CircuitPython在Raspberry Pi Pico上实现双USB串口通信的配置指南
背景介绍
Raspberry Pi Pico是一款基于RP2040微控制器的开发板,而CircuitPython是Adafruit为其开发的Python实现。在嵌入式开发中,USB串口通信是最常用的调试和数据传输方式之一。本文将详细介绍如何在Raspberry Pi Pico上配置CircuitPython以支持双USB串口通信。
默认配置与限制
默认情况下,CircuitPython在Raspberry Pi Pico上只启用一个USB串口(CDC),这个串口专门用于REPL(交互式解释器)控制台。这种设计确保了基本的调试功能,但对于需要同时进行调试和数据传输的应用场景就显得不够用了。
双串口配置方法
要实现同时使用控制台串口和数据传输串口,需要在boot.py文件中进行配置:
import usb_cdc
usb_cdc.enable(console=True, data=True)
这个配置会:
- 保留原有的控制台串口(用于REPL)
- 启用一个新的数据串口(用于应用程序数据传输)
配置注意事项
-
必须使用boot.py:这个配置必须放在boot.py文件中,因为CircuitPython在启动时会优先执行这个文件。
-
需要硬件复位:修改boot.py后,必须对Pico进行硬复位(断电重启)才能使配置生效。
-
Windows系统识别:在Windows设备管理器中,配置成功后应该能看到两个COM端口,一个标记为"CircuitPython Console",另一个标记为"CircuitPython Data"。
常见问题解决
-
只看到一个COM端口:
- 检查boot.py是否保存到了CIRCUITPY根目录
- 确认进行了硬复位操作
- 检查Windows设备管理器是否有未识别的设备
-
CIRCUITPY驱动器消失:
- 这通常表示配置有误导致系统进入安全模式
- 可以尝试按住BOOTSEL按钮复位进入UF2模式重新刷写固件
-
端口冲突问题:
- 确保没有其他USB设备占用过多系统资源
- 可以尝试在不同的USB端口上测试
技术原理
RP2040微控制器的USB接口支持多个端点(Endpoints),这使得它可以同时提供多个USB功能。在硬件层面,RP2040完全支持双CDC串口配置。CircuitPython通过usb_cdc模块抽象了这一功能,使得开发者可以方便地配置和使用。
应用场景
双串口配置特别适合以下场景:
- 需要同时进行调试输出和数据传输的项目
- 开发需要与PC端软件通信的复杂应用
- 构建需要远程控制的设备
- 实现设备与主机之间的双向数据交换
总结
通过合理配置boot.py文件,开发者可以在Raspberry Pi Pico上充分利用CircuitPython的双USB串口功能。这种配置既保留了REPL控制台的调试便利性,又增加了专门的数据通信通道,大大提升了开发效率和系统灵活性。对于需要复杂通信功能的项目来说,这是非常值得推荐的配置方式。
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-1.5暂无简介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-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