CircuitPython 9.2.5版本发布:功能增强与稳定性提升
项目概述
CircuitPython是一款专为微控制器设计的开源Python实现,由Adafruit主导开发。它提供了简单易用的API接口,让开发者能够快速上手嵌入式开发,特别适合教育、原型设计和物联网应用场景。与传统的嵌入式开发相比,CircuitPython极大地降低了开发门槛,开发者可以直接在微控制器上运行Python代码,无需复杂的编译和烧录过程。
核心功能更新
显示系统增强
本次9.2.5版本在显示功能方面做了多项重要改进:
-
新增tilepalettemapper模块:为displayio显示系统添加了新的tilepalettemapper功能,这为开发者提供了更灵活的显示元素管理方式,特别是在处理多色图块和调色板映射时更加高效。
-
VT100终端支持:terminalio模块现在支持完整的VT100转义码,包括滚动功能和颜色显示。这意味着开发者可以创建更丰富的终端界面,支持彩色文本输出和滚动区域控制。
-
显示精度提升:改进了displayio.ColorConverter对5:5:5位颜色格式的处理精度,使得颜色显示更加准确。
音频处理能力扩展
音频子系统在本版本中获得了显著增强:
-
PitchShift效果器:新增了audiodelays.PitchShift音频效果,为音频处理提供了音高变换能力。
-
Biquad滤波器增强:synthio模块增加了BlockBiquad滤波器支持,提供了更专业的音频滤波处理功能。
-
音频处理优化:通过代码重构减少了音频处理模块的占用空间,提高了运行效率。
语言特性支持
-
函数属性支持:现在大多数开发板都支持Python函数属性功能,这为元编程和装饰器使用提供了更多可能性。
-
反向算术运算符:增加了对反向算术运算符的支持,完善了Python运算符重载功能。
硬件支持改进
新开发板支持
9.2.5版本新增了对多款开发板的支持,包括但不限于:
- Adafruit Fruit Jam系列开发板
- Daisy Seed音乐开发平台
- 多款基于ESP32的显示开发板
- 专业测量设备HXR SAO数字万用表
平台特定优化
-
RP2040平台:更新了Pico SDK至2.1.1版本,修复了picodvi.Framebuffer的显示问题,并优化了网络性能。
-
Espressif平台:增加了audioio模块支持,使ESP32系列开发板能够处理音频输入输出。
-
SAMx平台:新增了spitarget(SPI从设备)支持,扩展了通信能力。
-
Zephyr RTOS支持:初步实现了对Zephyr RTOS的移植,为多平台支持奠定了基础。
系统优化与稳定性
-
内存管理修复:修正了m_realloc()和m_free在使用MICROPY_MALLOC_USES_ALLOCATED_SIZE时的行为,提高了内存操作的安全性。
-
文件系统增强:支持额外的/saves分区,为数据存储提供了更多灵活性。
-
Web工作流改进:增加了对空SSID的检查,提高了Wi-Fi连接的可靠性。
-
中断处理优化:在RP2040平台上修复了闪存写入期间的中断处理问题。
开发者工具与文档
-
设置文件支持:现在可以通过settings.toml文件配置终端显示比例(CIRCUITPY_TERMINAL_SCALE)。
-
文档完善:更新了picodvi显示模式文档,修正了usb_cdc.Serial.read()等API的说明。
-
弃用警告:增加了对旧版displayio绑定的使用警告,帮助开发者平滑过渡到新版API。
总结
CircuitPython 9.2.5版本在保持系统稳定性的同时,带来了多项功能增强和硬件支持扩展。从显示系统的改进到音频处理能力的提升,从新开发板支持到系统底层的优化,这个版本为嵌入式Python开发提供了更强大的工具集。特别是对教育领域和创客社区而言,这些改进使得原型开发更加便捷,项目实现更加灵活。随着Zephyr支持的引入,CircuitPython的未来发展将更加多元化,值得开发者期待。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00