上回说到我的vf2小板子启动deepin失败，最终投入了debian的怀抱，本帖就记录一下这周后续的折腾情况。

这周的主要目标如下：

• 搭建一个基于vue3的前端
• 搭建一个基于python3的后端
• 允许用户从局域网访问该网页
• 主功能是为分析用户上传的图片的场景

网页前后端的代码我均在上周写完并在我的x86笔记本电脑上测试通过，目前的问题主要在如何把这些东西部署到开发板。

首先网页前端托管非常简单，直接扔给nginx即可。只是如果你是用的老版本vf2镜像，那么nginx是有可能起不来的，需要更新镜像到最新版本。而对于这类简单静态网页而言，在debian镜像里，nginx的部署也非常简单：

• apt install nginx
• 查看nginx的配置文件，找到网页根目录
• 将构建好的html文件和其它的资源包复制过去

不出意外，复制完成后就能从局域网内访问它了，比如直接在手机或者PC上打开浏览器输入http://192.168.0.15，再回车，就能看到之前写的网页了。

由于我采用的是前后端分离策略，单独一个网页并不能分析图片的内容（如果配置了wasm就可以），于是这个时候开始折腾python后端。

这里需要注意的是，pypi上绝大部分的python包是没有risc-v版的，我所使用的推理框架ncnn就属于这类情况。如果直接执行pip3 install ncnn，在x86机器的risc-v docker里将会遭遇无穷无尽的编译地狱，而在vf2这种板子上，将会遭遇无法从pip安装cmake的问题，我折腾了两天，终于明白了最佳的处理方式：

• 对于常见包：opencv，numpy等，debian的risc-v仓库内已经有对应的包了，它们均为python3开头，使用apt直接安装后，pip3和python3内部均可识别和使用
• 对于冷门包：比如ncnn，建议就通过apt装好依赖，直接拉源码然后sudo python3 setup.py install吧，当然如果能搭建好交叉构建环境，在高性能的x86机器上完成wheel包制作则更好
• 对于cmake这个奇葩：如果非要在python里面使用它，则：
• • 直接去pypi下载源码
  • 禁用cmake文件中的单元测试项
  • 在它解压源码并准备编译的时候暂停，然后将源码中的 std::atomic替换为 std::atomic_uint 以规避某个符号问题（对应的true，false，逻辑运算等也要修改，C++萌新可能会懵逼），又或者在cmake文件中设置额外链接到 libatomic这个库也行（增加链接库的方法未测试，我用修改源码的方式解决的）
  • 执行sudo python3 setup.py install，或者在交叉构建环境中制作wheel包

最后的最后，我终于在我手机上看到了结果：

至此第二阶段折腾完毕，我的vf2不仅运行了网页，而且还跑了一个基于深度学习的图片识别应用（虽然模型就10MB不到=。=）