在Zephyr上如果要是堆需要配置默认堆大小，在prj.conf文件中配置CONFIG_HEAP_MEM_POOL_SIZE=2024不建议在Zephyr上使用堆，因为Zephyr本身就是一个小型的实时操作系统，专门跑在低功耗的MCU上，它的内存管理算法并不是很完美，申请几次可能会造成内存碎片，从而导致内存浪费，在micro上内存是非常重要的，所以建议大家使用内存池的方式，申请一个全局的buff，

在嵌入式开发过程中Linux认为每一个硬件都是定制化的，所以都需要一个唯一的编码，就是机器码，机器码的主要工作就是为了uboot与linux内核进行适配，若uboot引导时发现目标机器码与自己定义的机器码不同则不会进行引导。Linux规定硬件平台不能通用，因为Linux认为每一个硬件平台都是定制化的，独一无二的。所以当我们使用uboot引导时候需要让uboot和linux内核支持我们的开发板，这个

在核心板上若工作的时钟频率不同则无法正常驱动工作，这是很关键的知识点。频率我们可以通过开发板的原理图查看，或者在soc（CPU）的原理图上得到也可以。这里我用的是开发板的原理图，我使用的是TQ210开发板上接到soc的时钟这块有XXT1,XXTO等，soc是靠时钟提供主频率的，若接到这块上面的就代表要与这个频率一致，否则无法正常工作，产生调频的情况。我们在原理图上看下clock这块，可以看到PLL

前言在Linux内核中设备号的作用是用来区分不同的设备类型。比如：设备号23，对应的是LED设备号17，对应的是某个存储设备等等...主次设备号主设备号：对应设备的主号码次设备号：对应设备的子号码比如：你有两个LED，你注册了主设备号14，代表使用这个设备号的驱动都是LED设备，那么怎么区分1和2呢？就是子设备号，通过子设备号来区分是LED1还是LED2。内核只认主设备号，最终调用时内核会通过主设

前言拟合从数学图像角度来说就是将一组平面图像上的点用平滑的曲线连接起来。在深度学习中平面图像上的点就是数据特征（验证集样本特征值），然后用线将已经学到的数据特征连接起来，这样才称为拟合。拟合也分三种：正确拟合、欠拟合、过拟合。正确拟合正确拟合是将样本特征学习的非常平滑，也就是学习到的样本与验证样本特征差距不大，经过算法学习样本特征值与验证集样本特征值差距并不大如下图是一个正确拟合的数据曲线图：从上

很久没有更新博客了，最近比较忙，后续会为大家更新更多丰富的文章，例如单机游戏外挂教程以及WiFi监控软件，WiFi管理软件源代码！  这个要看博主最近做什么学什么啦！~如果有感兴趣的可以在评论下面艾特一下博主，如果博主会这方面的话，会写文章进行相关教程！下面这段代码是国外github上某位大神分享的但是没有对代码做介绍以及unix内核的内存保护和safari的css解析内核的方式，也就是为什么..

诞生概念batch-size中文翻译是批量大小，所谓的批量是指学习样本的数量，因为在训练模型时需要将样本图像全部读入到内存中，这么做的原因是提升收敛速度。如果每次读一个图像到内存然后提取特征然后在取下一张，这样有一个问题：深度学习中是随机取样本，并且每次从磁盘读出来也挺耗时的，如果这次是一张图像，下次随机取样本不能保证图像不会重复，所以最好的方式是一次性将图像全部读入内存中然后进行特征提取。但是这

最近在做Stm32方面的工作时发现使用HAL_UART_Receive函数去读取数据时出现了问题，代码如下：这段代码非常简单，就是在一定时间内读取满128个字符，但是会有一个问题，如果超时时buffer没有被读取到128个字节那么下次还可以读取，但是一旦超出或到达128个字节下次在读取就会没有数据，但是在中断情况下是可以正常读取的，随后我去查了一下USART寄存器，发现它有一个OVRDIS的功能，

这个问题是因为你在使用load_model时使用了单引号，在Python上一律使用双引号keras_model = tf.keras_models.load_model("./test.h5")写入时也使用双引号open("./test1.tflite","wb").write(tflite_model)

简介Zephyr为开发者们提供了一套简单的测试框架：Ztest，用于测试开发者们开发的Core，Ztest提供了断言以及一些基础的测试API，类似C语言的断言功能。开发者们可以用这套框架编写Test Case，可以编写自动化脚本来测试自己的Drier或其它API接口是否能够正常工作，同时Zephyr也提供了自动化测试的脚本：twister，它是使用Python编写，用于批量或指定运行Test Co