《Make: AVR编程》代码与示例使用说明文档
1. 安装指南
首先,您需要下载本项目仓库的内容到您的硬盘。最简单的方法是点击页面右侧的“Download ZIP”按钮,然后解压该ZIP文件到任意您觉得舒适的目录下。(如果您熟悉Git,也可以选择克隆仓库。)
大多数项目都共享一组位于AVR-Programming-Library目录下的通用引脚定义和一个简单的USART串行库。本项目包含的makefile默认依赖于这个目录结构,所以请不要随意移动文件夹,除非您也修改了makefile中指向包含文件的路径。
如果您使用Arduino IDE,您需要将AVR-Programming-Library目录复制到您的sketchbook/libraries文件夹中。如果您不知道这个文件夹在哪里,可以在Arduino的“文件...设置”对话框中找到它。现在,您可以通过“草图...导入库”菜单选项来链接您的代码使用这个库。
完成这些步骤后,您就可以打开代码,编辑它,并按照书中的指引将程序烧录到AVR中。
2. 项目的使用说明
项目的所有代码都按照书籍的章节组织。例如,如果您在寻找SPI相关的代码示例,可以查看“Chapter16_SPI”文件夹。
此外,项目中还包含了许多除了章节主题之外同样有趣的项目。比如,“Chapter05_Serial-IO”中包含了一个项目,它使用AVR与您的桌面电脑之间的串行通信,将您的电脑键盘变成一个能够播放AVR上生成音符的音乐键盘,变成了一个串行端口控制的风琴。如果您不是按照书中的顺序查找,可能不会想到在串行I/O章节中寻找。
为了方便概览所有项目,文件allProjectsList按名称列出了所有项目。
3. 项目API使用文档
本项目中的代码主要围绕AVR微控制器的编程展开,使用了C语言进行开发。用户应当熟悉AVR的硬件架构以及C语言的编程基础。API主要包含在AVR-Programming-Library目录中,用户可以通过导入库的方式在自己的项目中使用这些API。
由于项目内容丰富,具体的API使用方法可以参考项目中的代码注释以及《Make: AVR编程》一书中的相关描述。
4. 项目安装方式
除了上述的“下载ZIP”和“克隆仓库”的方法外,您还可以使用以下方式安装本项目:
-
通过Git克隆仓库:
git clone https://github.com/hexagon5un/AVR-Programming.git克隆完成后,您将得到一个包含所有项目和库的文件夹。
-
通过脚本创建项目模板:
如果您想要一个空白模板来开始编写自己的AVR代码,可以查看setupProject目录。运行以下Python脚本可以为您创建一个新项目:
python setupProject.py myProjectName这将创建一个名为myProjectName的目录,并复制必要的空白文件和Makefile,以便您开始编码。
请根据您的开发环境和喜好选择合适的安装方式。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0129- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00