2. 开发环境配置

首先检查当前系统环境是否满足Ubuntu 22.04和Python 3.10。如不满足，请进行下一节 基础环境配置 ；如满足，直接跳至 TPU-MLIR 安装 。

2.1. 基础环境配置

可以从SDK包中获取所需的镜像文件 tpuc_dev_v3.4.tar.gz:

1$ docker load -i tpuc_dev_v3.4.tar.gz

如果是首次使用Docker，可执行下述命令进行安装和配置（仅首次执行）：

1$ sudo apt install docker.io
2$ sudo systemctl start docker
3$ sudo systemctl enable docker
4$ sudo groupadd docker
5$ sudo usermod -aG docker $USER
6$ newgrp docker

若下载镜像文件，则需要确保镜像文件在当前目录，并在当前目录创建容器如下:

# 使用 --privileged 参数以获取root权限，如果不需要root权限，请删除该参数
$ docker run --privileged --name myname -v $PWD:/workspace -it tpuc_dev:v3.4

其中， myname 为容器名称，可以自定义； $PWD 为当前目录，与容器的 /workspace 目录同步。

后文假定用户已经处于 docker 里面的 /workspace 目录。

2.2. 安装TPU-MLIR

目前支持2种安装方法，分别是在线安装和离线安装。

在线安装

直接从pypi下载并安装，默认安装最新版：

$ pip install tpu_mlir

离线安装

从Github的处下载最新的 tpu_mlir-*-py3-none-any.whl，然后使用pip安装:

$ pip install tpu_mlir-*-py3-none-any.whl

2.3. 安装TPU-MLIR依赖

TPU-MLIR在对不同框架模型处理时所需的依赖不同，在线安装和离线安装方式都需要安装额外依赖。

在线安装

在线安装方式对于 onnx 或 torch 生成的模型文件，可使用下方命令安装额外的依赖环境:

# 安装onnx依赖
$ pip install tpu_mlir[onnx]
# 安装torch依赖
$ pip install tpu_mlir[torch]

目前支持5种配置:

onnx, torch, tensorflow, caffe, paddle

可使用一条命令安装多个配置，也可直接安装全部依赖环境:

# 同时安装onnx, torch, caffe依赖
$ pip install tpu_mlir[onnx,torch,caffe]
# 安装全部依赖
$ pip install tpu_mlir[all]

离线安装

同理，离线安装方式可使用下方命令安装额外的依赖环境：

# 安装onnx依赖
$ pip install tpu_mlir-*-py3-none-any.whl[onnx]
# 安装全部依赖
$ pip install tpu_mlir-*-py3-none-any.whl[all]