sunxi-tools 使用与安装指南
本文档将详细介绍如何安装和使用 sunxi-tools,这是一个针对基于 Allwinner SoC 的设备的命令行工具集。
1. 安装指南
首先,确保您的系统已经安装了必要的依赖项。在 Ubuntu 20.04 上,可以使用以下命令安装:
sudo apt install libusb-1.0-0-dev libz-dev libfdt-dev
接下来,从 GitHub 仓库克隆 sunxi-tools 项目:
git clone https://github.com/linux-sunxi/sunxi-tools.git
cd sunxi-tools
根据您的需求选择以下构建目标:
- 构建 tools(大多数用户需要的):
make tools
- 构建 target-tools(用于 Allwinner SoC 的工具):
make target-tools
- 构建所有工具:
make all
- 安装 tools:
make install-tools
- 安装 target-tools:
make install-target-tools
- 安装所有工具:
make install-all
2. 项目的使用说明
sunxi-tools 提供了一系列工具,以下是一些主要工具的简要说明:
-
sunxi-fexc:
.fex文件的编译器和反编译器。使用方法:
./sunxi-fexc [-vq] [-I <输入格式>] [-O <输出格式>] [<输入文件> [<输出文件>]] -
bin2fex:将
_script.bin文件反编译为.fex格式。 -
fex2bin:将
.fex文件编译为二进制格式,用于兼容老版本的内核。 -
sunxi-fel:用于与 CPU 内置的 FEL 处理器进行 USB 通信的脚本接口。
-
fel-gpio:允许通过 FEL 进行 GPIO 操作的简单包装脚本。
-
fel-sdboot:ARM 原生 SD 卡引导加载程序,强制设备进入 FEL 模式。
-
uart0-helloworld-sdboot:仅在 UART0 串行控制台打印简短 "hello" 消息的 ARM 原生 SD 卡引导加载程序。
-
sunxi-pio:操作 PIO 寄存器/转储的工具。
-
sunxi-nand-part:用于操作 Allwinner NAND 分区表的工具。
-
sunxi-nand-image-builder:用于创建原始 NAND 图像(包括 boot0 图像)的工具。
-
sunxi-bootinfo:从 Allwinner 引导文件(boot0/boot1)转储信息的工具。
-
phoenix_info:提供关于凤凰卡(phoenixcard)创建的图像的信息,并可选地从隐藏分区中提取嵌入式引导代码和固件文件。
-
sunxi-meminfo:从寄存器读取 DRAM 设置的工具。
-
sunxi-script_extractor:在 rooted Android 设备上执行的简单工具,用于通过读取 /dev/mem 转储 script.bin。
3. 项目API使用文档
sunxi-tools 主要通过命令行工具提供功能,没有提供传统意义上的 API。每个工具的命令行参数和使用方法在项目的 README 文件中都有详细说明。
4. 项目安装方式
项目的安装方式已在“安装指南”部分详细描述,包括构建和安装不同的目标工具。
确保在构建前安装所有必需的依赖项,然后根据您的需求选择适当的构建和安装命令。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00