RT-Thread 4.1.0 特性解析之LIBC与POSIX

RT-Thread实时操作系统简介 阅读详情

1. POSIX 渊源

0e29a5d72daa5af524efb1dd15dadf5e.png

可移植操作系统接口,POSIX 标准定义了操作系统(很多时候针对的是类 Unix 操作系统)应该为应用程序提供的接口标准,从而保证了应用程序在源码层次的可移植性,如今主流的 Linux 系统都做到了兼容 POSIX 标准。由此可见,可移植性是 POSIX 的一大特性,如果一个操作系统拟合了POSIX系统,就将可以将自己的 POSIX 应用轻松迁移到其他同样符合POSIX标准的系统平台,并且可以获得大量的 POSIX 应用,丰富自己系统的应用生态。

POSIX 为了提供不同层级的RTOS能力,划定了 PSE51, PSE52, PSE53, PSE54 共四个级别;分别对应了四种操作系统。

1、Minimal Real-time System Profile IEEE Std 1003.13 PSE51,基础 RTOS

2、Real-time Controller Profile IEEE Std 1003.13 PSE52,带有简单的文件系统…等

3、Dedicated Real-time Profile IEEE Std 1003.13 PSE53,拥有网络功能…等

4、Multi-Purpose Real-time Profile IEEE Std 1003.13 PSE54,完整的文件系统,带有 Shell 组件…等

821c4f49ff6d7c549915447e0f405c3e.png

由于标准的制定是随着时间发展而不断更新的,PSE51, 52, 53, 54 的标准也随着 MCU,MPU 芯片产业的发展,不断增强的芯片功能和性能使得这些标准所对应的四种操作系统的界限而越显模糊。在 RT-Thread 中也依靠自身的组件内容,提供了多种标准的部分内容,为不同的 POSIX 应用提供可供在 RTOS 系统上使用的软件。

2. POSIX 在 RT-Thread 中支持情况

RT-Thread 针对 PSE51 的标准规定的头文件及对应接口,提供了大部分接口。除此之外,我们还提供了更加完整的文件系统的接口,以及基于我们 SAL 组件的网络接口。这为 POSIX 的应用迁移打下了基础,可以使得较复杂的 POSIX 应用也可以经过小部分修改就可以在 RT-Thread 上运行。

5d37be47ae63c33d31e150a376b4e9e8.png

  • POSIX FILE 相关接口,包含了文件系统的内容,接口比较丰富;标准 I/O 接口,Poll / Select 等较复杂的功能也已经支持

  • Delay 相关接口

  • Clock 相关接口,对拥有 RTC 硬件,或者没有使用 RTC 硬件的设备都有对应的功能实现

  • Timer 相关接口,已经对接到 RT-Thread 的定时器接口,实现对应的函数

  • Pthread 相关接口,在多任务编程中使用很广泛

  • Dynamic 动态模块

  • POSIX 的 标准 IPC 接口 :pipe ,message,semaphore 等函数

通过上面灵活的配置项,开发者可以启用对应的功能来添加该类函数的支持;这对与同样使用功能宏来标识一些函数功能的 POSIX 接口来说十分类似,在该界面可以配置对应的 POSIX 函数支持。

3. POSIX 的实现简介

由于 RT-Thread 作为一个可以兼容多种开发方式的操作系统,针对 ARMCC,ARMCLANG,IARCC,GCC 现阶段占比比较多的开发工具链都做了对应的适配。所以,简单描述一下RT-Thread 在做适配时,针对不同的编译平台所做得操作,以及对应的关系图。

d18abf70e2c01dfcb3c138889aa155d8.png

由于在不同的平台开发所使用的编译工具链不一致;所以在实现时,RT-Thread 区分了三个概念:广义的 POSIX,狭隘的 POSIX,编译器配平层;下面结合关系图,描述一下对应的概念:

  • 广义的 POSIX ,即 POSIX 接口;这里面包含了一些关于 pthread, signal,  IPC 等函数以及 C 库的相关内容;

  • 狭隘的 POSIX,即不是 C 库标准提供以外的 POSIX 函数,例如 pthread 这些内容;

