Kann Python eingebettet werden?
Python erfreut sich in den letzten Jahren großer Beliebtheit. Python ist eine prägnante und klare, leicht lesbare und skalierbare Programmiersprache. Die verschiedenen produzierten Module (insbesondere C/C++) lassen sich leicht miteinander verbinden und werden oft als Klebersprachen bezeichnet. Sie können in der Grafikverarbeitung, der mathematischen Verarbeitung, der Webprogrammierung, Multimediaanwendungen und anderen Bereichen verwendet werden.
Positionierung (empfohlenes Lernen: Python-Video-Tutorial)
In der Vergangenheit war die Entwicklungssprache im Bereich der eingebetteten Entwicklung C/C++. Jetzt ist ein Ingenieur namens Damien George in diesem Bereich tätig ANSI C (C-Sprachstandard) und dann die Python-Spezifikationen in Bezug auf die Syntax befolgen, hauptsächlich um die Implementierung zugrunde liegender Vorgänge auf eingebetteter Hardware zu erleichtern (bezieht sich hier speziell auf die Mikrocontroller-Ebene, die offiziell bereitgestellt wird). von MicroPython heißt PyBoard. Zusätzlich zum offiziell bereitgestellten Entwicklungsboard wurde auch einige eingebettete Hardware erfolgreich mit MicroPython transplantiert, wie zum Beispiel: Esp8266, WiPy, Espruino Pico, STM32F4 Discovery usw.
MicroPython Pyboard ist eine kompakte elektronische Leiterplatte, die MicroPython auf Bare-Metal ausführt und Ihnen ein Low-Level-Python-Betriebssystem bietet, mit dem Sie eine Vielzahl elektronischer Projekte steuern können.
MicroPython enthält viele erweiterte Funktionen wie interaktive Eingabeaufforderungen, Ganzzahlen mit beliebiger Genauigkeit, Abschlüsse, Listenverständnis, Generatoren, Ausnahmebehandlung usw. Allerdings ist es sehr kompakt und läuft mit 256 KB Coderaum und 16 KB RAM.
MicroPython ist so konzipiert, dass es mit normalem Python so kompatibel wie möglich ist, sodass Sie problemlos Code von Ihrem Desktop auf einen Mikrocontroller oder ein eingebettetes System übertragen können.
Pyboard ist das offizielle MicroPython-Mikrocontroller-Board und unterstützt Softwarefunktionen vollständig. Die Hardware ist:
STM32F405RG Mikrocontroller
168 MHz Cortex M4 CPU mit Hardware-Gleitkomma
1024KiB Flash ROM und 192KiB RAM
Micro USB Anschluss für Strom und serielle Kommunikation
Micro-SD-Kartensteckplatz, unterstützt Standard- und Hochleistungs-SD-Karten
3-Achsen-Beschleunigungsmesser (MMA7660)
Mit optionaler Batterie auswählen- Unterstützte Echtzeituhr
Es gibt 24 GPIOs am linken und rechten Rand, 5 GPIOs in der unteren Reihe und LED- und Schalter-GPIOs an der Unterseite
3 12-Bit-Analog-zu -Digitalwandler, 16 Pins, 4 analoge Erdungsschirme
2x 12-Bit-Analog-Analog-Wandler (DACs) verfügbar an den Pins X5 und X6
4 LEDs (rot, grün, gelbe und blaue Farbe)
1 Reset und 1 Benutzerschalter
Onboard 3,3 V LDO-Regler, der bis zu 250 mA mit einem Eingangsspannungsbereich von 3,6 V bis 16 V liefern kann
Der DFU-Bootloader im ROM kann die Firmware problemlos aktualisieren
Python ist eine sehr einfache Sprache, mit der man beginnen kann, und es ist auch eine weit verbreitete Sprache, die MicroPython in die eingebettete Sprache einbringt Bei der Entwicklung können Sie die Hardware direkt bedienen, ohne sie zu kompilieren oder herunterzuladen. Sie können die Ergebnisse des Programms schnell sehen, was eine sehr gute Erfahrung ist. PyBoard ist ein wunderschönes Entwicklungsboard, das exquisit und kompakt ist und das Erlernen und Entwickeln erleichtert. Darüber hinaus unterstützt MicroPython auch weitere Plattformen, wie zum Beispiel: STM32F4 Discovery Board, NUCLEO-F401RE Board, NUCLEO-F767ZI Board, ESP8266, WiPy, usw., die oben genannten Alle Entwicklungsboards können MicroPython unterstützen. Sie können es verwenden, indem Sie die Firmware auf dem Entwicklungsboard flashen. MicroPython bietet eine neue Entwicklungserfahrung.
Weitere technische Artikel zum Thema Python finden Sie in der Spalte Python-Tutorial, um mehr darüber zu erfahren!
Das obige ist der detaillierte Inhalt vonKann Python eingebettet werden?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Effizientes Training von Pytorch -Modellen auf CentOS -Systemen erfordert Schritte, und dieser Artikel bietet detaillierte Anleitungen. 1.. Es wird empfohlen, YUM oder DNF zu verwenden, um Python 3 und Upgrade PIP zu installieren: Sudoyumupdatepython3 (oder sudodnfupdatepython3), PIP3Install-upgradepip. CUDA und CUDNN (GPU -Beschleunigung): Wenn Sie Nvidiagpu verwenden, müssen Sie Cudatool installieren

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Bei der Auswahl einer Pytorch -Version unter CentOS müssen die folgenden Schlüsselfaktoren berücksichtigt werden: 1. Cuda -Version Kompatibilität GPU -Unterstützung: Wenn Sie NVIDIA -GPU haben und die GPU -Beschleunigung verwenden möchten, müssen Sie Pytorch auswählen, der die entsprechende CUDA -Version unterstützt. Sie können die CUDA-Version anzeigen, die unterstützt wird, indem Sie den Befehl nvidia-smi ausführen. CPU -Version: Wenn Sie keine GPU haben oder keine GPU verwenden möchten, können Sie eine CPU -Version von Pytorch auswählen. 2. Python Version Pytorch

Minio-Objektspeicherung: Hochleistungs-Bereitstellung im Rahmen von CentOS System Minio ist ein hochleistungsfähiges, verteiltes Objektspeichersystem, das auf der GO-Sprache entwickelt wurde und mit Amazons3 kompatibel ist. Es unterstützt eine Vielzahl von Kundensprachen, darunter Java, Python, JavaScript und Go. In diesem Artikel wird kurz die Installation und Kompatibilität von Minio zu CentOS -Systemen vorgestellt. CentOS -Versionskompatibilitätsminio wurde in mehreren CentOS -Versionen verifiziert, einschließlich, aber nicht beschränkt auf: CentOS7.9: Bietet einen vollständigen Installationshandbuch für die Clusterkonfiguration, die Umgebungsvorbereitung, die Einstellungen von Konfigurationsdateien, eine Festplattenpartitionierung und Mini

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort
