linux 3.11.10， mini2440， usb wifi TL-WN721 8176 ，8192cu ，os_intfs.o error1

最新推荐文章于 2022-02-08 16:11:41 发布
原创 最新推荐文章于 2022-02-08 16:11:41 发布 · 2.9k 阅读 · 1 ·
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。

本文介绍如何为 Realtek 8192CU USB 无线网卡在 Linux 3.11.10 内核及 mini2440 开发板上进行驱动移植。内容包括查看设备型号、配置内核、编译驱动及解决编译错误等步骤，并提供优化驱动文件大小的方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

参数：

Linux内核版本：linux3.11.10

开发板型号：mini2440，256M

1.编译

1.1查看usb adapter的型号

将usb wifi插到PC的linux下，使用lsusb命令查看其信息。我的是Bus 002 Device 005: ID 0bda:8176 Realtek Semiconductor Corp.

表明是Realtek的。

1.2修改内核源码配置

make menuconfig

Device Drivers  --->

[*] Network device support  --->

[*]Wireless LAN  ---> 

[M]Realtek rtlwifi family of devices  --->

<M>   Realtek RTL8192CU/RTL8188CU USB Wireless Network Adapter

然后编译内核

1.3编译驱动程序

去网站：http://www.realtek.com/downloads/downloadsView.aspx?Langid=3&PNid=48&PFid=48&Level=5&Conn=4&DownTypeID=3&GetDown=false&Downloads=true#RTL8192CU

下载驱动，解压，修改Makefile

CONFIG_PLATFORM_I386_PC = n
CONFIG_PLATFORM_ARM_S3C2K4 = y              //修改芯片架构
CONFIG_POWER_SAVING                     =       n     //去掉节能模式

ifeq ($(CONFIG_PLATFORM_ARM_S3C2K4), y)
EXTRA_CFLAGS += -DCONFIG_LITTLE_ENDIAN
ARCH := arm
CROSS_COMPILE := arm-linux-
KVER  := 3.11.10
KSRC := 你的linux源码路径

然后make，编译时报错：error: implicit declaration of function 'create_proc_entry'  ../os_dep/linux/os_intfs.o]错误 1

原因是3.11.10的内核里面的“create_proc_entry“已经过时，尝试修改../os_dep/linux/os_intfs.c文件但未果，在网上搜到一个改好的os_intfs.c文件，替换掉原来的文件编译测试，可以使用

代码网址如下：https://raw.github.com/raspberrypi/linux/rpi-3.10.y/drivers/net/wireless/rtl8192cu/os_dep/linux/os_intfs.c

2.使用驱动

2.1优化

编译之后的8192cu.ko文件可能比较大，有大概7M，原因是里面包含了大量的调试信息，所以使用arm-linux-strip -S

8192cu.ko去掉调试信息，之后大小就变为了700多k

2.2下载和使用

使用minicom或是其他方法将该驱动下载到开发板

下载进去后使用insmod就可以加载了，加载成功后，使用命令iwconfig来查看一般名为wlan0


参考网址：http://m.blog.youkuaiyun.com/blog/dragon101788/8658374，这篇文章较为详细地介绍了移植的过程，可以作为移植usb wifi 驱动的参考，谢谢作者

PXE 部署不同版本的系统安装环境以及挽救环境
hubowestlife
10-17 1147
环境Redhat7.3软件准本工作： [root@localhost ~]# yum install httpd tftp-server dhcpd syslinux system-config-kickstart -y 软件环境的逐个配置： 1.httpd :1 [root@localhost ~] mkdir /var/www/html/redhat73
18 linux mint 驱动_Linux Mint 18 迅捷FW150US无线网卡(RTL8188EUS芯片)驱动安装
weixin_39580564的博客
12-21 738
最近实在受不了windows系统的启动缓慢和内存占用高，于是决定安装双系统，考虑到未来Windows的发展趋势，系统之一非Windows 10莫属，而linux桌面系统从Ubuntu和Mint中二选一，最后决定使用Linux Mint cinnamon 。即 Windows 10 + Linux Mint 18 组合。具体安装方法网上可以搜到很多，这里不再赘述。本文主要讲述装好Mint 后的无线网...
Linux下安装无线网卡驱动
weixin_34199335的博客
08-09 515
准备：内核支持无线网络拥有无线网卡linux下的驱动（或者该无线网卡芯片的驱动）如果是USB方式，linux下可以用lsusb命令，若是在Windows上可以用工具软件（如：驱动精灵）来查看无线网卡的芯片。在这里以型号为fast150um，芯片为8176RealtekSemiconductorCorp的无线网卡为例，下载的驱动为芯片的R...
全志A40i编译RTL8192CU/RTL8192CE驱动
Super辉sir的博客
11-02 2599
RTL8192CU驱动调试记录
ubuntu更新rtl8192cu驱动
liu0808的专栏
12-15 2202
手上有个 tplink wr823n 的 usb 无线网卡，在 windows 下工作正常，但在 linux 上的比较差，速度没有 windows 上的快，还经常掉线。这个网卡使用的芯片为 rtl8192cu ，windows 版本的驱动功能完善，在 ubuntu 15.04 上默认也带有 rtl8192cu 的驱动，但就工作得不太好。 tplink 的网站并不提供 linux 版本的驱
关于Realtek 8821ce wireless lan 802.11ac网络适配器无法使用
qq_45746876的博客
10-24 3万+
关于网络适配器realtek 8821ce wireless lan 802.11ac无法使用的问题 提示：并不适用于所有出现该问题的电脑，本次针对的电脑是win10系统，其他系统并没有测试过。 参考1：https://blog.csdn.net/duan_qiao925/article/details/115762947（Windows注册表详解） 参考2：https://blog.csdn.net/qq_41558095/article/details/92759440（网卡驱动卸载后一直安装失败的问
cassandra-tools_3.11.10_all.deb
03-05
线性可伸缩性和在商品硬件或云基础架构上经过验证的容错能力使Apache Cassandra成为关键任务数据的理想平台。 Cassandra对跨多个数据中心进行复制的支持是一流的。 Netflix，Twitter，Urban...cassandra/3.11.10/debian
python-3.11.10-amd64.exe
09-11
windwos环境下python 3.11系列64位安装包，仅推荐个人学习、开发、娱乐或者测试环境下使用。
cassandra_3.11.10.dsc
03-05
线性可伸缩性和在商品硬件或云基础架构上经过验证的容错能力使Apache Cassandra成为关键任务数据的理想平台。 Cassandra对跨多个数据中心进行复制的支持是一流的。 Netflix，Twitter，Urban...cassandra/3.11.10/debian
cassandra-tools-3.11.10-1.noarch.rpm
03-05
线性可伸缩性和在商品硬件或云基础架构上经过验证的容错能力使Apache Cassandra成为关键任务数据的理想平台。 Cassandra对跨多个数据中心进行复制的支持是一流的。 Netflix，Twitter，Urban Airship，Constant ...
rabbitmq_delayed_message_exchange-3.8.0.7z
04-06
安装一个插件即可：https://www.rabbitmq.com/community-plugins.html ，下载rabbitmq_delayed_message_exchange插件，然后解压放置到RabbitMQ的插件目录。 接下来，进入RabbitMQ的安装目录下的sbin目录，执行下面...
ASUSPRO P5440UA无线网卡：Realtek 8821CE Wireless LAN 802.11ac PCI-E NIC
01-06
解决win10系统从官网下载无线网卡驱动不能安装问题 笔记本型号:P5440U 无线网卡：Realtek 8821CE dev:PCI\VEN_10EC&DEV;_C821&REV;_00
hive-flasher:Hive OS驱动器刷新实用程序
05-16
Hive OS驱动器刷新实用程序 这是一个批量刷新实用程序，它将帮助您无头和无键盘迁移到服务器场的Hive。 您可以在这里找到预构建映像 分步使用说明 从下载hive-flasher映像 下载最新的Hive OS映像 使用Etcher（ ）将hive-flasher.img写入您的闪存驱动器。 写入映像后，您将找到带有README.txt和其他配置文件的HIVE-INSTALL磁盘分区。 将Hive OS zip文件解压缩到闪存驱动器，之后应包含hive-xx-xx.img 使用以下FARM_HASH或“ RIG_ID自动增量”将装备附加到您的Web帐户 使用FARM_HASH 在网络上转到您的帐户并找到FARM_HASH值。 编辑hive-config.stub/rig-config-example.txt以设置FARM_HASH和RIG_PASSWD。 首次使用指定的密码
