【STM32F4教程】第六节：通用定时器之PWM实现呼吸灯

最新推荐文章于 2025-08-31 20:17:26 发布
原创 最新推荐文章于 2025-08-31 20:17:26 发布 · 4.1k 阅读 · 41 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#物联网 #单片机 #stm32 #嵌入式

本文介绍了如何使用STM32F4的通用定时器实现PWM控制呼吸灯，讲解了PWM的基本概念、占空比、工作原理以及在STM32F4上的设置流程。通过示例代码`pwm.c`和`main.c`，详细展示了实现呼吸灯效果的步骤。

Conceit is the quicksand of success.

　　自负是成功的流沙。

PWM实现呼吸灯

PWM概述

相关概念

PWM设置流程

呼吸灯实现例程

pwm.c

 main.c

PWM概述

        脉冲宽度调制(PWM)，是英文“Pulse Width Modulation”的缩写，简称脉宽调制，是利用微处理器的数字输出来对模拟电路进行控制的一种非常有效的技术。脉冲宽度调制是利用微处理器的数字输出来对模拟电路进行控制的一种非常有效的技术，广泛应用在从测量、通信到功率控制与变换的许多领域中。简单一点，就是对脉冲宽度的控制，PWM 原理如图：

CNT：计数器

ARR：重装值寄存器

CCRx：比较寄存器

STM32F4输出PWM的工作过程

         STM32F4 的定时器除了 TIM6 和 TIM7。其他的定时器都可以用来产生 PWM 输出。通过查看我们开发板的原理图（如下图）发现，PF9引脚连接的是LED0，而且同时也是作TIM14_CH1的复用输出端口，这时候，我们可以使用PF9引脚，输出PWM波，来控制我们的LED0，使得LED0的亮灭有了更加美妙的呼吸状态。

