S3C2410 u-boot 移植记录

移植u-boot-2019.10到jz2440 目录前言1 u-boot简介2 第一步——根据自己的硬件修改u-boot2.1 移植的不同硬件层次2.2 选择合适的坯子2.3 将旧版本中支持SMDK2410的文件拷贝到新版u-boot2.3.1 拷贝s3c24x0目录2.3.2 拷贝smdk2410目录2.3.3 拷贝arch-s3c24x0目录2.3.4 拷贝零散分布的驱动源程序2.3.5 拷贝smdk2410.h2.3.6 拷贝smdk24... 阅读详情
在新闻里看到树莓派3发布了,想着要不要入门一个,装个Linux之类的来玩玩。突然想起来抽屉里有一块读书时买的ARM9的开发板,当时也是想着要入门嵌入式,结果天不遂人愿,没有从事相关的工作,所以这块开发板已经放了很多年了。那就不买新的板子了,还是用这么板子来练练手吧。这块板子是当时在学校做相关培训的时候,从一家公司里面买的,型号是S3C2410,CPU是arm920t,有4M的nor flash和64M的 nand flash,J-Tag接口,串口,网口等等。
要做移植就从boot leader开始吧,打算用u-boot来引导系统,首先选一个u-boot的版本,这里需要注意的是某些u-boot的版本使用交叉编译工具链的版本编译会报错,所以在移植之前一定要注意这个问题。S3C2410有两种启动方式,一种是从nor flash启动,另一种是从nand flash启动,在移植之前也要确定板子启动方式。
使用Ubuntu16.04做开发机器,arm-Linux-gcc的版本是4.4.3,u-boot的版本是1.3.2,启动方式是nand flash,具体移植的代码修改可以在这篇帖子里找到。
http://blog.youkuaiyun.com/songjinshi/article/details/6818003
编译之后会生成u-boot.bin文件,接下来就是把u-boot.bin文件烧写进S3C2410的板子上即可。
以前使用的烧写工具是SJF2410.exe文件,找了很久都没找到,试着用H-Jtag来代替,首先下载H-Jtag的最新的版本,我下的是3.0的。我的系统是win10 64位的系统,安装不了这个软件。没有试过32位的win10可以安装不?有时间可以试试。
重装了一个XP的系统,就可以安装好H-Jtag了,用并口连接试了一下,可以识别。这里需要注意的是并口连接J-tag的一个线序问题,在H-Jtag中设置好如下线序:
H-JTag 设置:
TMS->Pin4 D2
TCK->Pin2 D0
TDI->Pin3 D1
TD0->Pin11 Busy
接下来就是烧写了,烧写到板子上之后即可从nand flash启动。
然后就是移植Linux 内核了,待续...

参考链接:
DeepSeek-R1 论文阅读 DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning 和。这些模型的核心创新点是通过强化学习(Reinforcement Learning, RL)来提升大型语言模型(LLM)的推理能力,而没有依赖传统的监督微调(Supervised Fine-Tuning, SFT)作为预训练的步骤。是一种通过大规模强化学习直接训练的模型。它在推理能力上表现出色,能够自然地展现出许多强大且有趣的推理行为。但它也有一些问题,比如可读性差和语言混合。这意味着模型在生成文本时,有时会显得不太清晰,或者不一致地使用不同语言。为了解决这些问题并进一步提升推理能力,研究者提出了。 阅读详情

相关推荐

Xilinx UltraScale+ FPGA实战:手把手教你实现USB3.0设备开发(附原理图+代码)

本文详细介绍了如何使用Xilinx UltraScale+ FPGA开发USB3.0设备,涵盖硬件设计、Vivado工程配置、Petalinux系统定制及功能测试全流程。通过实战案例和优化技巧,帮助开发者快速掌握高速数据传输实现方法,提升嵌入式系统开发效率。

weixin_29159995的博客 209

S3C2410(ARM9)的启动方式

1、Nand Flash启动 为了从Nand Flash启动,S3C2410配置了一个叫做Steppingstone的4KB内部SRAM缓冲器,当系统被配置为从Nand Flash启动时(配置由硬件工程师在电路板设置),Nandflash控制器会自动的将Nand Flash前4KB代码将会被自动装入内部RAM(Steppingstone)中,并把0x0地址设置为内部RAM的起始地址(存储器映射)...

mmdev 568

基于 AUTOSAR 的域控产品软件开发进阶探索

本文深入探讨了AUTOSAR架构在汽车域控产品开发中的进阶应用。首先从系统设计角度分析了AUTOSAR分层架构原理及其在域控产品中的优化部署策略;其次详细介绍了Davinci和EBTresos等主流工具链的特点与协同使用方法;然后重点阐述了ASPICE流程与功能安全/信息安全标准的实施要点;最后分享了多核车载芯片(如NXP S32G)的适配经验与优化实践。通过架构设计、工具运用、标准遵循和芯片适配四个维度的专业解析,为域控产品的AUTOSAR开发提供了系统性指导。

SiArch的博客 1201

NORDFLASH与NANDFLASH的区别及选型

s3c2410有两种启动方式: 1.NANDFLASH启动,这个过程是从s3c2410内部的4k启动代码空间启动引导把NANDFLASH程序代码复制到 SRAM中执行. 2.NORDFLASH启动,这个过程是把NORDFLASH的地址安排为0x00000000.当上电复位后,指令从此位置开始执行.因为NORDFLASH是线性寻址方式,不需要驱动而且可以直接在上面执行而不必复制到SRAM.而 ...