  • 编译器配平层,由 C 库相关提供的函数。由于不同编译平台对该内容的实现参差不齐,因此需要针对不同的编译平台增补这些函数。这也就是 “ 配平 ” 的由来。这块内容较多,且不同的编译工具链所支持的操作不一,因此在 POSIX 代码迁移时需要修改这里来解决对应的编译错误。

4. POSIX 在 RT-Thread 中使用方法

4.1 Pthread 接口

7a2303001b41aa2396960a57ef5b6d45.png

1、在 menuconfig 中打开 pthread ,设定支持得最大 pthread 数目

2、在用户代码中,即可使用 pthread.h, sche.h 这些 pthread 提供的头文件来编程

1#include <stdint.h>
 2#include <pthread.h>
 3#include <stdio.h>
 4#include <string.h>
 5
 6#define NUM_THREADS 5
 7
 8static void *a_thread_func(void *num)
 9{
10    printf("arg = %li\n", (long)num);
11    return num;
12}
13
14int main(void)
15{
16    pthread_t new_th;
17    long i;
18    void *res;
19    int ret;
20
21    for (i = 1; i < NUM_THREADS + 1; i++) {
22        ret = pthread_create(&new_th, NULL, a_thread_func, (void *)i);
23
24        if (ret) {
25            fprintf(stderr, "pthread_create(): %s\n",
26                    strerror(ret));
27            return -1;
28        }
29
30        pthread_join(new_th, &res);
31
32        if ((long)res != i) {
33            printf("Test FAILED: Returned value did not match %li != %li",
34                   (long)res, i);
35            return -1;
36        }
37    }
38    printf("Test PASSED\n");
39    return 0;
40}
4.2 Timer 接口

cdf196e7cb1ee6cc399e4750ccf0a1b3.png

1、在 menuconfig 中打开 timer 即可

2、在用户代码中,即可使用  这些 timer 提供的头文件来编程

1#include <sys/time.h>
 2#include <stdio.h>
 3
 4int main(void)
 5{
 6    time_t sec;
 7    time_t ret;
 8    time_t timestamp = 1609459200;
 9    ret = time(&sec);
10
11    if(ret != sec)
12    {
13        return -1;
14    }
15    if(ret != timestamp)
16    {
17        return -1;
18    }
19    return 0;
20}
4.3 Net 接口

1、在 menuconfig 中打开 Enable BSD Socket I/O 就可以使用标准 Socket 进行编程

4.4 Filesystem 接口

1、在 menuconfig 中打开Enable POSIX file system and I/O 配置具体的 POSIX 函数接口

2、按照需求打开需要的功能,例如 设备I/O,AIO,MMAN 之类的功能

4.5 其他接口

其他接口也是一样,开打对应的 menuconfig 选项,即可使用对应头文件,及提供的函数来编程。整个过程不需要 rt-thread 的头文件参与,使编译出的代码运行在 RT-Thread 操作系统之上。

5. 注意事项

5.1 不同编译平台的兼容

在上一节,编译器配平层的存在解决了多组编译工具链不一致造成的问题;同时,也引入了一些在编写代码时需要注意的事项。这些注意事项是为了解决对应的编译错误。因为编译工具链有的允许头文件替换,有的不支持这些问题。RT-Thread 提供了一个相对轻便的解决办法:

为保证跨不同编译器、不同工具链的兼容性,建议用户应用层代码:

  • 使用 <sys/time.h> 代替 <time.h>

  • 使用 <sys/errno.h> 代替 <errno.h>

  • 使用 <sys/signal.h> 代替 <signal.h>

有使用 <time.h> 的引用逻辑的,修改为 <sys/time.h> 的方式来避免编译错误;其他两个也是类似的处理逻辑,拟合不同编译工具链的处理逻辑。

5.2 Net 接口

启用网络功能后,并不是所有的 BSD Socket 接口都支持,在 RT-Thread 中只实现了一部分函数。因此如果对应函数缺失,需要按照代码逻辑替换为基础的 Socket 接口来兼容原逻辑。完整的 BSD Socket 功能将持续优化以解决这个问题。

往期连载情况:

RT-Thread 4.1.0 特性解析之内核

RT-Thread v4.1.0 特性解析之 FAL 探秘

...

