一、前期安装

1、安装ncurses库（已经包含了，其他的os需要安装）

sudo apt install libncurses5

二、安装

sudo ./xsetup

使用lic进行激活。

三、安装后

输入指令

sudo gedit  ~/.bashrc

末尾添加

source /opt/Xilinx/Vivado/2019.1/settings64.sh
source /opt/Xilinx/SDK/2019.1/settings64.sh

四、下载对应的库文件

https://download.csdn.net/download/qq_36666115/88519995

五、构建库

在这里插入图片描述
进入目录

make -C library/ all

在这里插入图片描述

六、构建项目

进入项目

在这里插入图片描述
构建一个项目

make -C pluto/

在这里插入图片描述

七、使用Vivado打开工程

在这里插入图片描述

vivado pluto.xpr

在这里插入图片描述
打开bd文件
在这里插入图片描述
在这里插入图片描述

八、no-OS SDK搭建

8.1 匹配正确的版本

在这里插入图片描述

8.2 下载代码

git clone --recursive https://github.com/analogdevicesinc/no-OS

切换分支 2019_r2

git checkout 2019_R2

8.3 启动SDK

8.4 创建 AD9361程序

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

方法二

拷贝 hdf文件到no-OS下

# ubuntu # linux # 运维
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局