chipKIT 项目技术文档
2024-12-24 12:27:29作者:伍希望
1. 安装指南
1.1 系统要求
- Windows: 支持 Windows 7 及以上版本。
- MacOS: 支持 MacOS X 10.6 及以上版本。
- Linux: 支持内核版本 2.4.20 及以上。
1.2 安装步骤
1.2.1 Windows 安装
- 下载并安装 Arduino IDE。
- 将 Arduino 板通过 USB 连接到电脑。
- 使用 Windows 添加硬件向导,指向 Arduino 应用程序目录中的
drivers/FTDI USB Drivers子目录,安装 FTDI 芯片驱动。
1.2.2 MacOS 安装
- 下载并安装 Arduino IDE。
- 安装 FTDIUSBSerialDriver_10_4_10_5_10_6.mpkg 包。
1.2.3 Linux 安装
- 下载并安装 Arduino IDE。
- 确保内核版本为 2.4.20 或更高,驱动已包含在内核中。
1.3 安装 chipKIT 核心
- 打开 Arduino IDE。
- 按照 Chipkit Wiki 中的指南安装 chipKIT 核心。
2. 项目使用说明
2.1 项目简介
chipKIT 项目基于 Arduino,是一个开源的物理计算平台,使用简单的 I/O 板和开发环境,实现了 Processing/Wiring 语言。chipKIT 项目最初使用 Microchip 的 PIC32 芯片,并支持 MX 系列,现在正在添加对新 MZ 系列的支持。
2.2 使用场景
- 独立交互对象: 可以开发独立的交互对象。
- 软件连接: 可以连接到计算机上的软件(如 Flash、Processing、MaxMSP)。
2.3 开发环境
- Arduino IDE: 使用 chipKIT 核心的 Arduino IDE。
- UECIDE: 一个替代 Arduino IDE 的选项,支持 chipKIT 核心,并包含许多额外功能。
- MPLAB X IDE: 支持调试的 MPLAB X IDE,通过 Sketch Importer 插件导入 chipKIT 核心的 Arduino 草图。
3. 项目 API 使用文档
3.1 标准库
chipKIT 项目提供了与 Arduino 兼容的标准库,包括数字 I/O、模拟 I/O、串口通信等。
3.2 贡献库
chipKIT 社区贡献了许多库,扩展了项目的功能,如网络、传感器、显示等。
3.3 API 参考
详细的 API 参考可以在 Chipkit Wiki 中找到,涵盖了所有标准库和贡献库的函数和使用方法。
4. 项目安装方式
4.1 下载与安装
- 下载 Arduino IDE。
- 安装 chipKIT 核心,按照 Chipkit Wiki 中的指南进行操作。
4.2 驱动安装
- Windows: 使用 Windows 添加硬件向导安装 FTDI 驱动。
- MacOS: 安装 FTDIUSBSerialDriver_10_4_10_5_10_6.mpkg 包。
- Linux: 确保内核版本为 2.4.20 或更高。
4.3 验证安装
- 打开 Arduino IDE。
- 选择 chipKIT 板型。
- 编写一个简单的程序(如 LED 闪烁)并上传到板子,验证安装是否成功。
通过以上步骤,您可以顺利安装并开始使用 chipKIT 项目进行开发。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492