Raspberry Pi Pico SDK中Flash操作导致PSRAM配置寄存器被覆盖的问题分析
问题背景
在Raspberry Pi Pico SDK开发过程中,开发者发现当执行flash_range_erase或flash_range_program等Flash操作后,PSRAM(QMI接口)的配置寄存器会被意外修改,导致PSRAM无法正常访问。这个问题主要影响使用外部PSRAM的Pico开发板,如Pimoroni PGA2350。
技术细节
问题现象
在执行Flash操作前后,通过对比QMI接口的寄存器值,可以观察到以下变化:
-
执行前:
qmi_hw->m[1].timing= 61a48102qmi_hw->m[1].rfmt= 000612aaqmi_hw->m[1].rcmd= 000000ebqmi_hw->m[1].wfmt= 000012aaqmi_hw->m[1].wcmd= 00000038xip_ctrl_hw->ctrl= 00000883
-
执行后:
qmi_hw->m[1].timing= 60007203qmi_hw->m[1].rfmt= 000492a8- 其他寄存器保持不变
这种变化导致PSRAM接口无法正常工作,只有手动恢复原始寄存器值后才能重新访问PSRAM数据。
根本原因
问题根源在于RP2350的ROM代码行为。当执行Flash操作时,系统会调用flash_exit_xip()函数,该函数会将QMI窗口1和窗口2的寄存器重置为安全默认值(慢速03h模式)。这种重置行为是为了确保芯片在退出XIP模式时的稳定性,但对于已经配置好的PSRAM接口来说,这种重置会导致配置丢失。
特别需要注意的是,默认的boot2(XIP设置函数)并不会配置QMI窗口1,而ROM代码会在flash_exit_xip()开始时将两个窗口都重置为安全默认值。
解决方案
临时解决方案
目前有两种可行的临时解决方案:
-
寄存器保存与恢复:在执行Flash操作前后,手动保存和恢复QMI窗口1的寄存器值。这种方法已被CircuitPython项目采用,证明其有效性。
-
修改Flash操作函数:对于RP2350芯片,可以复制
flash_range_erase和flash_range_program函数的代码,移除其中的flash_exit_xip_func()和flash_enable_xip_via_boot2()调用。这种方法需要确保函数不会被内联到Flash中(使用__no_inline_not_in_flash_func修饰)。
长期解决方案
SDK团队提出了两种可能的长期解决方案:
-
条件式保存恢复:当
FLASH_DEVINFO_CS1_SIZE为零时,SDK应该在ROM调用前后保存和恢复qmi_hw->m[1]寄存器。这样可以避免在开发者忽略ROM对第二个片选支持的情况下破坏寄存器配置,同时允许ROM在需要对第二个片选发出XIP退出序列时重新初始化m[1]寄存器。 -
完整的XIP初始化:更理想的解决方案是在XIP设置中(重新)初始化两个QSPI设备。这需要更全面的工作来覆盖所有可能的情况和组合,但能从根本上解决问题。
开发者建议
对于需要使用PSRAM的开发者,建议:
- 如果使用SDK的Flash操作函数,应该实现寄存器保存恢复机制
- 密切关注SDK更新,等待官方修复
- 在开发过程中注意检查PSRAM访问是否正常,特别是在Flash操作后
- 考虑将关键数据缓存在SRAM中,避免频繁访问PSRAM
这个问题凸显了在嵌入式系统中多存储器协同工作时可能出现的配置冲突,开发者需要特别注意不同存储介质的初始化顺序和配置保持问题。
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-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