weixin_38498942-优快云博客

原创高通 DSP 性能优化实战：运行时环境配置与初始化缓存技术

如果用户保存了此类 DLC 容器，则在后续的网络初始化过程中，将从 DLC 加载初始化缓存，从而缩短初始化时间。是 $SNPE_ROOT/lib/hexagon-v65/unsigned/libSnpeDspV65Skel.so 和/或其他 skel 文件的推送路径。假设适当的 DSP skel 已被推送到 /data/local/tmp/snpeexample/dsp/lib，则将使用以下命令设置 ADSP_LIBRARY_PATH。与 LD_LIBRARY_PATH 不同，路径必须包含在引号中。

2025-06-12 08:30:00 740

原创高通 UDO 实战：带权重卷积操作全流程开发与 VGG 模型部署指南

此命令在 $SNPE_ROOT/examples/Models/VGG/ConvUdoCpu/Conv2DPackage 或 $SNPE_ROOT/examples/Models/VGG/ConvUdoDsp/Conv2DPackage 创建基于卷积的包。这将生成一个名为 vgg16_udo.dlc 的 DLC，其中包含位于 $SNPE_ROOT/examples/Models/VGG/dlc 的卷积作为 UDO。生成的包会创建操作实现的框架，用户必须填充该框架才能创建功能齐全的 UDO。

2025-06-11 08:30:00 1001

原创高通 PSNPE 开发实战(2)：C/C++ 多模式并行推理与性能优化指南

一个 PSNPE 实例包含一个或多个 SNPE 实例，这些实例具有三种可选的执行模式：同步、异步输出和异步输入/输出。此输入加载方法适用于同步模式和异步输出模式，与高通神经处理 SDK 从用户支持的缓冲区创建输入和输出的方法类似。此输入加载方法用于同步模式和输出异步模式，类似于高通神经处理 SDK 用于从用户支持的缓冲区创建输入和输出的方法。在输出异步模式下，加载输入数据是同步的，但执行 SNPE 实例并获取输出是异步的。输出异步模式中，加载输入数据和执行 PSNPE 与同步模式类似，但需要通过在。

2025-06-11 08:30:00 975

原创高通 PSNPE 开发实战(1)：Android Java API 集成与多模式推理指南

PSNPE Java API 以 Android 存档 (AAR) 文件的形式提供，应用程序开发者可将其作为应用程序的依赖项。$SNPE_ROOT/示例/SNPE/android/psnpe-demo/app/build/outputs/apk/debug。相同，但下面的代码摘录中显示的不同 Java API 用于在输出异步模式下执行神经网络。在输入/输出异步模式下，所有输入数据加载、神经网络传播和输出后处理都是异步处理的。下面的代码摘录显示了如何设置本机库和配置文件的路径。

2025-06-11 08:30:00 550

原创高通神经处理 SDK 实战(5)：量化 DLC 的 UDO DSP 实战

编辑文件 $SNPE_ROOT/examples/SNPE/android/image-classifiers/app/src/main/java/com/qualcomm/qti/snpe/imageclassifiers/tasks/LoadNetworkTask.java。量化 DLC 需要使用。这将生成一个名为 inception_v3_udo.dlc 的 DLC，其中包含位于 $SNPE_ROOT/examples/Models/InceptionV3/dlc 的 Softmax 作为 UDO。

2025-06-05 08:30:00 678

原创高通神经处理 SDK 开发实战(5)：基于Windows的开发

SNPE_ROOT/示例/SNPE/NativeCpp/SampleCode_CAPI/MemoryMappedUserBuffer。$SNPE_ROOT/示例/SNPE/NativeCpp/SampleCode_CAPI/Psnpe/OutputAsyncMode。$SNPE_ROOT/示例/SNPE/NativeCpp/SampleCode_CAPI/Psnpe/SyncMode。如果 SNPE_ROOT 不在系统环境变量中，则将 $SNPE_ROOT 替换为完整路径。

2025-06-04 08:30:00 775

原创高通神经处理 SDK 开发实战(4)： UDO开发

请确保您的 Hexagon SDK 的命名格式为“hexagon-sdk-<版本名称>”，并确保 Hexagon SDK 的工具目录路径格式为“hexagon-sdk-<版本名称>/tools/HEXAGON_Tools/<工具名称>/”。这将生成一个名为 inception_v3_udo.dlc 的 DLC，其中包含 Softmax 作为 $SNPE_ROOT/examples/Models/InceptionV3/dlc 中的 UDO。注册库将在 CPU 上运行，并指定 UDO 的 DSP 实现库。