6c6b2add7fb61dcbd61fbd4a76a1ad6d.png

关注我们

65e9f6bf2c2d4373a8bbe473158a239a.png

f9acc444e6a45037690f0fedb23084fc.gif

爱我就给我点在看15dbaa5591fc9d1019b3e5f7a2ded33f.gif

f8d683751220e4655de720af451f08c0.gif点击 “阅读原文”进入官网

RT-Thread Studio添加c++及标准异常(std::exception)支持 添加c++支持 在项目资源管理器中双击RT-Thread Settings打开项目配置 在新打开的标签页中点亮c++及libc组件 添加异常支持 在菜单栏中点击打开构建配置图标 打开工具设置标签页, 选择GNU ARM Cross C++ Linker下的Miscellaneous页面 确保Use newlib-nano没有被选中 添加std::exception支持 打开链接脚本文件(由于RT-Thread Studio中链接脚本文件只读, 故需要使用其他文本编辑器打开此文件) 如图所示修改l 阅读详情

相关推荐

RT-Thread FAL组件实战:STM32F407片上Flash分区管理与文件系统挂载

在嵌入式开发中,片上Flash作为微控制器内置的非易失性存储器,是存储程序代码和关键数据的核心硬件。其工作原理基于Nor Flash结构,写入前需先擦除,且以扇区为单位操作,这直接影响了数据管理的复杂性和安全性。为了解决直接操作底层寄存器带来的开发门槛高、易误操作等问题,Flash抽象层(FAL)应运而生,它通过设备、分区等多层抽象,为Flash提供了统一、安全的访问接口,极大提升了开发效率和系统可靠性。结合LittleFS等嵌入式文件系统,FAL能够将物理存储空间转化为易于管理的文件目录,实现磨损均衡和掉

weixin_33836874的博客 445

RT-Thread 组件-C库LIBC-POSIX标准简介①

由此可见,可移植性是 POSIX 的一大特性,如果一个操作系统拟合了POSIX系统,就将可以将自己的 POSIX 应用轻松迁移到其他同样符合POSIX标准的系统平台,并且可以获得大量的 POSIX 应用,丰富自己系统的应用生态。由于标准的制定是随着时间发展而不断更新的,PSE51, 52, 53, 54 的标准也随着 MCU,MPU 芯片产业的发展,不断增强的芯片功能和性能使得这些标准所对应的四种操作系统的界限而越显模糊。按照需求打开需要的功能,例如 设备I/O,AIO,MMAN 之类的功能。

华为奋斗者精神 1548

RT-Thread与MicroPython融合实践:在嵌入式实时操作系统中集成Python解释器

在嵌入式系统开发中,实时操作系统(RTOS)与脚本语言的结合正成为一种提升开发效率的重要趋势。RTOS负责底层的硬件抽象、任务调度与资源管理,确保系统的实时性与稳定性;而脚本语言则提供了灵活、高效的业务逻辑编写方式,大幅降低了开发门槛。MicroPython作为专为微控制器设计的Python 3实现,将Python的简洁语法与动态特性带入了资源受限的嵌入式环境。通过将MicroPython解释器作为RT-Thread系统的一个任务(线程)运行,开发者可以在享受RT-Thread强大驱动框架与丰富软件包生态的

weixin_30340617的博客 459

RT-Thread 组件-C库LIBC-LIBC简介①

RT-Thread 提供的 LIBC (C library, C库),包含编译器内置LIBC、编译器配平层和 POSIX 层三部分。ANSI C、ISO C、Standard C是指美国国家标准协会(ANSI)和国际标准化组织(ISO)对C语言发布的标准。可移植操作系统接口(英语:Portable Operating System Interface,缩写为POSIX)是IEEE为要在各种UNIX操作系统上运行软件,而定义API的一系列互相关联的标准的总称,其正式称呼为IEEE Std 1003,而国际标准

