式设备准备的轻量级推理引擎。咱们的物联网终端，比如树莓派、Jetson Nano，跑的就是它。

安装命令：

pip install tflite-runtime

注意，不是 tensorflow，是 tflite-runtime。后者只有推理功能，没有训练功能，体积小很多。咱们做嵌入式部署，用这个就够了。

验证：

python -c "import tflite_runtime.interpreter as tflite; print('TFLite runtime OK')"

如果没报错，就说明装好了。

2.5 串口驱动验证：让电脑和终端「说上话」

物联网终端一般通过串口（UART）和电脑通信。比如ESP32、STM32，都是通过USB转串口连到电脑。

首先，安装串口通信库：

pip install pyserial

然后，把终端设备通过USB线连到电脑。打开设备管理器（Windows）或终端（macOS/Linux），看看串口号是什么。

• Windows：设备管理器 → 端口（COM和LPT）→ 看到类似 USB Serial Port (COM3)
• macOS：终端输入 ls /dev/tty.*，看到类似 /dev/tty.usbserial-XXXX
• Linux：终端输入 ls /dev/ttyUSB*，看到类似 /dev/ttyUSB0

写一小段Python代码验证通信：

import serial

# 把 COM3 换成你的实际串口号
ser = serial.Serial('COM3', 115200, timeout=1)
print(f"串口 {ser.port} 已打开")

# 发送一条数据
ser.write(b"Hello from AI\r\n")

# 读取回应
response = ser.readline()
print(f"收到: {response}")

ser.close()

如果终端设备有回应，说明串口通信正常。如果报错 SerialException，大概率是串口号不对，或者驱动没装好。

2.6 环境验证清单

最后，咱们来个快速检查。把下面这段代码跑一遍，所有环境就都验证了：

import sys
import onnxruntime
import tflite_runtime.interpreter as tflite
import serial

print(f"Python 版本: {sys.version}")
print(f"ONNX Runtime 版本: {onnxruntime.__version__}")
print(f"TFLite Runtime: OK")
print(f"PySerial: OK")
print("所有环境搭建完成！")

如果全部打印成功，恭喜你，开发环境已经搭好了。

下一章，咱们开始真正接触模型——把训练好的模型转成ONNX和TFLite格式，然后部署到终端上跑。嗯，那才是真正有意思的部分。