2025-06-04 08:30:00 847 1

原创高通神经处理 SDK 开发实战(3)：基于Android开发应用

高通神经处理 SDK 和平台验证器 Java API 以 Android 档案 (AAR) 文件的形式提供，应用程序开发人员将其作为其应用程序的依赖项。所有应用程序将首先创建一个具有所需运行时的平台验证器对象，然后使用该对象调用如下所述的验证 API。应用程序中的无符号 PD 开关只能在模型加载时设置/取消设置一次。$SNPE_ROOT/示例/SNPE/android/图像分类器/应用程序/构建/输出/apk/调试。要构建此示例，请包含如上所述的高通神经处理 SDK AAR，并使用以下命令进行构建。

2025-05-29 08:30:00 757

原创高通神经处理 SDK 开发实战(2)： C++ API 从环境搭建到跨平台推理优化

数据类型值包括 zdl::DlSystem::IOBufferDataType_t::FLOATING_POINT_32、zdl::DlSystem::IOBufferDataType_t::FIXED_POINT_8 和 zdl::DlSystem::IOBufferDataType_t::FIXED_POINT_16。需要注意的是，$CXX 需要根据目标平台进行设置。请注意，输入值只是加载到用户支持的缓冲区中，高通神经处理SDK 可以在其上创建高通神经处理 SDK UserBuffers，如上所示。

2025-05-28 08:30:00 1029

原创高通神经处理 SDK 开发实战(1)：C API 从句柄管理到跨平台推理

由于 C API 采用基于句柄的方法，因此在转换 C++ API 时，需要将用于访问对象的句柄作为参数传递。在下面的代码片段中，Snpe_SNPEBuilder_Create 函数调用创建了一个 Snpe 构建器对象并返回一个句柄，用户可以使用该句柄来调用该构建器对象。请注意，输入值只是加载到用户支持的缓冲区中，高通神经处理SDK 可以在其上创建高通神经处理SDK UserBuffers，如上所示。用户创建并返回的句柄的生命周期需要由用户管理。当 API 返回不同类型的句柄时，该句柄的生命周期由用户管理。

2025-05-28 08:30:00 761

原创高通神经处理 SDK 实战（4）：VGG 模型部署与图像分类指南

从步骤2到步骤5，相当于运行“python3 $SNPE_ROOT/examples/Models/VGG/scripts/setup_VGG.py”此示例展示了如何使用高通神经处理 SDK 运行 ONNX 模型。加载 DLC 文件，加载输入张量的数据，并在指定的运行时执行网络。此示例从 ONNX 框架导入预训练的 VGG 模型，并演示推理。设置 ONNX 环境，将 VGG-16 模型转换为 DLC。下载 ONNX 预训练的 VGG 模型并预处理输入图像。下载 ONNX 预训练的 VGG 模型。

2025-05-26 11:00:00 644

原创高通神经处理 SDK 实战（3）：Word-RNN 模型全流程部署与序列数据推理指南

以下是 aarch64-android（Android 平台）和 aarch64-oe-linux-gcc11.2 工具链（LE 平台）的示例。将 Qualcomm® Neural Processing SDK 库和预构建的 snpe-net-run 可执行文件推送到 Android 目标设备上的 /data/local/tmp/snpeexample。本章将展示一个简单的 Word-RNN 示例，该示例使用长短期记忆网络 (LSTM) 预测嵌入中的下一个单词。向量并送入 LSTM 模型。

2025-05-22 09:00:00 1473

原创高通神经处理 SDK 实战（2）：口语数字识别模型跨平台部署与实时推理指南

原始输出预测位于 $SNPE_ROOT/examples/Models/spoken_digit/output/Result_0/output/Result_0/Identity:0.raw。它包含 10 个类别的 10 个概率的输出张量数据。snpe-net-run 完成后，验证结果是否已填充到 $SNPE_ROOT/examples/Models/spoken_digit/output 目录中。可执行文件将创建结果文件夹：/data/local/tmp/spoken_digit/output。