华为奋斗者精神 2436

CanMV K230 SDK 1.1.0 双核编译实战:大核RT-Smart与小核Linux的3步差异对比

本文详细解析了CanMV K230 SDK 1.1.0双核编译实战,重点对比了大核RT-Smart与小核Linux的3步差异。通过工具链配置、编译流程和系统调用的深度对比,帮助开发者高效利用嘉楠堪智K230开发板的双核异构架构,实现实时任务与通用计算的协同开发。

leonard61306500的专栏 389

GurumDDS:面向嵌入式与边缘计算的轻量级零拷贝DDS框架

DDS(数据分发服务)作为ROS2、AUTOSAR Adaptive等实时系统的核心通信中间件,其标准实现常因内存动态分配、多线程调度和协议栈冗余导致启动慢、时延抖、资源占用高,难以适配STM32、RZ/G2L、Jetson Nano等资源受限的嵌入式与边缘平台。GurumDDS通过静态内存池预分配、内核旁路网络I/O、纯C极简API与零拷贝数据传递等设计,将冷启动压缩至1.2秒、端到端抖动控制在±87μs以内,真正实现确定性通信。它不追求OMG DDS全功能兼容,而是聚焦嵌入式刚需——如BestEffor

weixin_30621711的博客 373

rtthread中不同编译器对应的库libc

支持的编译器 RT-Thread 支持的编译器有 newlib/minilibc/dlib/armlibc 的支持。 在开启了 RT_USING_LIBC 后,GCC 编译使用 newlib 未开启 RT_USING_LIBC 时,GCC 编译使用 minilibc dlib 是 RT-Thread 针对 IAR 编译器的移植适配(使用标准库接口时注意开启 RT_USING_LIBC) armlibc 是 RT-Thread 针对 MDK 编译器的移植适配 我的经验及理解,使用RTT时就不要用M...

明天乌儿会歌唱 4164

Code::Blocks+MinGW教学环境配置与编译原理实践指南

C语言教学环境的核心需求是轻量、确定、透明——这正是Code::Blocks与MinGW组合不可替代的技术逻辑。作为面向初学者的编程教具,它不隐藏编译四阶段(预处理、编译、汇编、链接),不抽象工具链路径,也不绑架项目结构,使学生能直观理解gcc调用机制、GDB内存调试原理及UTF-8中文编码全流程。其开箱即用的MinGW集成包规避了VS Code等现代IDE在c_cpp_properties.json配置、PATH环境变量、IntelliSense索引等方面的认知过载,真正将学习焦点回归指针、内存布局与函数

weixin_30729609的博客 426

RT-Thread V4.1.0 新特性介绍之TinyUSB

TinyUSB 是一个用于嵌入式系统的开源跨平台 USB Host/Device 协议栈,其为了内存安全而设计,没有动态分配,同时也是线程安全的,所有中断事件都会被推迟,然后在非 ISR 任务函数中处理,支持多种 MCU。目前 TinyUSB 的源代码托管在 GitHub 上。在社区成员谭丰伟的努力下,通过对 TinyUSB 上游仓库进行 移植,目前已成为 RT-Thre...

rtthreadiotos的博客 4558

数据库国产化探究及升级改造过程指导

当前官网最新版本为DM8,相较于目前主流产品架构:不同特性依靠不同内核去实现,DM8独特采用了双存储引擎架构,行存储引擎和列存储引擎可相互配合、协同工作。同时实现了计算层和存储层的分离,同一内核既支持共享存储式集群,也支持分布式事务集群。

企业实战系列集 ●●● https://ximenjianxue.blog.youkuaiyun.com 5383

【16】linux命令/工具,systemd,文件操作,动静态库,信号,socket

apt install python3-pip --fix-missing(断开vpn,cp /etc/apt/sources.list /etc/apt/sources.list.bak,python3 -m pip install --upgrade pip,apt-get update,pip install 包名 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com)设置时间,联网,apt-get install vim。

持续更新ing... 6792

RT-Thread Studio中SDIO驱动配置与SD卡文件系统挂载全攻略

SDIO(Secure Digital Input Output)是一种广泛应用于嵌入式系统的高速外设接口协议,它不仅扩展了标准SD卡的数据传输能力,还支持多种IO设备。其工作原理基于命令-响应模型,主机通过发送特定格式的命令来控制从设备,并在时钟上升沿同步数据。这项技术的核心价值在于为微控制器提供了高效、标准化的存储扩展方案,是实现数据本地化存储和固件升级等功能的关键。在物联网数据采集、工业控制、消费电子等场景中,SD卡结合文件系统是存储传感器数据、日志和配置信息的常见选择。本文聚焦于在RT-Thread