笔记本电脑无法设置连接wifi,检测到适配器 Realtek 8821CE Wireless LAN 802.11ac PCI-E NIC 遇到与驱动程序或硬件相关的问题
热门推荐
laofashi2015的专栏
08-23 4万+
问题现象: 笔记本电脑无法设置WIFi,网络和Internet设置左侧无WLAN选项,右击网络连接菜单,点击[疑难解答]-->[所有网络适配器],检查结果显示:适配器 Realtek 8821CE Wireless LAN 802.11ac PCI-E NIC 遇到与驱动程序或硬件相关的问题,如下图 解决方法: 步骤1:我的电脑-->右键-->属性--->设备管理器; 步骤2:点击网络适配器,右击 Realtek 8821CE Wireless LAN 802.11ac.
国产Linux：中标麒麟NeoKylin——虚拟机上安装后装载VM Tools
buknow的博客
11-22 3670
VM tools顾名思义就是Vmware的一组工具。主要用于虚拟主机显示优化与调整，另外还可以方便虚拟主机与本机的交互，如允许共享文件夹，甚至可以直接从本机向虚拟主机拖放文件、鼠标无缝切换、显示分辨率调整等，十分实用。 虚拟机中一般Linux系统安装VM Tools流程： 右击虚拟机系统标签，选择“安装VM Tools”，然后在系统桌面会出现一个盘，点开拷贝里面的vmtools-xxx.tar...
wifi 调试常用命令及rtl8192的移植
liuxd3000的专栏
04-15 1万+
wifi 调试一 分类： wifi2014-03-05 13:56 52人阅读 评论(0) 收藏 举报 查看网络设备： busybox ifconfig  -a  查看可接入的无线热点： iwlist ath0 scan | less 查看无线网络： iwconfig; ifconfig wlan0 up; iwlist wlan0
在 Linux-3.10 上使能 USB ADB
kunkliu的博客
02-08 966
背景 在 Linux-3.8 以后，Android 的内核分支，便去掉了 f_adb，改使用 USB function FS，在用户空间实现 USB adb 功能。这篇文章根据原作者的 Google+ 文章，在 Atmel sama5 开发板上做了测试，将步骤记录如下，供需要使用的读者参考，你也可以查看作者原文： https://plus.google.com/111524780435806926688/posts/AaEccFjKNHE  在 Linux-3.10 上使能
编译内核模块常见问题
Android/Linux的专栏
02-15 2万+
在x86上做出来了，但是在ARM上却出现了很多问题，有内核代码准备的问题，有模块代码问题，也有Makefile的问题。看似不起眼的角色，出了问题也很纠结。 第一种：内核代码没有准备好 [root@localhost module]# make make -C /opt/kangear/kernel/linux-2.6.32.2 M=/root/桌面/kangear/module modu
和菜鸟一起学linux之wifi学习记录
weixin_30611509的博客
01-12 377
也差不多一个月没有更新博客了，元旦也过去了，8天的班也上完了，小病也好了，时间又回到了每个周的周末了，不知道干嘛，突然发现好像失去了什么，好像做了很多很多没有意义的事，一直都是在原点打转，不知道接下去会是什么，不知道为了什么。也许总会有一段日子觉得很迷茫，不知所措。这么一来，原本要做的很多事都耽搁了，2012，离梦还有那么远，没有丝毫的前进。很累，但是不知道是身体的。还是心里...
/root/miniconda3/bin/conda run -p /root/miniconda3 --no-capture-output python /root/autodl-tmp/yolo11master/val.py Ultralytics 8.3.96 🚀 Python-3.11.10 torch-2.0.0+cu118 CUDA:0 (NVIDIA GeForce RTX 3090, 24135MiB) Traceback (most recent call last): File "/root/autodl-tmp/yolo11master/val.py", line 6, in <module> model.val( File "/root/autodl-tmp/yolo11master/ultralytics/engine/model.py", line 628, in val validator(model=self.model) File "/root/miniconda3/lib/python3.11/site-packages/torch/utils/_contextlib.py", line 115, in decorate_context return func(*args, **kwargs) ^^^^^^^^^^^^^^^^^^^^^ File "/root/autodl-tmp/yolo11master/ultralytics/engine/validator.py", line 160, in __call__ model = AutoBackend( ^^^^^^^^^^^^ File "/root/miniconda3/lib/python3.11/site-packages/torch/utils/_contextlib.py", line 115, in decorate_context return func(*args, **kwargs) ^^^^^^^^^^^^^^^^^^^^^ File "/root/autodl-tmp/yolo11master/ultralytics/nn/autobackend.py", line 163, in __init__ model = model.fuse(verbose=verbose) ^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/root/autodl-tmp/yolo11master/ultralytics/nn/tasks.py", line 245, in fuse m.fuse() File "/root/miniconda3/lib/python3.11/site-packages/torch/utils/_contextlib.py", line 115, in decorate_context return func(*args, **kwargs) ^^^^^^^^^^^^^^^^^^^^^ File "/root/autodl-tmp/yolo11master/ultralytics/nn/modules/block.py", line 1155, in fuse conv = fuse_conv_and_bn(self.conv.conv, self.conv.bn) ^^^^^^^^^^^^^^^^ NameError: name &#39;fuse_conv_and_bn&#39; is not defined ERROR conda.cli.main_run:execute(49): `conda run python /root/autodl-tmp/yolo11master/val.py` failed. (See above for error)
最新发布
07-02
<think>我们正在处理一个在运行YOLOv8验证脚本时出现的NameError：&#39;fuse_conv_and_bn&#39;未定义。根据之前的解决方案，我们可以尝试以下步骤： ###解决方案步骤1.**检查Ultralytics库的版本和导入**：`fuse_conv_and_bn`函数通常位于`ultralytics.utils.torch_utils`模块中。请确保你使用的是最新版本的Ultralytics库。 2. **更新Ultralytics库**：如果版本过旧，该函数可能不存在或已被移动。使用以下命令更新：```bashpipinstall --upgradeultralytics```3.**自定义函数实现**：如果更新后仍然找不到该函数，我们可以将YOLOv5中实现的`fuse_conv_and_bn`函数（该函数在YOLOv8中可能被移除或重命名）直接复制到我们的代码中。###自定义`fuse_conv_and_bn`函数根据YOLOv5的实现，我们可以定义如下：```pythonimporttorchimport torch.nn asnndef fuse_conv_and_bn(conv,bn):#融合卷积层和BN层fusedconv =nn.Conv2d(conv.in_channels,conv.out_channels,kernel_size=conv.kernel_size,stride=conv.stride,padding=conv.padding,groups=conv.groups,bias=True)#准备卷积核权重w_conv =conv.weight.clone().view(conv.out_channels,-1)w_bn =torch.diag(bn.weight.div(torch.sqrt(bn.eps +bn.running_var)))fusedconv.weight.data= torch.mm(w_bn,w_conv).view(fusedconv.weight.size())#准备偏置ifconv.bias isnot None:b_conv =conv.biaselse:b_conv =torch.zeros(conv.weight.size(0))b_conv =torch.mm(w_bn, b_conv.reshape(-1,1)).reshape(-1)b_bn= bn.bias- bn.weight.mul(bn.running_mean).div(torch.sqrt(bn.running_var+ bn.eps))fusedconv.bias.data =b_conv +b_bnreturnfusedconv```###在验证脚本中使用在验证脚本中，你可以在需要的地方调用这个自定义函数。例如，如果你在尝试融合模型的卷积层和BN层，可以这样：```python#假设model是你的YOLOv8模型model =...#加载模型#遍历模型的所有模块，找到卷积层和紧随其后的BN层进行融合forname,module inmodel.named_children():ifisinstance(module,nn.Conv2d):next_module= ...#获取下一个模块，假设是BN层if isinstance(next_module, nn.BatchNorm2d):fused_conv= fuse_conv_and_bn(module,next_module)#替换原来的卷积和BN层为融合后的卷积层setattr(model, name, fused_conv)#注意：需要移除BN层，这里需要根据模型结构具体处理``` 注意：上述遍历和替换需要根据模型的具体结构进行调整，因为YOLOv8的模型结构可能比较复杂，模块嵌套较深。###替代方案：使用Ultralytics内置方法YOLOv8可能已经提供了模型融合的方法。例如，在训练后，你可以尝试：```pythonfromultralytics importYOLO#加载模型model= YOLO(&#39;yolov8n.pt&#39;)#例如，加载一个预训练模型#融合模型（如果支持） model.fuse()#尝试调用内置的融合方法``` 如果`model.fuse()`存在，它会自动处理卷积层和BN层的融合。###验证是否解决运行验证脚本，看是否还会出现`NameError`。###总结1.更新Ultralytics库到最新版本。 2.如果更新后问题依旧，则自定义`fuse_conv_and_bn`函数。3.或者直接使用Ultralytics模型的内置融合方法`model.fuse()`（如果存在）。###相关问题1.如何更新UltralyticsYOLOv8到最新版本？ 2.