- Java锁的逻辑(结合对象头和ObjectMonitor)
- 还在用饼状图?来瞧瞧这些炫酷的百分比可视化新图形(附代码实现)⛵
- 自动注册实体类到EntityFrameworkCore上下文,并适配ABP及ABPVNext
- 基于Sklearn机器学习代码实战
这里分享嵌入式领域有用有趣的项目/工具以及一些热点新闻,农历年分二十四节气,希望在每个交节之日准时发布一期.
本期刊是开源项目(GitHub: JayHeng/pzh-mcu-bi-weekly ),欢迎提交 issue,投稿或推荐你知道的嵌入式那些事儿.
上期回顾 : 《痞子衡嵌入式半月刊: 第 66 期》 。
历史上的今天:1859年11月24日,达尔文《物种起源》正式出版.
本期共收录 5 个项目,希望对你有帮助! 。
TinyMaix 是专为低资源的单片机设计的 AI 神经网络推理框架,通常被称为 TinyML。TinyMaix 可以让你在任意单片机上运行轻量级深度学习模型。TinyMaix 的设计原则:易用性 > 移植性 > 速度 > 空间.
TinyMaix 其实是矽速科技(Sipeed)利用两个周末的业余时间完成的项目,它足够简单,可以在 30 分钟内读完代码,可以帮助新手理解它是怎么运行的.
- 项目地址: https://github.com/sipeed/TinyMaix
TinyMaix 关键特性:
- 核心代码少于400行(tm_layers.c+tm_model.c+arch_cpu.h), 代码段(.text)少于3KB
- 低内存消耗,甚至Arduino ATmega328 (32KB Flash, 2KB Ram) 都能基于TinyMaix跑mnist(手写数字识别)
- 支持INT8/FP32/FP16模型,实验性地支持FP8模型,支持keras h5或tflite模型转换
- 支持多种芯片架构的专用指令优化: ARM SIMD/NEON/MVEI,RV32P, RV64V
- 友好的用户接口,只需要load/run模型~
- 支持全静态的内存配置(无需malloc)
- MaixHub 在线模型训练支持
大多数用于创建物联网(IoT)的设备都是用小电池工作的。由于当前消费电子的动态性,测量这些物联网设备的能耗是一项艰巨的任务。开发人员经常需要使用多种仪器和手工计算来估计能源消耗。ZS1100A 型电能表就是为解决这些问题的。该工具可以非常准确和详细地绘制电流消耗与时间的关系,可以与电池模型一起使用,以估计电池的总体寿命.
- 项目主页: https://www.crowdsupply.com/zscircuits/zs1100a-power-meter
- 项目地址: https://github.com/zscircuits/zs1100a
dynamic_loader 是一个在单片机(如:STM32)上实现动态加载功能的函数库,与 Windows 中的 dll,Linux 中的 so 类似,可以将代码动态地从其他的存储介质,动态加载到 RAM 中.
程序使用 dl_load_lib 加载相应的库文件到句柄中,加载成功后可使用 dl_get_func,通过函数名获得相应函数指针,在不需要使用时可使用 dl_destroy_lib 对句柄进行释放.
- 项目地址: https://gitee.com/wzh1845462801/dynamic_loader
- 详细介绍: https://www.armbbs.cn/forum.php?mod=viewthread&tid=109952
little-bee-B1 是一种基于各向异性磁电阻(AMR)磁传感器的开源磁场和电流探头。它直接感知磁场,并通过电流传感附件测量电流,该附件由放置在导线周围的有间隙的铁氧体环形体组成,在导线中的电流和传感器所受的磁场之间建立固定的关系.
- 项目地址: https://github.com/westonb/little-bee-B1
特性如下:
- 可调带宽(10mhz和1mhz)
- 可调增益(1倍和4倍)
- SMA输出连接器
- 连接到任何标准1 MΩ阻抗示波器输入
- 单节AA电池供电(续航4小时)
- 自动归零
White Rabbit 为大型分布式系统提供亚纳秒级同步精度,它还允许确定性和可靠的数据传输。White Rabbit 允许您对测量数据进行精确的时间标记,并允许您在大型安装中触发数据,同时使用相同的网络传输数据.
- 项目地址: https://ohwr.org/project/white-rabbit/wikis/home
White Rabbit 特点:
- 亚纳秒级同步
- 支持连接数千个节点
- 节点之间的典型距离为 10 km
- 基于千兆以太网的的可靠数据传输
- 硬件、固件和软件全开源
文章会同时发布到我的 博客园主页 、 CSDN主页 、 知乎主页 、 微信公众号 平台上.
微信搜索" 痞子衡嵌入式 "或者扫描下面二维码,就可以在手机上第一时间看了哦.
最后此篇关于《痞子衡嵌入式半月刊》第67期的文章就讲到这里了,如果你想了解更多关于《痞子衡嵌入式半月刊》第67期的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
我是一名优秀的程序员,十分优秀!