CircuitPython 9.2.2版本发布:嵌入式Python开发新特性解析
项目概述
CircuitPython是专为微控制器设计的Python实现版本,由Adafruit公司主导开发。它让开发者能够在资源受限的嵌入式设备上使用Python语言进行开发,极大地降低了嵌入式开发的门槛。最新发布的9.2.2版本是该项目的稳定更新版本,带来了多项功能增强和错误修复。
核心功能更新
数据类型处理优化
新版本对Python内置类型int的处理进行了改进,现在int.from_bytes()和.to_bytes()方法可以省略byteorder参数,这与标准CPython的行为保持一致。这一改进简化了二进制数据与整数之间的转换操作,使得代码更加简洁。
音频系统增强
音频处理方面有两个重要改进:
- 实现了
audiomixer.MixerVoice.level作为synthio.BlockInput的功能,这为音频混合提供了更精细的控制能力 - 新增了
audiomixer.MixerVoice.loop属性,支持音频循环播放功能
显示系统升级
displayio模块现在支持24位色深,这意味着开发者可以在支持的硬件上实现更丰富的色彩表现。这一改进特别适合需要高质量图形显示的应用场景。
矩阵键盘扫描优化
DemuxKeyMatrix类新增了多项实用功能:
- 扫描延迟控制
columns_to_anodes参数transpose参数
这些新增参数使得键盘矩阵的配置更加灵活,能够适应更多种类的硬件设计。
硬件支持更新
新处理器架构支持
本次版本首次引入了对Analog Devices MAX32690微控制器的支持,这标志着CircuitPython支持的处理器家族又添新成员。MAX32690是一款低功耗微控制器,特别适合需要高能效比的应用场景。
RP2040系列增强
针对Raspberry Pi的RP2040和RP2350B芯片,新版本带来了多项改进:
rp2pio.StateMachine新增了sideset_pindirs功能- 支持在GPIO引脚32及以上的PIO操作(RP2350B特有)
- 更新了pico-sdk至2.1.0版本
Espressif平台更新
Espressif系列芯片获得了显著的功能增强:
- 升级至ESP-IDF v5.3.2框架,新增对ESP32-P4 v1.0芯片的支持
- 初步实现了
audiobusio.PDMIn功能 - 修复了I2C总线扫描在ESP32-S2上的问题
新增开发板支持
9.2.2版本新增了对超过20款开发板的支持,包括:
- Adafruit Metro RP2350(基于RP2350B芯片)
- Analog Devices MAX32690评估套件
- M5Stack M5Stick C Plus2
- Pimoroni Plasma 2350 W
- 多款Waveshare开发板
这些新增支持大大扩展了CircuitPython的应用范围,为开发者提供了更多硬件选择。
性能优化与错误修复
除了新功能外,9.2.2版本还包含多项性能优化和错误修复:
- 修复了
vectorio旋转功能的边界情况问题 - 优化了MP3解码器,防止旧数据混入流中
- 移除了音频类属性设置器中不必要的关键字参数处理
- 修复了
@classmethod通过super访问时的self参数传递问题
开发体验改进
在开发工具方面,新版本也做了多项改进:
- 更新了
rp2pio类型的文档,使其更加清晰 - 改进了web工作流中串行流的处理,丢弃了行清除转义字符
- 为安全模式等待间隔添加了文档说明
总结
CircuitPython 9.2.2版本在保持稳定性的同时,带来了多项实用功能和硬件支持更新。从音频处理增强到显示系统升级,从新处理器架构支持到众多新开发板的加入,这些改进都使得CircuitPython在嵌入式Python开发领域的地位更加稳固。对于嵌入式开发者而言,这一版本无疑提供了更多可能性和更完善的开发体验。
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 StartedRust0202
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07