2025-05-22 09:00:00 980

原创高通神经处理 SDK 实战（1）：Inception v3 模型跨平台部署与性能调优全记录

使用 AIP 运行时运行模型需要在脚本 $SNPE_ROOT/examples/Models/InceptionV3/scripts/setup_inceptionv3_snpe.py 中将 –runtime 参数设置为“aip”，以便将 HTA 特定的元数据打包到 AIP 运行时所需的 DLC 中。上面的 <input_files_dir> 映射到 $SNPE_ROOT/examples/Models/InceptionV3/data/cropped/ 之类的路径。以下是在主机和目标上分别执行的命令。

2025-05-21 08:30:00 1061

原创高通神经处理SDK Windows 优化指南：Inception v3 模型推理与 DSP 加速实战记录

使用此输入，snpe-net-run 创建了输出文件 $SNPE_ROOT/examples/Models/InceptionV3/output/Result_0/InceptionV3/Predictions/Reshape_1_0.raw。请注意，输入列表不支持带空格的路径。如果您使用 $SNPE_ROOT/examples/Models/InceptionV3/scripts/create_file_list.py 生成输入列表，使用 -r 选项将允许使用相对路径而非绝对路径，这有助于解决这个问题。

2025-05-21 08:30:00 1695

原创简述高通神经处理SDK输入图像格式数据和预处理

在某些框架（例如 Pytorch）中，图像可能呈现为形状为的张量，其中宽度是变化最快的维度，其次是高度，然后是颜色通道。这意味着第一个颜色通道的所有像素值在内存中是连续的，然后是下一个颜色通道的所有像素值，依此类推。这意味着单个像素所有颜色通道的值在内存中是连续的，然后是下一个像素的所有颜色值，依此类推。Pytorch 和高通神经处理 SDK 之间的示例输出保持不变：对于批次中的每张图像，包含每个类别的概率的一维张量。如果模型的批量维度大于 1，则各个输出张量将沿着批量维度连接在一起。

2025-05-15 08:30:00 355

原创解锁高通 SDK 新技能：InceptionV3 模型转换与多运行时优化实战

脚本完成后，准备好的 Inception v3 资产将复制到 $SNPE_ROOT/examples/Models/InceptionV3 目录，同时还会复制示例原始图像以及转换后的高通神经处理SDK DLC 文件（并根据需要进行额外优化）。请注意，这些资源很大，下载可能需要一些时间。脚本完成后，准备好的 VGG 资产将复制到 $SNPE_ROOT/examples/Models/VGG 目录，同时还会复制示例原始图像以及转换后的高通神经处理 SDK DLC 文件（并根据需要进行额外优化）。

2025-05-15 08:30:00 774

原创模型转换密码-1：TensorFlow 模型转换

而 TensorFlow 将神经网络定义为节点图，并将层定义为图中的一组节点。* 在 Windows PowerShell 中使用转换工具时，请确保已激活具有所需包的虚拟环境，并通过。以下命令将 Inception v3 TensorFlow 模型转换为。工具可将冻结的 TensorFlow 模型或图形元文件转换为等效的。考虑到这一点，为了将 TensorFlow 图正确转换为。冻结的 TensorFlow 模型（pb 文件）或。SDK 通过将各种模型转换为与框架无关的。TensorFlow 模型转换。

2025-05-14 08:30:00 995

原创模型转换密码-2：多种转换工具实践

然后，图形准备将在运行时完成（称为在线准备），从而拒绝 DLC 中的缓存 blob，在这种情况下，初始化时间会明显增加。如果用户在缓存准备期间将此输入的大小调整为 2x3x4x5，并在未将该输入的大小调整为 2x3x4x5 的情况下尝试后续运行推理，则此原本兼容的缓存记录将因输入尺寸不匹配而被拒绝。输入数据示例，而不使用训练集中的数据。对于同一个 DSP Arch，如果为一个 SoC 准备的缓存的 VTCM 小于或等于正在运行的 SoC 的 VTCM，则该缓存可以在另一个 SoC 上运行。

2025-05-14 08:30:00 875

原创模型转换密码-3：从 MobilenetSSD 到 DeepLabv3 的技术突破

请注意，输入维度在转换过程中嵌入到 DLC 模型中，但在某些情况下，可以在 SNPE 对象创建/构建时通过 Snpe_SNPEBuilder_SetInputDimensions() 进行覆盖。使用高通神经处理SDK 运行 DeepLabv3 将生成一个尺寸为 513x513x1 的输出分割图，其中每个元素都是一个整数，代表一个类别（例如 0=背景等）。在高通神经处理SDK 转换之后，您应该有一个可以在高通神经处理SDK 运行时加载和运行的 mobilenet_ssd.dlc。

