radxa-docs · Milir-Radxa · Jul 1, 2026 · Jul 1, 2026 · Jul 1, 2026
@@ -1,7 +1,18 @@
+# OS files
+.DS_Store
+
+# Dependencies
+/node_modules/
+
+# IDE / editor local state
+/.vs/
+
+# Local agent configuration
+/.claude/
+/.opencode/
+/AGENTS.md
+/opencode.json
+
 # Auto-generated JSON files
 /static/json/baidu_tongji_data.json
 /static/json/commit_update_data.json
-.DS_Store
-/.vs
-node_modules
-.claude
@@ -0,0 +1,126 @@
+---
+sidebar_position: 4
+doc_kind: page
+locale: zh
+board: dx-m1
+task_type: getting-started
+last_verified: 2026-06-30
+---
+
+# Windows 平台支持
+
+智核 DX-M1 / DX-M1M 支持 Windows 10 / 11 x64 平台。本页介绍驱动安装、运行时配置及应用示例，帮助你快速在 Windows 上使用 NPU 推理。
+
+## 使用前提
+
+- **硬件**：智核 DX-M1 或 DX-M1M 模组，已通过 PCIe / M.2 接口接入主机
+- **操作系统**：Windows 10 或 Windows 11（x64）
+- **运行库**：[Microsoft Visual C++ 2015-2022 Redistributable (x64)](https://aka.ms/vs/17/release/vc_redist.x64.exe)
+- **权限**：管理员权限（驱动安装和服务注册需要）
+
+## 驱动安装
+
+智核 DX-M1 / DX-M1M 在 Windows 上通过 PCIe 接口通信，需安装配套驱动。
+
+1. 解压 `dx_rt_windows` 软件包，进入 `m1/v3.2.0/dxm1drv/` 目录
+2. 解压 `dxm1drv.zip`，得到 `dxm1drv.inf`、`dxm1drv.sys`、`dxm1drv.cat`
+3. 右键点击 `dxm1drv.inf`，选择 **安装**
+4. 安装完成后，打开设备管理器，在 **处理加速器 (Processing accelerators)** 下应能看到 **DEEPX DEVICE - M1 PCI CONTROLLER**
+
+## 运行时安装
+
+驱动安装完成后，安装运行时守护进程。
+
+1. 以管理员身份打开 **命令提示符 (cmd)** 或 **PowerShell**
+2. 进入运行时目录（以 v3.2.0 为例）：
+
+```bash
+cd m1\v3.2.0\dx_rt\bin
+```
+
+3. 注册并启动 DXRT 守护进程：
+
+```bash
+dxrtd.exe --install
+dxrtd.exe --start
+```
+
+`dxrtd.exe` 注册为 Windows 服务后，系统启动时会自动运行。你也可以使用 `services.msc` 管理该服务。
+
+:::tip 版本选择
+`v3.2.0` 和 `v3.3.1` 使用相同的驱动，可按需选用。`v3.2.0` 提供完整的驱动 + 运行时 + 应用示例；`v3.3.1` 仅包含运行时。
+:::
+
+## 设备验证
+
+使用 `dxrt-cli.exe` 验证 NPU 设备是否正常识别：
+
+```bash
+dxrt-cli.exe -s
+```
+
+正常输出应显示设备信息，类似：
+
+```text
+Device Information:
+  Device ID: 0
+  Device Name: DX-M1
+  Firmware Version: ...
+  Status: Ready
+```
+
+你也可以使用 `dxtop.exe` 实时监控 NPU 状态：
+
+```bash
+dxtop.exe
+```
+
+## 应用示例
+
+### 演示应用（v3.0.2，推荐）
+
+`m1/v3.2.0/dx_app/v3.0.2/` 提供预编译的演示程序，涵盖目标检测、人脸识别、姿态估计、语义分割等任务。
+
+1. 首次使用需运行 `m1/v3.2.0/dx_app/setup.bat` 下载模型和示例视频
+2. 运行交互式菜单：
+
+```bash
+cd m1\v3.2.0\dx_app\v3.0.2
+run_demo.bat
+```
+
+3. 按菜单提示选择对应模型即可运行推理演示
+
+常用模型包括 `yolov5_sync`、`yolov8_sync`、`scrfd_sync`、`efficientnet_sync` 等，均提供同步 (`_sync`) 和异步 (`_async`) 两种模式。
+
+### Python 接口
+
+安装 Python wheel 包后可直接在 Python 中调用 NPU：
+
+```bash
+# 根据 Python 版本选择对应的 wheel（支持 Python 3.10 ~ 3.14）
+pip install m1\v3.2.0\dx_rt\python\dx_engine-1.1.4-cp312-cp312-win_amd64.whl
+```
+
+Python CLI 推理示例：
+
+```bash
+python m1\v3.2.0\dx_rt\python\cli\run_model.py -m <model.dxnn> -l 100
+```
+
+Python API 调用示例：
+
+```python
+from dx_engine import InferenceEngine
+
+engine = InferenceEngine()
+engine.load_model("model.dxnn")
+engine.run()
+```
+
+## 故障排除
+
+- **设备管理器中看不到 DEEPX 设备**：检查 PCIe / M.2 物理连接，确认模组已正确插入。尝试重新扫描硬件（`devmgmt.msc` → 操作 → 扫描检测硬件改动）。
+- **dxrt-cli.exe -s 报错**：确认 `dxrtd.exe` 已启动（`services.msc` 中查看 `DXRT Daemon` 服务状态）。
+- **运行 demo 无输出**：确认已执行 `setup.bat` 下载模型和视频文件，网络需能访问 `sdk.deepx.ai`。
+- **VC++ 报错**：确认已安装 Microsoft Visual C++ 2015-2022 Redistributable (x64)。
@@ -126,14 +126,17 @@ gst-ai-classification --config-file=/etc/configs/config_classification.json
 | [事件编码器](./event-encoder.md)                             | 检测事件编码输出   | YOLOX                                    | DSP        |
 | [元数据解析](./metadata-parser.md)                           | 检测结果元数据导出 | YOLOX                                    | DSP        |
 | [多流推理](./multistream-inference.md)                       | 多路同步检测       | YOLOX                                    | DSP        |
+| [多流批量推理](./multistream-batch-inference.md)             | 批量多路检测       | YOLOv8 (batch=4)                         | DSP        |
+| [多输入多输出](./multi-input-output.md)                      | 多路输入输出检测   | YOLOv5                                   | DSP        |
 | [人脸检测](./face-detection.md)                              | 人脸关键点检测     | Lightweight Face Detection               | DSP        |
 