相关概念

占空比：占空比是指在一个脉冲循环内，通电时间（可能是高电平也可能是低电平）相对于总时间所占的比例。

最低0.47元/天 解锁文章
将 Llama 3 与 Ollama 和 Python 结合使用 使用 Ollama API 访问这一领先模型
iCloudEnd的博客
05-04 2951
Meta 最近发布的新法学硕士 Llama 3 在人工智能领域引起了轰动。例如，请查看我对下面型号的 70B 版本的评论和测试。在我的测试中，Llama 3 令人印象深刻，但它们是使用聊天界面进行的。如果您想对此模型进行编程以执行有用的任务或使用 Python 创建您自己的模型聊天界面，该怎么办？本文将向您准确展示如何使用 Ollama 来做到这一点。如果您不知道 Ollama 是什么，这是一个允许您在本地下载 Llama 3 等开源模型的网站。
使用 Python 调用 Ollama API 并调用 deepseek-r1:8b 模型
qq_35485206的博客
03-04 1365
使用 Python 调用 Ollama API 并调用 deepseek-r1:8b 模型准备工作调用 Ollama API使用generate实现多轮对话并保留对话的记忆 ollama 是一个强大的本地大语言模型工具，支持多种开源模型，例如 deepseek-r1:8b。通过 Ollama 的 API，我们可以轻松调用这...
通过python连接Ollama服务，调用本地部署Deepseek模型的API接口，方法步骤详细教学，简单实用，一起来学习吧！！！
@优快云盲敲代码的阿豪的博客
04-06 3128
本篇文章我将教会大家如何使用python代码调用Deepseek的API接口，实现AI模型的自动化启动，并进行交互式对话。windows使用Ollama本地部署Deepseek详细教学检查Ollama服务是否运行确认防火墙允许本地11434端口通信验证模型名称是否正确调整temperature参数（0.3-0.7适合技术问答）增加num_predict获取更长回复在system_prompt中明确格式要求模型未找到现象：Error: model ‘deepseek’ not found。
python调用ollamaAPI 模型名称【llama2-chinese:latest】
qq_32594047的博客
04-03 2770
【代码】python调用ollamaAPI 模型名称【llama2-chinese:latest】
Ollama API使用
最新发布
qq_38048065的博客
08-31 1290
Ollama 将大语言模型（LLM）的强大功能封装成本地 API 服务，使得开发者可以极其方便地在自己的 Python 应用中集成和使用，无需依赖云端服务。这不仅保障了数据隐私，也提供了极大的灵活性。与本地 Ollama 服务交互主要有两种方式，开发者可以根据需求选择最适合的方案。这是最基础的交互方式，能帮助我们理解 Ollama API 的底层工作原理。官方库是对 HTTP API 的优雅封装，隐藏了底层的复杂性。实时获取 token，用户体验更佳，是构建交互式应用的首选。Ollama 服务默认运行在。
在 Python 中使用 Ollama API
AllYoung_362的博客
02-16 2429
可以通过通过ollama实例化Client或来创建自定义客户端。host: 要连接的 Ollama 主机timeout: 请求超时时间所有关键字参数参见httpx.Client。
python调用ollama
yzj5464的博客
07-31 824
print(ollama("中文回答什么是人工智能"))利用langchain调用；
如何使用Python调用Ollama API？图文详细教程
weixin_45017726的博客
04-28 411
如何使用Python调用Ollama API？你可以直接用 Python、JavaScript 等主流编程语言调用 Ollama API，将其集成到你的 Web 应用、聊天机器人或者自动化脚本中。
使用 Ollama API 生成 Python 代码的实现过程
大白菜代码的博客
12-11 1002
本文介绍如何使用 Ollama API 来自动生成 Python 代码。我们将以生成一个计算数字列表总和的函数为例，展示整个实现过程。
使用Python调用Ollama的API
无风听海
05-07 570
我们定义了一个加法函数和一个减法函数，然后通过tool参数传递个qwen大模型；直接调用generate并使用deepseek-r1模型生成一段文本；使用deepseek-r1模型并调用generate；
【LLM】二、python调用本地的ollama部署的大模型
热门推荐
qq_55068938的博客
07-08 3万+
本地部署了大模型，下一步任务便是如何调用的问题，实际场景中个人感觉用http请求的方式较为合理，本篇文章也将通过http请求的方式来调用我们本地部署的大模型，正文开始。
手把手教你 AI 顾投：在 Ollama 中使用 Python 调用金融 API 服务
weixin_70955880的博客
08-16 1727
尽管Ollama本身不是一个大型语言模型（LLM）开发工具，而是一个LLM的平台。但它最近宣布了其系统中直接使用工具调用的功能，本文主要介绍了最新版本的主要更新，特别是关于功能调用的使用，并演示了如何在Ollama 中使用 Python 调用外部 API 服务。
Ollama（3）：API 交互、Python 使用
游王子og的博客
03-05 2078
你还可以创建自定义客户端，来进一步控制请求配置，比如设置自定义的 headers 或指定本地服务的 URL。通过 Client，你可以自定义请求的设置（如请求头、URL 等），并发送请求。'content': '你是谁?',},])
本地大模型5：在pycharm用python调用ollama本地大模型
weixin_74825941的博客
09-12 7830
python调用ollama本地大模型
Python 调用 Ollama 库：本地大语言模型使用详解
kdayjj966的博客
01-15 9229
是一个用于调用本地大语言模型（Large Language Models，LLMs）的 Python 库，旨在提供简单、高效的 API 接口，以便开发者能够方便地与本地的大语言模型进行交互。提供了与本地大语言模型（如 llama 或其他模型）交互的简单方法，主要是通过 API 调用模型来生成文本、回答问题等。调用模型时，可以传递一些自定义参数来调整模型的行为，比如最大生成长度、生成的温度等。如果你已经在本地训练了自定义模型，或者下载了其他模型，可以通过指定模型路径来使用它。返回结果会是模型生成的回答。
python调用ollama库详解
2201_75335496的博客
12-14 9969
python调用ollama库详解，包含： 准备Ollama软件、准备ollama库 ollama库的基本使用 ollama库的进阶使用：options参数设置、返回的json对象处理
Ollama 的代码（Python）调用
JovaZou的成长之路
03-09 3259
在人工智能蓬勃发展的当下，Ollama 以其独特的魅力崭露头角。本篇深入探讨了如何借助 Python 语言高效调用 Ollama。通过详实的代码示例和深入浅出的讲解，无论是编程新手还是经验丰富的开发者，都能从中掌握利用 Python 与 Ollama 交互的技巧，挖掘 Ollama 在文本处理、模型推理等多方面的强大潜力，开启 AI 应用开发的新篇章。
Python中使用Ollama
08-11
在 Python 中集成 Ollama 可以通过使用 `ollama` 官方提供的 Python 客户端库来实现。Ollama 是一个本地运行的大型语言模型（LLM）工具，它支持多种模型，如 Llama 2、Mistral 等，并且可以通过简单的 API 与 Python 应用程序集成。 ### 安装 Ollama Python 库 首先，需要确保你已经在本地系统上安装了 Ollama。你可以从 [Ollama 官方网站](https://ollama.com/)下载并安装适用于你操作系统的版本。 接下来，安装 Python 客户端库。Ollama 提供了一个官方的 Python 包，可以通过 `pip` 安装： ```bash pip install ollama ``` ### 使用 Ollama Python 库 安装完成后，可以使用 `ollama` 模块来调用 Ollama 的 API。以下是一个简单的示例，展示如何使用 Ollama 的 `generate` 方法来生成文本： ```python import ollama # 生成文本 response = ollama.generate(model='llama3', prompt='为什么天空是蓝色的？') # 打印响应 print(response['response']) ``` 在这个例子中，`model` 参数指定了要使用的模型（例如 `llama3`），`prompt` 参数是用户输入的提示词。Ollama 会根据提示词生成相应的文本，并返回一个包含 `response` 字段的字典。 ### 获取模型列表 如果你想查看当前可用的模型，可以使用以下代码： ```python import ollama # 获取模型列表 models = ollama.list() # 打印模型列表 for model in models['models']: print(model['name']) ``` ### 模型对话（Chat） Ollama 还支持更复杂的对话模式，允许你在多轮对话中保持上下文。以下是一个使用 `chat` 方法的示例： ```python import ollama # 开始对话 response = ollama.chat( model='llama3', messages=[ {'role': 'user', 'content': '你好，你能帮我做什么？'}, {'role': 'assistant', 'content': '你好！我可以帮助你回答问题、提供建议，甚至进行简单的创作。有什么我可以帮你的吗？'}, {'role': 'user', 'content': '你能告诉我关于机器学习的基础知识吗？'} ] ) # 打印响应 print(response['message']['content']) ``` 在这个例子中，`messages` 参数是一个包含多个对话记录的列表，每个记录都有一个 `role` 和 `content` 字段。Ollama 会根据这些对话记录生成相应的回复。 ### 错误处理 在实际应用中，建议添加错误处理逻辑，以应对可能出现的网络问题或模型加载失败等情况： ```python import ollama try: response = ollama.generate(model='llama3', prompt='为什么天空是蓝色的？') print(response['response']) except Exception as e: print(f"发生错误: {e}") ``` ### 相关问题
评论 2
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