2025-05-14 08:30:00 853

原创由浅入深了解高通平台UDO（3）：编译UDO包

因此，开发 DSP 内核的用户可以预期操作中传入和传出 UINT_8、UINT_16 或 FLOAT_32 类型的激活张量，因此可以将配置文件中的 data_type 字段设置为这三种类型之一。因此，开发 DSP 内核的用户可以预期操作中输入和输出的激活张量是 UINT_8 还是 FLOAT_32，因此可以将配置文件中的字段 data_type 设置为这两种设置之一。与 CPU 运行时类似，要在 GPU 运行时上运行 UDO 包，需要基于核心 UDO API 的 GPU UDO 实现库。

2025-05-08 08:30:00 785

原创由浅入深了解高通平台UDO（4）：使用UDO

请注意，使用上述 API 向高通 Neural Processing SDK 明确提供了注册库的绝对路径，而实现库可以存在于系统上应由库加载器发现的任何位置（在 Unix 系统上使用 LD_LIBRARY_PATH）。UDO 可以注册到进程中，并可供任何使用它们的高通神经处理 SDK 实例在进程的整个生命周期内使用。snpe-net-run 工具通过命令行选项 –udo_package_path 注册 UDO 注册库，该选项接受注册库的绝对路径。命令行工具与基于 UDO 的 DLC 的结合使用。

2025-05-08 08:30:00 604

原创由浅入深了解高通平台UDO（1）：概述与定义UDO

这些操作可以是 TensorFlow 等常用训练框架中定义的操作，也可以是基于框架扩展构建的自定义操作，但 Qualcomm® 神经处理 SDK 中不提供。但是，提供的框架代码经过定制，每个包中只定义一个操作。张量的数据类型决定了张量中包含的数据在 DLC 中的存储方式，以及 Qualcomm® 神经处理 SDK 在运行时执行期间移交的内存类型。下一步将生成 UDO 包的组件，具体方法是创建 UDO 内核的源文件，并根据相应的工具链对其进行编译，从而生成特定于 GPU 和 DSP 等硬件内核的动态库。

2025-04-30 08:30:00 777

原创由浅入深了解高通平台UDO（2）：UDO包的定义与创建

包含目录包含三种文件：来自 Qualcomm® 神经处理 SDK UDO API 的头文件、特定于 UDO 包及其操作的头文件，以及一个包含 C++ 辅助实用程序的目录，该目录封装了 Qualcomm® 神经处理 SDK UDO API 调用。因此，虽然用户可以独立于此规范创建 UDO 包，但本节介绍了创建部分定义的 UDO 包的过程，该包可以轻松实现和编译以生成相关的库。同样，此文件包含一些方法，用于返回实现库中包含的操作的信息，以及一些方法，它们充当最终在每个操作文件中执行的代码之上的间接层。

2025-04-30 08:30:00 858

原创解锁高通平台Ubuntu 机器人开发（1）：创新工作流程揭秘

Ubuntu 机器人开发者工作流程利用了 Qualcomm® 智能机器人产品 (QIRP) SDK，其中包含一些组件，可让您使用 Ubuntu 操作系统在 Qualcomm 平台上开发机器人功能。此信息可帮助您准备好在 Qualcomm RB3 Gen 2 设备上运行 QIRP 示例应用程序所需的软件映像和依赖项。启用提供光学字符识别 (OCR) 功能的服务。它通过提供感知、规划、控制、定位、可视化等功能，构建高度可靠的自主系统。为了开发机器人系统中的应用程序，请在 RB3 Gen 2 设备和主机上安装。

2025-04-24 09:00:00 855

原创解锁高通平台Ubuntu 机器人开发（2）：QIRP SDK 示例应用实战指南-上

Realsense2-camera 是 realsense-ros ROS2 软件包，它是基于英特尔® RealSense TM SDK 2.0 的深度摄像头的英特尔® RealSense TM ROS 包装器。要使用这些示例，您必须拥有自己的移动机器人。rplidar-ros2 样本为 2D 激光扫描仪 RPLIDAR A1/A2/A3/S1/S2/S3 提供基本的设备处理。图中展示了 rplidar-ros2 示例的流水线，示例从 rplidar SDK 获取驱动数据，然后发布 /scan 主题。

