例说FPGA:可直接用于工程项目的第一手经验【3.6】

例说FPGA:可直接用于工程项目的第一手经验【3.6】

17.5 软件程序解析

1.main.c源文件软件程序解析

main.c的函数列表如表17-3所示。

表17-3 main.c文件的函数列表

2.int main(void)函数

该函数为主函数,其流程图如图17-16所示。在各种外设初始化后,首先让LCD显示预先存储在Flash中的背景图片;接着对波形显示窗口进行初始化设置并显示坐标字符;最后进入主循环,等待菜单波形定时显示、串口“下载”指令、通用串口指令以及菜单切换任务的到来。

图17-16 软件程序流程图
3.void menu_process(void)函数
该函数对LCD显示图像上的4个按钮区域的点按情况作状态切换。当触摸屏被按下后,该函数将判断坐标是否落在4个按钮“方波测试”、“三角波测试”、“正弦波测试”、“AD采集监
控”对应的有效区域内,若坐标区域匹配,则更新menu_flag变量值,在主函数中将切换显示波形模式。
其他函数请参看工程实例8的例程解析。
4.lcd.c源文件软件程序解析
lcd.c的函数列表如表17-4所示。
void Lcd_wave_setting(alt_u8 ctrl,alt_u16 xs,alt_u16 ys,alt_u16 xe,alt_u16 ye,alt_u16 fcor,alt_16 bcor)函数
该函数对波形显示窗口进行初始化设定。该函数各个入口参数定义如下。
·ctrl--bit0值为1表示开启,值为0表示关闭波形显示;bit1值为1表示保留原波形,为0表示清除原波形。
·xs--波形窗口x轴起始地址。
·ys--波形窗口Y轴起始地址。
·xe--波形窗口x轴结束地址。·ye--波形窗口Y轴结束地址。
·fcor--波形窗口前景色。
·bcor--波形窗口背景色。

5.void Lcd_wave_print(alt_u8 point)函数
该函数采集当前AD值,并送该数据作为LCD波形点显示。该函数的入口参数point即写入的波形点数据。每调用一次该函数,变量wave_bnum递增,直到写入数据量和波形显示x区域总像素
点wave_anum相等,则开启LCD读双口RAM地址递增功能。随后写入的数据将如同示波器的效果实现波形的移动。
其他函数请参看工程实例8的例程解析。

17.6 板级调试

①参考装配说明完成装配。
②下载例程所在的“http://www.hzcourse.com/resource/re

Read more

人工智能:大模型分布式训练与高效调参技术实战

人工智能:大模型分布式训练与高效调参技术实战

人工智能:大模型分布式训练与高效调参技术实战 1.1 本章学习目标与重点 💡 学习目标:掌握大语言模型分布式训练的核心原理、主流框架使用方法,以及高效调参策略,能够解决大模型训练过程中的算力瓶颈和效果优化问题。 💡 学习重点:理解数据并行、张量并行、流水线并行的技术差异,掌握基于DeepSpeed的分布式训练实战,学会使用超参数搜索提升模型性能。 1.2 大模型训练的核心挑战 1.2.1 单卡训练的算力瓶颈 💡 大语言模型的参数量动辄数十亿甚至上万亿,单张GPU的显存和计算能力完全无法满足训练需求。以LLaMA-2-70B模型为例: * FP32精度下,模型参数本身就需要约280GB显存,远超单张消费级或企业级GPU的显存容量。 * 训练过程中还需要存储梯度、优化器状态等数据,实际显存占用是模型参数的3-4倍。 * 单卡训练的计算速度极慢,训练一轮可能需要数月时间,完全不具备工程可行性。 1.2.2 大模型训练的核心需求 为了高效完成大模型训练,我们需要解决以下三个核心问题: 1. 显存扩容:通过并行技术,将模型参数和计算任务分布到多张GPU上,突破

【软件测试】AI 赋能测试流程

【软件测试】AI 赋能测试流程

AI 赋能测试流程 * 一. AI 基础概念 * 1. AI 是什么? * 2. AI 为什么会被创造出来? * 3. AI 是如何被创造出来的? * 二. AI 赋能测试 * 1. AI 在测试领域的应用 * 2. AI 在测试领域的发展趋势 * 三. AI 驱动的测试流程 * 1. AI 工具介绍 * 2. 需求分析 * 2.1 识别需求中存在的问题 * 2.2 需求快速理解与功能概要生成 * 3. 测试计划 * 4. 测试用例 * 4.1 AI 生成等价类 * 4.2 AI 生成边界值 * 4.

OpenClaw 入门指南:AI Agent 开发新范式

OpenClaw 入门指南:AI Agent 开发新范式

目 录 * 一、OpenClaw 是什么?为什么它如此火爆? * 1.1 项目背景与起源 * 1.2 核心定位与价值主张 * 1.3 与主流框架的技术对比 * 1.4 技术架构全景解析 * 二、快速部署:5 分钟上手体验 * 2.1 环境要求与准备 * 2.2 部署流程概览 * 2.3 详细安装步骤 * 2.4 常见安装问题排查 * 三、部署方案深度对比 * 3.1 四种主流部署方案 * 3.2 方案详细对比 * 3.3 方案一:本地开发机(零成本体验) * 3.4 方案二:

文心一言 4.5 开源深度剖析:性能中文双项碾压,开源引擎驱动行业变革,解锁大模型新范式

文心一言 4.5 开源深度剖析:性能中文双项碾压,开源引擎驱动行业变革,解锁大模型新范式

引言 不知道大家关注到没?文心大模型 ERNIE 4.5 已开源并首发于 GitCode 平台!不同于以往的开源模型,百度这次一口气开源了 10 款模型,覆盖基础、对话、多模态、思考等多个方向,甚至将核心训练框架、分布式策略完全开放。在基准测试中,文心开源即刷榜,性能大幅超越 Qwen3 、 DeepSeek-V3 等模型;下面跟随博主一起从模型架构特性、技术分析、部署难度等来对文心模型全面解析一下! 文章目录 * 引言 * 一、文心大模型 ERNIE 4.5 开源简介 * 1.1 开源模型版本介绍 * 1.2 基准测试表现 * 1.3 全面的工具生态链 * 二、文心大模型 ERNIE 4.5技术分析