WiringPi项目对Raspberry Pi 500和Compute Module 5(Lite)的支持进展
硬件支持背景
WiringPi作为Raspberry Pi平台上广受欢迎的GPIO控制库,近期针对新发布的Raspberry Pi 500和Compute Module 5(Lite)进行了适配工作。由于开发团队尚未获得这些新型号硬件,因此需要社区协助完成测试验证。
测试环境搭建
测试在Raspberry Pi Compute Module 5 Lite 8GB版本上进行,运行Raspberry Pi OS 64位Bookworm系统。测试平台采用官方CM5 IO扩展板,确保硬件接口的完整性和可靠性。
编译与安装过程
测试者从WiringPi项目的Pi500分支获取源代码进行编译。编译过程顺利完成,生成的.deb安装包在安装时出现了一个关于APT沙箱权限的非关键性提示,这属于Debian包管理器的常规行为,不影响功能使用。
基础功能验证
通过执行gpio命令行工具,成功识别了硬件信息:
- 正确识别CM5 Lite型号
- 准确显示8GB内存容量
- 完整输出40针GPIO接口的引脚映射表
示例程序测试
在WiringPi示例程序中,重点测试了两个典型应用:
- LED闪烁测试:使用wPi编号23/24/25引脚成功控制LED的亮灭
- 串口回环测试:通过物理引脚8(TxD)和10(RxD)实现数据收发验证
标准单元测试
为全面验证GPIO功能,进行了标准化的单元测试。测试前需要建立三组GPIO桥接:
- GPIO26与GPIO19相连
- GPIO13与GPIO12相连
- GPIO17与GPIO18相连
测试过程中发现系统缺少time命令工具,安装后所有测试用例均顺利通过。测试覆盖了以下关键功能:
- 版本信息验证
- 数字输入输出测试
- 上拉/下拉电阻配置
- PWM功能验证
- 中断处理测试
调试信息分析
在详细调试模式下,观察到GPIO控制子系统的工作细节:
- 成功打开/dev/gpiochip0设备
- 正确识别pinctrl-rp1控制器
- 各引脚模式配置和值读写操作正常
- 即使故意对配置为输入的引脚执行写操作,系统也给出了预期的错误提示
技术要点解析
-
设备树支持:新版本正确识别了CM5的设备树信息,这是现代Linux系统管理硬件资源的关键机制。
-
GPIO访问方式:测试验证了三种GPIO访问途径:
- 通过内存映射的直接访问(高效)
- 通过/dev/gpiomem的用户空间访问
- 通过/dev/gpiochip的标准接口访问(兼容性好但速度较慢)
-
错误处理:测试中故意对输入模式引脚执行写操作,系统正确返回错误状态,展示了良好的错误检测能力。
结论与展望
经过全面测试,WiringPi 3.13版本已具备对Raspberry Pi Compute Module 5 Lite的完整支持能力。测试结果表明:
- 所有基础GPIO功能工作正常
- 高级功能如PWM、中断等表现稳定
- 系统资源管理和错误处理机制完善
这一进展为使用新型号Raspberry Pi进行硬件开发的用户提供了可靠的工具支持,延续了WiringPi在树莓派生态中的重要地位。未来随着Raspberry Pi 500硬件的可获得性提高,预计将很快完成对该型号的官方支持。
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 StartedRust0198
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 Notebook0129
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