原创 sunxi:[1]Orange Pi Zero U-Boot啓動剖析
全面剖析U-Boot with SPL啓動過程: U-Boot SPL 2017.03-rc2-gc7a25b3-dirty (Mar 15 2017 - 17:35:37) common/spl/spl.c:preloader_
原创 linux驅動:[1]LED驅動/dev/led
linux驅動:[1]LED驅動/dev/led LED Linux驅動程序 測試平臺: Xunlong Orange Pi Zero 代碼一覽(解析見下方) 驅動程序以及Makefile如下: sun8i_opizero_le
原创 使用Git製作和提交patch
使用Git製作和提交patch 背景概況 現在很多大型的開源項目,如:Linux, U-Boot,都是通過patch來提交代碼的。 普通開發者從軟件倉庫git clone下代碼,修改代碼、製作patch,最後用E-mail發送給對
原创 【福利】小米手機修改MAC地址教程
小米手機修改MAC地址教程 MAC(Media Access Control或者Medium Access Control)地址,意譯爲媒體訪問控制,或稱爲物理地址、硬件地址,用來定義網絡設備的位置。在OSI模型中,第三層網絡層負
原创 ARM 彙編指令學習:[1]ARM指令尋址方式
ARM 彙編指令學習:[1]ARM指令尋址方式 一、數據處理指令的操作數的尋址方式 <opcode>{<cond>}{S} <Rd>,<Rn>,<shifter_operand> <shifter_operand>通常具有下面3
原创 U-Boot學習:[0]global_data 和 bd_info
U-Boot學習:[0]global_data 和 bd_info 基於U-Boot 2017.03-rc2-gc7a25b3-dirty 源碼分析 global_data global_data 數據結構 global_d
原创 ARM 彙編指令學習:[2]ARM指令集
ARM 彙編指令學習:[2]ARM指令集 一、跳轉指令 1、 B(跳轉指令)及BL(帶返回跳轉指令) B{L}{<cond>} <target_address> 其中: L 決定是否保存當前PC寄存器地址到LR寄存器中。
原创 【教程】在Ubuntu下搭建ARM處理器 arm-linux-gcc 交叉編譯環境以及OpenJTAG + openocd 燒寫環境
在Ubuntu下搭建ARM處理器 arm-linux-gcc 交叉編譯環境以及OpenJTAG + openocd 燒寫環境 前言 本教程所用操作系統爲Ubuntu 16.04,所用ARM處理器爲Samsung S3C2440,
原创 sunxi:[0]全志SoC啓動過程
sunxi學習:[0]全志SoC啓動過程分析 參考:linux-sunxi.org 啓動流程:Boot ROM→SPL→U-boot(→Kernel→RootFileSystem) 一、BROM階段 全志SoC有一個非常具體
原创 ARM 彙編指令學習:[0]編碼格式與條件碼域
ARM 彙編指令學習:[0]編碼格式與條件碼域 一、ARM指令的編碼格式 31 28 27 21 20 19 16 15 12 11 0 cond opcode S Rn Rd shifter_operand
原创 CMake學習
CMake學習 參考自《Cmake Practice –Cjacker》 基本語法規則 變量的引用 ${variable} 變量使用${}方式取值,但是在 IF 控制語句中是直接使用變量名。 環境變量的引用 $ENV{NA
原创 Git撤銷commit
Git撤銷commit 使用git log命令查看最近所有的commit記錄: $ git log 會出現類似這樣的一系列信息: commit ad76aaaac6d34f7cf4404547dc50bd5961204dbb Au
原创 用TensorFlow搭建一個全連接神經網絡
用TensorFlow搭建一個全連接神經網絡 說明 本例子利用TensorFlow搭建一個全連接神經網絡,實現對MNIST手寫數字的識別。 先上代碼 from tensorflow.examples.tutorials.mnist
原创 YOLOv1, SSD
YOLOv1, SSD 今年四月份的時候,在一個研究院實習時學習了YOLOv1, SSD系列Object Detection框架,現在總結一下。關於R-CNN系列框架的總結在上一篇blog。 一. YOLOv1(You Only Look
原创 PCA+SVM人臉識別
PCA+SVM人臉識別 PCA介紹 主成分分析(Principal Component Analysis, 簡稱PCA)是常用的一種降維方法. 算法步驟: 輸入: 樣本集 D={x1,x2,...,xm}D={x1,x2,...,xm