weixin_30298497的博客 481

基于YOLOv5与海康工业相机的高分辨率实时检测实践

本文详细介绍了基于YOLOv5与海康工业相机的高分辨率实时检测实践,通过优化相机配置、网络传输和YOLOv5模型适配,实现了每秒15帧以上的实时检测性能,缺陷识别准确率高达99.2%。特别适用于电子元件焊接点检测、精密齿轮齿痕检查等对微小缺陷敏感的场景。

weixin_30872499的博客 475

深入解析_POSIX_C_SOURCE:功能测试宏在C/C++跨平台开发中的关键作用

在C/C++系统编程中,功能测试宏是控制编译器暴露哪些标准库接口的核心机制。其原理是通过预处理器宏定义,告知C库实现(如Glibc)程序所遵循的标准版本,从而决定头文件中哪些函数原型、结构体和常量可见。这一机制的技术价值在于保障代码的可移植性,避免因依赖特定编译器扩展或库版本导致的隐式声明警告、链接错误或运行时行为不一致。应用场景广泛覆盖Linux/Unix环境下的网络编程、多线程开发和时间处理等领域,例如使用getaddrinfo、pthread系列函数或clock_gettime时。本文聚焦于最常用的_

weixin_33816946的博客 408

铝合金外壳表面处理工艺全解析:从阳极氧化到瓷泳喷涂的7种方法对比

本文全面解析了铝合金外壳的7种主流表面处理工艺,包括阳极氧化、粉末喷涂、瓷泳喷涂等。通过对比其原理、性能、成本与应用场景,为产品设计师和工程师提供了从防护性、装饰性到功能性的立体选型框架,帮助您根据具体需求选择最佳工艺方案。

weixin_29278805的博客 748

[记录一个bug]av_hwdevice_ctx_create出现Cannot allocate memory(附带库运行时路径)[已解决]

新写的程序里调用ffmpeg的av_hwdevice_ctx_create()这个函数,出现Cannot allocate memory。但是另个程序一样的代码,居然是成功的。 反复检查之后无果,就跳出去查了一下,看到一个问答: Have you tried to use ffmpg executables with the same libs that you using when you run the app? Have you tried to use ffmpg executables

熊猫Ben的博客 3588

ROS 2 Dashing实时性与内存确定性设计解析

ROS 2 是面向机器人系统的中间件框架,其核心挑战在于如何在资源受限的嵌入式设备上实现可预测的实时响应与内存行为。这涉及底层通信机制(如DDS)、执行模型(Executor)、内存管理(Allocator)及QoS策略等多层协同。Dashing 版本首次将实时性保障、内存确定性作为强制契约嵌入API设计,推动ROS从‘功能可用’迈向‘微秒可控’。它支持STM32、Jetson Nano、Zynq等平台,广泛应用于AGV、无人机、边缘AI控制器等对延迟敏感的工业场景。本文深入剖析Dashing在实时调度、零

cong84596496的博客 387

价值投资/指标选股(akshare)

利用akshare的数据源,可以获取所有的股票数据以及公开的财务数据,可以进行条件筛选,获取满足条件的股票。 这套模板可以用于价值投资,指标选股。选股周期为日线级别。然后结果可以邮箱发送。 import time import akshare as ak ## A 股上市公司的实时行情数据 stock_zh_a_spot_df = ak.stock_zh_a_spot() #print(stock_zh_a_spot_df) ##取前300测试 ##取前300测试 df_stock =...

qq_26742269的博客 1万+

MCU上跑通高性能SSH方案:从选型到落地全指南

在工业物联网和嵌入式设备远程维护场景中,安全Shell(SSH)通道已成为不可或缺的标配能力。相较于明文Telnet而言,SSH凭借加密传输、身份认证和数据完整性校验三大机制,为部署在分散现场的MCU控制器、边缘网关提供了安全可靠的远程调试入口。实际工程中,在资源受限的MCU上实施SSH服务需要结合协议栈裁剪、硬件加密加速和密钥安全存储等关键技术,既满足嵌入式实时性要求,又保障运维链路的防护强度。无论是基于FreeRTOS的STM32H7平台,还是其他Cortex-M系列芯片,通过合理的方案选型与调优,均能