2025-04-24 09:00:00 2032

原创解锁高通平台Ubuntu 机器人开发（3）：QIRP SDK 示例应用实战指南-下

图中显示了管道，它使用 sysfs 节点和一些系统标准命令工具收集系统信息，然后使用 ROS 消息发布这些数据。包含各种 ROS 节点来发布系统状态信息，例如 CPU 负载、内存利用率和磁盘空间。表： qrb-ros-system-monitor 管道中使用的 ROS 节点。表： qrb-ros-system-monitor 管道中使用的 ROS 主题。用例：构建并运行 qrb-ros-system-monitor。QRB-ROS-SYSTEM-MONITOR 的管道流程。QRB ROS 系统监视器。

2025-04-24 09:00:00 1471

原创 AI/ML 参考应用揭秘：RB3Gen2 设备上的创新实践与定制突破

下面概述开发人员修改现有示例时可以采取的步骤应用程序来使用他们的自定义训练模型。使用经过定制训练的 YoloV8 model 为例。Qualcomm 开发套件需要使用参考应用程序源进行设置，并且插件代码。示例 1 – 自定义训练的 YoloV8 LiteRT 模型Qualcomm IM SDK 参考应用程序使用 YoloV8 模型进行对象检测。在在此示例中，我们将说明如何尝试自定义训练的 YoloV8 变体。使用以下步骤使用当前的参考应用程序。在参考应用程序中将现有模型替换为新模型。

2025-04-23 09:00:00 1080

原创高通 IM SDK 开发全景洞察：从基础搭建到高级定制的技术跨越

在 Qualcomm Development Kit 上下载 Qualcomm IM SDK 和参考应用程序源代码，并使用 cmake 等标准开发工具进行编译。在 Qualcomm Development Kit 上下载 Qualcomm IM SDK 和参考应用程序源代码，并使用 cmake 等标准开发工具进行编译。您必须在 Qualcomm 开发套件上下载 Qualcomm IM SDK 和参考应用程序源代码，并使用 cmake 等标准开发工具进行编译。如果成功，编译后的应用程序将加载更新的插件。

2025-04-23 09:00:00 645

原创一文掌握！高通 AI Engine Direct SDK 多平台模型部署与验证全流程

在基于 Arm 的 CPU 上执行模型时，需要模型 .so（对于 RB3Gen2 目标，必须交叉编译 .so 使用 aarch64-ubuntu-gcc9.4 工具链）、后端 .so 库和输入列表设置为运行 Inference 以生成输出。Qualcomm AI Engine Direct SDK 提供 C/C++ API，以创建/开发可以加载已编译的 .so 模型并在其上执行它的应用程序选定的具有加速功能的后端（CPU、GPU 或 HTP）。在基于 Arm 的 CPU 上运行 QNN 模型。

2025-04-17 08:47:21 1257

原创一文读懂！高通 AI Engine Direct SDK 从安装到模型部署全攻略

对于 AI Engine Direct （QNN）中的量化 SDK 是来自训练数据集的 50 到 200 张图像的代表性数据集作为校准数据集提供给 QNN 转换器。QNN SDK 提供离线工具，用于在 Qualcomm 硬件上加速转换、量化、优化和部署模型。为设备上编译模型时执行，为此使用正确的交叉编译器工具链非常重要架构来确保编译后的共享对象（.so）与设备作系统。转换/量化步骤完成后，用于编译生成的 C++ graph 转换为共享对象（.so），使模型能够由应用程序执行推理。

2025-04-17 08:30:00 2350

原创解锁高通神经处理引擎：SNPE 模型部署与输出验证

可以通过支持 SNPE 的应用程序（使用 SNPE C/C++ API 编写的应用程序）部署模型 DLC（量化或非量化）。（通过 input_list 文件），都会生成一个输出文件夹，其中包含保存为原始文件的输出张量，其大小将与模型的输出层匹配，如下图所示。SNPE SDK 提供 C/C++ API，用于创建/开发可在指定硬件（CPU、GPU 或 HTP）上加速运行模型的应用程序。工具（使用 C API 编写的应用程序），可以加载任意模型 DLC 并在提供的输入上执行它。在此示例中，输出保存到主机上的。

