首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

IO-Link通信笔记(十五)——自定义IOL-PHY程序下载与IOL运行库

目前我个人整理的IOL运行库已经完全可以在市面上所有MCU平台上移植运行,因接触到的MCU主要以华大居多,所以在华大系列MCU上进行了大量测试,已经实现的IOL通信方案有:HC32F460+LT3669、HC32F420+OS8110、HC32F420+DC06、HC32F4A0+MAX14827、HC32F4A0+LT3669。另外还有国民系列单片机N32G430+OS8110、N32G430+DC06。这些方案陆续进行核心运行库的打包工作,内置IOL通讯所需MCU外设资源的配置,空的库包也可以直接编译即可实现demo功能。在后续的移植使用中,只需要针对IODD内容在对应接口文件内修改程序代码即可完成相应的IOL功能开发,方便快捷,大大减少了开发人员在学习IOL相关知识和开发过程中的时间花费。

01

设置TinyML实验Arduino环境

最近在学习edx的HarvardX TinyML 3 - deploying TinyML。这个在线课程大大降低了TinyML的学习曲线的陡峭度,可以作为《TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers》的有益补充。原书是TensorFlow-Lite-Micro相关设计的提纲挈领,但是成书到发行期间,TFLM一直也在发展中,书中的代码到实践时候就有差异;《TinyML》也没有把实践部署讲的很透彻,个人认为在于TFLM采用工业化的pipeline解决依赖(不同硬件平台的编译、库、工具链的依赖);《TinyML》在阐述硬件平台移植相关章节,没有把工具链从官方的工业pipeline完整的剥离出来,也导致了光看书无法复现。为什么敢这么说?徒手把TFLM移植到nrf52840的淘宝开发板上,书忽略了nrf平台工具链的构建,以及如何和tf编译系统联动的设计。工作原因没有精力继续TinyML的爱好了。Harvard在线课程给了个契机继续,毕竟看视频比看code和实操要省力好多。

07
领券