 > 完整列表参见 [IM SDK 参考手册](https://docs.qualcomm.com/doc/80-70020-50SC/topic/download-model-and-label-files.html) 第 3 章。
 
 ## 参考
 
-- [Python GStreamer 应用](./python-apps.md) — Python 绑定示例
-- [源码编译](./build-from-source.md) — 在设备上编译自定义 GStreamer 应用
+- [Python GStreamer 应用](./python-apps.md) — Python 方式，适合自定义前后处理
+- [源码编译](./build-from-source.md) — C/C++ 方式，适合深度定制插件
+- [模型导出](./model-export.md) — 自行导出 YOLOv5/YOLOv8 模型
 
 ## 排障
 
@@ -144,7 +147,7 @@ gst-ai-classification --config-file=/etc/configs/config_classification.json
 <NewCodeBlock tip="radxa@airbox$" type="device">
 
 ```bash
-ls $XDG_RUNTIME_DIR/$WAYLAND_DISPLAY
+ls $XDG_RUNTIME_DIR/wayland-0
 ```
 
 </NewCodeBlock>

@@ -1,61 +1,103 @@
 ---
-sidebar_position: 16
+sidebar_position: 18
 doc_kind: page
 locale: zh
 board: airbox-q900
 task_type: ai-dev
-last_verified: 2026-06-24
+last_verified: 2026-06-30
 ---
 
 # 源码编译
 
-QIM SDK 的所有 GStreamer 插件和示例应用已通过 [apt 安装](./README.md#安装) 提供预编译包，一般情况下无需自行编译。
+前面的 [Demo](./README.md#可用示例应用)（`gst-ai-*`）和 [Python 应用](./python-apps.md) 使用的是 apt 预编译的 GStreamer 插件。如果你需要**修改插件源码**（如定制后处理逻辑、添加自定义模型支持）或**写自己的 C/C++ 推理程序**，可以在设备上直接编译。
 
-你也可以在设备上直接编译源码，用于以下场景：
+## Hello-QIM：最小 C/C++ 示例
 
-- 修改插件源码，定制后处理逻辑或添加自定义模型支持
-- 调试插件内部行为
-- 需要与预编译包不同的编译选项
+Hello-QIM 是一个最小可运行的 GStreamer 应用，展示如何用 C++ 创建 pipeline 并获取摄像头帧。适合作为自定义应用的起点。
 
-编译产物包括 34 个 GStreamer 插件动态库（`.so`），覆盖 AI 推理引擎（`mltflite`、`mlqnn`、`mlsnpe`）、预处理（`mlvconverter`）、后处理（`mlpostprocess` 等）、视频处理（`vcomposer` 等）。详见下方步骤。
+### 下载源码
 