weixin_34258838的博客 435

时间序列、时间序列分析、时间序列效应分解、平稳时间序列、AIC和BIC

时间序列、时间序列分析、时间序列效应分解、平稳时间序列、AIC和BIC 目录 时间序列、时间序列分析、时间序列效应分解、平稳时间序列、AIC和BIC 时间序列 时间序列分析 时间序列效应分解 平稳时间序列 AIC和BIC 时间序列 时间序列数据是某个个体在多个时间点上收集的数据。分析时间序列的方法构成了数据分析的一个重要领域,即时间序列分析。时间序列根据所研究的依据不同,可产生不同的分类。按照研究对象可以分为一元时间序列和多元时间序列;按照时间属性可以分为离散时间序列和连续时间序列;按照序

data+scenario+science+insight 1231

IgH EtherCAT 从入门到精通:第 4 章 网络设备驱动选型与配置

摘要:本章详细介绍了EtherCAT主站网络设备驱动的选型与配置。IgH EtherCAT Master提供Generic通用驱动和Native原生驱动两种方案:Generic驱动通过Linux Socket接口实现,兼容性强但实时性较差;Native驱动通过修改网卡驱动绕过内核协议栈,具有更低延迟和更小抖动。文章具体分析了e1000/e1000e/igb/igc等Intel网卡驱动以及r8169/8139too等Realtek驱动的配置方法,并提供了驱动选型建议。对于实时性要求高的场景,推荐使用Nativ

从事嵌入式linux android驱动开发,拥有全栈能力 305

esp32-idf环境安装配置

ESP-IDF 5.5 CMD 配置了gcc和python。用 ESP-IDF 5.5 CMD 打开终端创建项目。如何不在ESP-IDF 5.5 CMD打开clion。电脑的python可能会和idf.py不适配。

qq_26074053的博客 426

Tessy集成测试,看完这篇就够了

本文详细介绍了集成测试模块的创建与测试流程。首先,通过TESSY模块进行组件测试管理,设置测试环境并配置相关函数,包括外部函数和组件函数的处理。接着,设计测试用例,包括设置工作任务、增加测试用例、为测试场景添加函数及赋值,并执行测试用例。此外,文章还介绍了集成测试覆盖率的概念,包括CPC(调用对覆盖率)和FC(函数覆盖率)的定义与作用,强调了它们在确保测试充分性和发现潜在问题中的重要性。最后,提到了数据共享的注意事项,指出在测试过程中全局变量的共享特性及桩函数调用的处理方式。

qq_37282365的博客 1099

rtthread posix接口支持

rtthread 支持POSIX 接口,驱动现在也需要支持posix接口,让linux 的应用同样可以运行到让rtthread上 .应用通用可以减少上层应用的改动。加快产品开发速度,同样测试也可以通用,减少维护成本,提高测试效率。 驱动部分需要实现: 应用声明文件: #include <dfs_file.h> #include <dfs_posix.h> #include ...

喝水的面包 4129

【AUTOSAR-CanNM】-3.1-如何让ECU发出的首帧是NM帧(Tx Nm报文先于Tx App应用报文发出)

如何让ECU发出的首帧是NM帧(Tx Nm报文先于Tx App应用报文发出)

「汽车电子助手」的博客 4724

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

1 张图看 3 种不同的 posix 线程

转载自:https://mp.weixin.qq.com/s/9wleh0fUjXd5jLh1b81ncQ 1 张图看 3 种不同的 posix 线程 原创 honeysugar MultiMCU EDU 今天 本文基于《Azure RTOS ThreadX 的 Posix 接口》,从“线程栈”在哪里的角度说一说 3 种不同的 pthread 建立方法。 1 张图看 3 种不同的 posix 线程 图1. posix 线程 1、图中蓝色字标示的线程,线程栈在 posix ..

自主无人机 PX4 ROS SLAM 路径规划 MVS等技术分享 581

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")

上一篇: 【回帖就送】500份颜值口罩+开发板,假期防疫可不能少
下一篇: RT-Thread V4.1.0 新特性介绍之TinyUSB
RT-Thread物联网操作系统
博客等级 码龄6年 2万+粉丝 392原创
评论
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