2025-04-16 20:30:00 757

原创轻松上手高通神经处理引擎 SDK 安装与配置全攻略

Qualcomm 神经处理引擎（也称为骁龙神经处理引擎或 SNPE）是一款一体化 SDK，用于将机器学习模型移植到 Qualcomm 硬件加速器上运行。为了将在不同框架上训练的 ML 模型转换为 Qualcomm® Neural Processing SDK 可用的中间表示，您可能需要在主机上下载并安装相应的框架。在筛选结果中，点击“Qualcomm® AI Stack”旁边的箭头，展开可用的 AI 软件 SDK 列表，然后从列表中选择。直接下载 Qualcomm 神经处理引擎 SDK。

2025-04-16 20:00:00 694

原创解锁高通 SNPE 潜力：模型移植与优化

该工具会根据 HTP 版本和芯片组 ID 创建一个缓存，其中包含在 HTP 硬件上执行模型 DLC 的执行策略。除了来自源框架的输入模型之外，转换器还需要有关输入模型的其他详细信息，例如输入节点名称、其对应的输入维度以及任何输出张量名称（对于具有多个输出的模型）。这些输入 .raw 文件的大小必须与模型的输入大小匹配。)，可以使用其自己的量化算法将 DLC 模型量化为 INT8/INT16 DLC。) 中，以将模型转换为模型的 Qualcomm 特定中间表示，称为深度学习容器 (DLC)。

2025-04-16 20:00:00 704

原创深入了解魔方派3配置工具 rubikpi_config

rubikpi_config 工具默认路径在，具备两种工作模式：菜单模式和命令行传参模式。

2025-04-10 08:40:21 933 1

原创 Yocto 工程助力魔方派 3 开发：编译镜像与 eSDK 的深度攻略

本章节介绍如何使用 yocto 工程编译出可以在魔方派3上烧录和运行的镜像。

2025-04-10 08:40:08 938

原创深入了解魔方派3的接口（5）：显示相关（HDMI OUT与DP）

HDMI CEC（Consumer Electronics Control，消费者电子控制）是 HDMI 标准中的一项功能，旨在通过单一的 HDMI 连接线实现多设备之间的互联与统一控制。具体来说，CEC 允许连接的设备通过专用的 CEC 引脚进行通信，从而实现例如通过一个遥控器控制多台设备的功能。我们也可以通过输出的 DSI 信息进行调试，DSI 指的是 Display Serial Interface（显示串行接口），通常与移动设备或嵌入式系统的显示驱动（如 MIPI DSI）相关。

2025-04-10 08:39:50 1076

原创深入了解魔方派3的接口（4）：USB

在调试与进入/退出低功耗模式、SMMU 故障、无时钟访问相关的问题时，可通过上述日志查看事件和控制器状态的详细信息。以下是可用于验证 xHCI/gadget 协议栈/USB Type-C 连接器系统软件接口 (UCSI) 中的数据传输的跟踪。请运行以下命令，以便列出 USB 视频类 (UVC) gadget 驱动程序的可用事件。要列出 xHCI/主机控制器驱动程序 (HCD) 中的跟踪数据，请运行以下命令。要查看有关 USB 设备的详细信息，请运行以下命令。请运行以下命令，以便列出当前目录的内容。

2025-04-10 08:39:36 1067

原创深入了解魔方派3的接口（3）：CSI

目前魔方派3已经兼容树莓派官方的三款摄像头。在官方演示中，IMX477 摄像头使用了 WS1053516 镜头。备注目前魔方派3暂时只支持标准版 Module 2 摄像头，不支持广角（Wide）、夜光（NoIR）版本。备注目前魔方派3暂时只支持标准版 Module 3 摄像头，不支持广角（Wide）、夜光（NoIR）版本。当前软件版本暂不支持 Module 3 摄像头的 AF 自动对焦功能。

2025-04-10 08:39:14 701

原创深入了解魔方派3的接口（2）：SPI与UART

关于 WiringRP 详细信息可访问。魔方派3适配了 WiringRP（基于高性能 GPIO 编程库 WiringPi），推荐使用 WiringRP 来控制 SPI，和对 SPI 编程。下图是魔方派3 40-pin 连接器的引脚默认功能，其中大部分引脚和树梅派 40-pin 连接器引脚的默认功能兼容。下图是魔方派3 40-pin 连接器的引脚默认功能，其中大部分引脚和树梅派 40-pin 连接器引脚的默认功能兼容。WiringRP 库中提供了一系列的 API 函数，用更少的逻辑实现控制。

2025-04-02 13:36:14 1079

Hetcompute image processing example (1).docx

Hetcompute image processing example (2).docx

空空如也