云计算? 661

深入解析BlueZ5与D-Bus:Linux蓝牙开发实战指南

本文深入解析BlueZ5与D-Bus在Linux蓝牙开发中的核心应用,提供从环境搭建到实战开发的完整指南。通过详细代码示例和调试技巧,帮助开发者掌握蓝牙协议栈与D-Bus接口的交互方法,实现高效蓝牙设备管理与GATT服务开发。

weixin_28292761的博客 455

实战解析:如何利用MDFEND与Weibo21数据集构建多领域假新闻检测系统

本文实战解析了如何利用MDFEND模型与Weibo21数据集构建多领域假新闻检测系统。文章深入剖析了MDFEND的领域门控与专家混合机制,并提供了从数据预处理、模型理解到训练部署的完整指南,旨在解决通用模型在不同领域新闻检测中的性能衰减问题,提升检测的准确性与适应性。

vulkan6gpu的博客 582

【嵌入式】bootloader,linux,filesystem的烧写

平台:    深圳市优龙科技有限公司的FS2410(基于ARM9) 准备: 1、用串口(UART1,J8)线与PC机相连,这个是用来传输数据和显示信息的 2、连接USB数据下载线(usb device),注意需要自己装usb驱动,这个是用来下载文件的 3、设置好串口工具(超级终端或DNW工具)的参数   说明: 1、S3C2410支持两种启动模式:一种是从NAND FLASH...

weixin_34189116的博客 200

超详细 | 贝叶斯网络基础——有图有真相

Hello,大家好,我是starz。这是本系列的第二篇《概率基础Ⅱ》,虽说是概率基础,但作为过渡,它开始以图为载体 这节的主要内容有: 贝叶斯网络 三种结构 D-划分 贝叶斯球 马尔科夫毯 应用例子 总结 让我们开始吧 :3 贝叶斯网络 概率图模型可笼统分为两类,一是基于无向图的马尔科夫网络: 二是基于有向图的贝叶斯...

qq_41603411的博客 2万+

s3c2410最开始的的启动过程

      1.在板子上电的一开始,首先自动判断是否是autoboot模式(这是由硬件设计阶段,由硬件工程师对mcu的引脚连线决定的),我所使用的s3c2410是带有nandflash的,并切被设置成autoboot,从nandflash开始启动.      2.在判断是autoboot模式后,mcu内置的nandflash控制器自动将nandflash的最前面的4k区域(这4k区域存

martree的专栏 2251

【WRF安装】WRF编译错误:problems building executables look for error in the build log

WRF编译错误:problems building executables look for error in the build log

WW、forever的博客 755

AI 时代嵌入式工程师的能力模型与学习路线:全系列收官

AI 时代嵌入式工程师的能力模型与学习路线:全系列收官

weixin_42162924的博客 43

S3C2410X的NAND flash启动

S3C2410X有两种启动方式:NOR flash启动和NAND flash启动。NOR flash启动:NOR flash可以象SDRAM那样随机读取,且读取速度快,不但可以存储程序,还可以运行程序。上电复位时,NOR flash被映射到地址0x0处,程序就可以从NOR flash中的第一条语句开始执行。程序即可以在NORflash运行,也可以复制到SDRAM中运行。NAND flash启动:N

夜影轩的专栏 1686

《UDS协议从入门到精通》系列——到底什么是DTC?

到底什么是DTC?看这里,深度图解DTC格式,详述DTC状态位、快照信息和扩展信息!!

车载系统攻城狮 1万+

u-boot在华恒S3C2410EDU板子上的移植

u-boot在华恒S3C2410EDU板子上的移植(转载出处--华恒论坛; 作者:合工大超女) 2007-09-21 21:28 1084人阅读 评论(0) 收藏 举报 呵呵。今天终于把这个uboot搞定啦。居然拖拖拉拉做了好久:(。感觉做底层的东西不懂那些硬件的

kerson的专栏 2036

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

u-boot移植s3c2410

u-boot的向s3c2410板上的移植(只是编译而以)可谓是千辛万苦啊(对于菜鸟而言,(*^__^*),高手除外),下面就是我的痛苦经历。 过程如下:下载u-boot-1.1.6版本,然后解压,进入解压完的目录之后,首先是修改对应文件,该部分是参见网上blogs。http://blog.youkuaiyun.com/hhq0216/archive/2006/12/29/1466894.a