-## 前提条件
+<NewCodeBlock tip="radxa@airbox$" type="device">
 
-- 已完成 [QIM SDK 安装](./README.md#安装)
+```bash
+git clone https://github.com/quic/sample-apps-for-qualcomm-linux
+cd sample-apps-for-qualcomm-linux/Hello-QIM
+```
 
-## 安装编译依赖
+</NewCodeBlock>
+
+### 准备源文件
 
 <NewCodeBlock tip="radxa@airbox$" type="device">
 
 ```bash
-sudo apt-add-repository -s ppa:ubuntu-qcom-iot/qcom-ppa
-sudo apt update
-sudo apt install -y \
-    qcom-adreno-dev \
-    libgstreamer1.0-qcom-sample-apps-utils-dev
+cp main.cc gst-appsink.cc
 ```
 
 </NewCodeBlock>
 
-## 编译 QIM 插件（从源码）
+### 创建 Makefile
+
+```makefile
+CC = g++
+CFLAGS = -Wall -g $(shell pkg-config --cflags gstreamer-1.0)
+LDFLAGS = $(shell pkg-config --libs gstreamer-1.0)
+
+all: gst-appsink
+
+gst-appsink: gst-appsink.o
+	$(CC) -o $@ $^ $(LDFLAGS)
+
+gst-appsink.o: gst-appsink.cc
+	$(CC) $(CFLAGS) -c $<
+
+clean:
+	rm -f gst-appsink gst-appsink.o
+```
 
-### 步骤 1：下载 QIM 源码
+### 编译并运行
 
 <NewCodeBlock tip="radxa@airbox$" type="device">
 
 ```bash
-cd ~
-apt source gst-plugins-qti-oss
-cd gst-plugins-qti-oss-*
+make
+./gst-appsink -w 1280 -h 720
 ```
 
 </NewCodeBlock>
 
-### 步骤 2：CMake 编译
+预期输出：
+
+```text
+Hello-QIM: Success creating pipeline and received camera frame.
+```
+
+> 如果设备没有连接摄像头，pipeline 创建仍然会成功，只是收不到帧。
+
+## 编译 QIM 插件（进阶）
+
+如果需要修改 GStreamer 插件本身（而不仅仅是调用插件），可以从源码编译全部插件。
+
+### 安装编译依赖
 
 <NewCodeBlock tip="radxa@airbox$" type="device">
 
 ```bash
+sudo apt install -y \
+    qcom-adreno-dev \
+    libgstreamer1.0-qcom-sample-apps-utils-dev
+```
+
+</NewCodeBlock>
+
+### 下载并编译
+
+<NewCodeBlock tip="radxa@airbox$" type="device">
+
+```bash
+cd ~
+apt source gst-plugins-qti-oss
+cd gst-plugins-qti-oss-*
 mkdir build && cd build
 
 cmake \
@@ -71,27 +113,12 @@ cmake \
    ..
 
 make -j$(nproc)
-```
-
-</NewCodeBlock>
-
-### 步骤 3：安装
-
-<NewCodeBlock tip="radxa@airbox$" type="device">
-
-```bash
 sudo make install
 ```
 
 </NewCodeBlock>
 
-### 步骤 4：验证
-
-```bash
-ls /usr/lib/aarch64-linux-gnu/gstreamer-1.0/libgstqti*.so | wc -l
-```
-
-编译安装约 34 个插件动态库，输出如 `libgstqtimltflite.so`、`libgstqtimlvclassification.so` 等。
+编译安装约 34 个插件动态库（`libgstqtimltflite.so`、`libgstqtimlvclassification.so` 等）。
 
 ## 排障
 
@@ -107,7 +134,7 @@ pkg-config --modversion gstreamer-1.0
 
 </NewCodeBlock>
 
-如果提示找不到，安装：
+如果提示找不到：
 
 <NewCodeBlock tip="radxa@airbox$" type="device">
 
@@ -116,7 +143,3 @@ sudo apt install libgstreamer1.0-dev
 ```
 
 </NewCodeBlock>
-
-## 参考
-
-- [Python GStreamer 应用](./python-apps.md) — Python 开发方式
@@ -1,5 +1,5 @@
 ---
-sidebar_position: 13
+sidebar_position: 15
 doc_kind: page
 locale: zh
 board: airbox-q900

@@ -1,5 +1,5 @@
 ---
-sidebar_position: 14
+sidebar_position: 16
 doc_kind: page
 locale: zh
 board: airbox-q900