卷积层和BN层融合的数学原理是什么？3.如何验证融合后的模型精度是否下降？ 4.除了卷积层和BN层，YOLOv8模型还可以融合哪些层？5.如何遍历PyTorch模型的嵌套模块？希望这些步骤能帮助你解决问题。</think>### 解决 YOLOv8 验证中 `NameError: name &#39;fuse_conv_and_bn&#39; is not defined` 错误 #### 原因分析 该错误通常发生在以下情况： 1. **库版本不匹配**：YOLOv8 的 `fuse_conv_and_bn` 函数位置在不同版本中有变化 2. **缺少关键导入**：未正确导入 `torch_utils` 模块 3. **自定义模型问题**：使用修改过的模型结构导致函数调用失败 #### 解决方案 ##### 方法 1：更新 Ultralytics 库并正确导入 ```bash # 更新到最新版本 (推荐) pip install --upgrade ultralytics ``` 在验证脚本中添加： ```python from ultralytics.utils.torch_utils import fuse_conv_and_bn # YOLOv8 v8.1.0+ # 或旧版本位置 from ultralytics.yolo.utils.torch_utils import fuse_conv_and_bn # v8.0.x ``` ##### 方法 2：使用 YOLOv8 内置融合方法 YOLOv8 模型自带融合接口： ```python from ultralytics import YOLO model = YOLO(&#39;yolov8n.pt&#39;) # 加载模型 model.fuse() # 自动融合Conv+BN层[^3] model.val() # 执行验证 ``` ##### 方法 3：手动实现融合函数 若库函数不可用，直接添加此实现到脚本： ```python import torch import torch.nn as nn def fuse_conv_and_bn(conv, bn): """融合卷积层和BN层[^1] 数学原理: $$W&#39; = \frac{\gamma}{\sqrt{\sigma^2 + \epsilon}}W$$ $$b&#39; = \frac{\gamma(b - \mu)}{\sqrt{\sigma^2 + \epsilon}} + \beta$$ """ fusedconv = nn.Conv2d( conv.in_channels, conv.out_channels, kernel_size=conv.kernel_size, stride=conv.stride, padding=conv.padding, bias=True ).to(conv.weight.device) # 计算融合权重 w_conv = conv.weight.view(conv.out_channels, -1) w_bn = torch.diag(bn.weight / torch.sqrt(bn.eps + bn.running_var)) fused_weight = torch.mm(w_bn, w_conv).view(fusedconv.weight.shape) # 计算融合偏置 b_conv = conv.bias if conv.bias is not None else torch.zeros(conv.out_channels) b_bn = bn.bias - bn.weight * bn.running_mean / torch.sqrt(bn.running_var + bn.eps) fused_bias = torch.mv(w_bn, b_conv) + b_bn # 矩阵向量乘法 fusedconv.weight.data = fused_weight fusedconv.bias.data = fused_bias return fusedconv ``` ##### 方法 4：检查模型结构 在验证前添加诊断代码： ```python # 检查模型是否包含BN层 for name, module in model.named_modules(): if isinstance(module, nn.BatchNorm2d): print(f"发现BN层: {name}") # 检查函数可用性 try: from ultralytics.utils import torch_utils print("torch_utils模块存在:", dir(torch_utils)) except ImportError: print("警告: torch_utils模块缺失") ``` #### 验证步骤 1. **检查融合结果**： ```python conv = model.model[0].conv # 示例卷积层 bn = model.model[0].bn # 示例BN层 fused_conv = fuse_conv_and_bn(conv, bn) print("融合后权重形状:", fused_conv.weight.shape) ``` 2. **精度验证**： ```python # 比较融合前后输出差异 test_input = torch.randn(1, 3, 640, 640) orig_out = bn(conv(test_input)) fused_out = fused_conv(test_input) print("最大误差:", torch.max(torch.abs(orig_out - fused_out)).item()) ``` #### 技术说明 卷积-BN融合通过数学等价变换将两个层合并为一个卷积层： 1. **计算优化**：减少40%的推理计算量[^3] 2. **内存优化**：消除BN层的中间存储 3. **部署优势**：简化ONNX/TensorRT转换流程 融合后需验证： - 输出差异应小于 `1e-5` - mAP指标下降不超过0.5% - 推理速度提升30%以上
评论 1
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