记录、分享 969

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

uboot-2010.03移植到2410(从nand启动)

<br /> <!-- /* Font Definitions */ @font-face {font-family:宋体; panose-1:2 1 6 0 3 1 1 1 1 1; mso-font-alt:SimSun; mso-font-charset:134; mso-generic-font-family:auto; mso-font-pitch:variable; mso-font-signature:3 135135232 16 0 262145 0;}

FurtherChan 3411

2410 uboot 移植笔记

 2410 uboot 移植笔记主要参考了luofuchong 大侠 http://www.hhcn.com/cgi-bin/topic.cgi?forum=3&topic=562&start=0&show=和bekars大侠http://dev.youkuaiyun.com/article/84/84538.shtm bekars大侠的很可能就是原创, 有时间再研究一下。过程:  下载 luofuchong

嵌入式 Linux ARM ADS ADHOC C C++ PLC 单片机 4989

成功移植U-boot-1.2.0到S3C2410

文章说明:calmarrow(lqm)原创文章引自:http://piaoxiang.cublog.cn     前段时间移植了vivi-0.1.4,也对源代码进行了解析学习。原本的想法是给vivi增加tftp功能,那么就需要写cs8900a驱动(我用的网卡芯片是CS8900A-CQ3Z),然后呢实现tftp协议,最后添加到vivi支持的命令集中

游手好弦 信步涂鸦 1883

U-boot学习与移植

U-boot学习与移植 任务表格 时间 3.31 4.1 4.2 4.3 任务、阶段 学习了解 开...

chiquanbi3983的博客 187

第一次移植uboot(1) .

第一次移植uboot,因此把移植步骤记录下来: /*2010.11.17--2010.11.18*/ /*u-boot-1.1.4中smdk2410到fl2440(s3c2440)移植*/ 交叉编绎工具:cross-3.3.2.tar.bz2 默认当前目录为:u-boot-1.1.4 要修改的文件:(1)examples/Makefile (2)Makefile (3)board/fl2

周欢的优快云 496

嵌入式之路--开张

 今天是2009.7.21嵌入式之路开张大吉.希望自己能坚持走完.留贴纪念. 学习目标:1.OS---Linux系统              【cygwin 模拟】2.ARM9芯片----s3c2410    【通过Skyeye模拟】3.Bootloader移植Uboot4.Linux 内核移植,剪裁5.Linux 驱动开发6.Linux LCD,触摸屏7.Linux 文件系

东山一笑 1507

移植uboot第三步:修改时钟

这个步骤弄死我了,弄了一宿,有很多原因,老是这里那里有问题。 因为是基于s3c2410改的boot,2410和2440在使用上区别不大,所以暂时修改不大。 1.还是从start.S依次往下看。 a.设置管理模式的代码都没有条件编译,肯定差不多,跳过。 b.关闭看门狗的条件编译是CONFIG_S3C24X0,都一样的,跳过 c.设置分频,这里需要改,2410和2440有区别。(先做个标记)

Dodo 1816

转::移植U-Boot.1.2.0到博创2410-S(S3C2410X)

移植U-Boot.1.2.0到博创2410-S(S3C2410x)转至:http://blog.chinaunix.net/u1/34474/showart_363269.html(只供个人学习记录)一、在U-Boot中建立自己的开发板类型,并测试编译。我为开发板取名叫: tekkaman24100 在工作目录下解压U-Boot。$tar zxvf u-boot.git.tar.gz1

chenji147的专栏 1170

s3c2440_uboot移植(一)s3c2410的uboot源码分析

进行uboot移植之前,我们需要对uboot有一个较为详细的了解,详细可以看这篇文章:uboot启动流程分析_Bin Watson的博客-优快云博客​ 同启动流程,s3c2410的uboot的源码内容和启动流程中的4410的uboot大同小异,现在我们需要深入细节进行分析。我们依然从start.S开始分析: 顺着start_code入口标号,我们一路往下可以看到,在上图中的start_code前部分代码进行的操作有:沿start_code继续往下追踪: 我们可以看到cpu_init_crit,在启动流

Bin_Watson的博客 700

u-boot移植到mini2440

,u-boot版本2008.10 收藏 这篇文章写于2008.12.28日,主要记录了我移植u-boot-2008.10的过程,并附上了移植好的patch文件。移植好的u-boot-2008.10适用友善公司的mini2440和阳初公司的yc2410。其它的开发板,可能要根据相应的电路配置做稍许修改。我的移植是使用非nand-leagcy方法的,移植好的u-boot-2008.10功能除了基本功能

share8888的专栏 869
上一篇: Jenkins build失败后继续后续执行命令
下一篇: Sql的嵌套查询
linuxshadow
博客等级 码龄18年 4粉丝 21原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值