Raspberry Pi Pico SDK中set_sys_clock_khz函数在低频下的使用注意事项
在Raspberry Pi Pico SDK开发过程中,开发者可能会遇到系统时钟设置函数set_sys_clock_khz在低频(低于20MHz)下无法正常工作的问题。这个问题在不同版本的SDK中表现不同,特别是在1.3.1和1.5.1版本之间存在明显差异。
问题现象
当开发者尝试使用set_sys_clock_khz函数将系统时钟设置为低于20MHz的频率(如19MHz、12MHz或10MHz)时,在SDK 1.5.1版本中会遇到设置失败的情况,而同样的代码在SDK 1.3.1版本中却能正常工作。
原因分析
经过深入调查,发现这个问题与PLL(锁相环)的最小VCO(压控振荡器)频率设置有关。在SDK 1.5.1版本中,默认将PICO_PLL_VCO_MIN_FREQ_MHZ定义为700MHz,而SDK 1.3.1版本中该值被设置为400MHz。
PLL的工作原理是将输入时钟频率通过倍频和分频产生所需的输出频率。VCO频率是PLL内部的关键参数,它必须保持在特定范围内才能正常工作。当系统时钟设置过低时,如果VCO最小频率限制过高,可能会导致无法找到合适的PLL配置参数。
解决方案
要解决这个问题,开发者可以在项目的CMakeLists.txt文件中显式设置PICO_PLL_VCO_MIN_FREQ_MHZ为400MHz:
target_compile_definitions(your_target_name PRIVATE
PICO_PLL_VCO_MIN_FREQ_MHZ=400
)
这个修改将降低PLL VCO的最小频率限制,使得系统能够在更低的主频下找到合适的PLL配置参数。
技术背景
Pico的时钟系统由多个组件组成,包括晶体振荡器、PLL和时钟分频器等。系统时钟可以通过多种方式生成,其中PLL提供了灵活的频率合成能力。VCO频率是PLL内部的关键参数,它必须满足:
- 足够高以保证PLL的稳定工作
- 足够低以避免超出PLL的工作范围
在设置系统时钟频率时,SDK会自动计算合适的PLL配置参数。当目标频率较低时,可能需要降低VCO频率才能找到可行的配置方案。这就是为什么降低PICO_PLL_VCO_MIN_FREQ_MHZ可以解决低频设置问题的原因。
最佳实践
- 当需要设置低频系统时钟时,建议明确设置
PICO_PLL_VCO_MIN_FREQ_MHZ为400MHz - 在项目文档中记录这种特殊配置,以便团队成员了解
- 测试系统在低频下的稳定性,确保所有外设都能正常工作
- 考虑使用更低的功耗模式(如休眠模式)来替代降低主频的方案
总结
Raspberry Pi Pico SDK在不同版本中对PLL配置参数的默认值进行了调整,这可能会影响低频系统时钟的设置。开发者需要了解这一变化,并根据实际需求调整相关参数。通过合理配置PICO_PLL_VCO_MIN_FREQ_MHZ,可以确保系统在各种时钟频率下都能正常工作。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00