小编Dav*_*ole的帖子

背景:我有许多脚本通过查找前导"0x"来解析查找十六进制数字的日志文件.我们的嵌入式C库改为新的printf.新的printf比我们之前更符合标准,我的脚本破了.

在Linux机器上:

#include <stdio.h>
int main( void )
{
    printf( "%#010x\n", 0 );
    printf( "%#010x\n", 1 );
    return 0;
}

输出(使用glibc)是:

0000000000
0x00000001

我们公司的输出是:

0x00000000
0x00000001

从printf(3)开始,在'#'标志字符上:"对于x和X转换,非零结果的前缀为字符串"0x"(或X转换为"0X")."

我很好奇为什么.如果没有挖掘C标准文件或为标准委员会成员购买午餐,为什么不在零价值论证中使用前导0x？

对于图像处理类,我在单色图像上进行点操作.像素是uint8 [0,255].

numpy uint8将换行.例如,235 + 30 = 9.我需要像素饱和(max = 255)或截断(min = 0)而不是包裹.

我的解决方案使用int32像素作为点数学,然后转换为uint8以保存图像.

这是最好的方法吗？或者有更快的方法吗？

#!/usr/bin/python

import sys
import numpy as np
import Image

def to_uint8( data ) :
    # maximum pixel
    latch = np.zeros_like( data )
    latch[:] = 255
    # minimum pixel
    zeros = np.zeros_like( data )

    # unrolled to illustrate steps
    d = np.maximum( zeros, data )
    d = np.minimum( latch, d )

    # cast to uint8
    return np.asarray( d, dtype="uint8" )

infilename=sys.argv[1]
img = Image.open(infilename)
data32 = np.asarray( …

我有以下范围的numpy数据(usec时间戳的增量):

array([ 4.312,  4.317,  4.316,  4.32 ,  4.316,  4.316,  4.319,  4.317,
    4.317,  4.316,  4.318,  4.316,  4.318,  4.316,  4.318,  4.317,
    4.317,  4.317,  4.316,  4.317,  4.318,  4.316,  4.318,  4.316,
    4.318,  4.316,  4.317,  4.317,  4.318,  4.316,  4.317,  4.317,
    4.317,  4.317,  4.317,  4.316,  4.319,  4.315,  4.319,  4.315,
    4.319,  4.315,  4.316,  4.319,  4.317,  4.317,  4.317,  4.318,
    4.315,  4.317,  4.317,  4.317,  4.319,  4.314,  4.32 ,  4.315,
    4.317,  4.318,  4.315,  4.318,  4.317,  4.317,  4.317,  4.316,
    4.317,  4.318,  4.317,  4.317,  4.317,  4.315,  4.319,  4.317,
    4.315,  4.319,  4.316,  4.318, …

我的图像处理类已经分配了一个图像恢复项目.我目前正在研究反向滤波器.图像 - >降级 - >逆滤波器 - >恢复图像.我正在使用一个简单的5x5盒式过滤器来降级.

如果我在空间域中对图像进行卷积,移动到频域,然后使用内核的fft反向滤波卷积图像,我就搞得一团糟.如果我在频域中对图像进行卷积,然后对该图像进行反向滤波,我会得到一个好的图像.

频域和空间域卷积应该相同.我唯一的想法是我在做内核的错误？我正在使用5x5盒式过滤器.空间卷积将最终结果除以np.sum(方框).我试过通过以下方式对盒子进行标准化:

box = np.ones( 25 ).reshape( 5,5 ) / 25.0

但得到相同的垃圾反向过滤图像结果.

我还注意到频率卷积图像(来自下面的代码的"g_freq.png")被移位,可能是由于FFT填充顶部和左边的图像的底部/右边.这会导致问题吗？

空间卷积:

频率卷积:注意顶部/左侧的填充.

下面是创建问题的最简单的代码.100%numpy/scipy/matplotlib.

import sys
import matplotlib
matplotlib.use( 'Agg' )
import matplotlib.pyplot as plt
import numpy as np
import scipy
from scipy import ndimage

def save_image( data, filename ) : 
    print "saving",filename
    plt.cla()
    fig = plt.figure()
    ax = fig.add_subplot( 111 )
    ax.imshow( data, interpolation="nearest", cmap=matplotlib.cm.gray )
    fig.savefig( filename )

f = scipy.misc.lena()
save_image( f, "scipylena.png" )

# create a simple …

我是Verilog的新手,但多年来一直是C程序员,这让我很危险.

我正在为一堂课做一些Verilog.我想在我的模拟代码中使用C assert()样式测试.https://en.wikipedia.org/wiki/Assert.h

我们没有使用System Verilog,因此没有可以找到的标准断言.我拼凑了下面的宏.

`define ASSERT_EQUALS(x,y) \
    repeat(1)\
    begin\
        if( (x) != (y) ) \
        begin\
            $write( "assert failed %d != %d\n", (x), (y) );\
            $finish;\
        end\
    end 

    // test the assert( should fail)
    `ASSERT_EQUALS(t_data_in,16'hfffe)

据我所知,没有办法获得一个行号.因此,如果断言失败,我只会收到一条消息,无法链接回故障位置.

assert failed 65535 != 65534

有没有办法获得当前的行号？或者有更好的方法在Verilog中进行断言测试？

谢谢!

我正在将大型代码库移植到 Linux 内核设备驱动程序。ASIC 使用大量 DMA 通道。

我 kmalloc 内存与GFP_KERNEL|GFP_DMA. 在启动 DMA 之前，我使用 dma_map_single 来获取硬件（物理）内存地址以提供给硬件。（也会刷新/使 dcache 中的内存无效？）我有时需要 CPU 访问数据，一旦 DMA 完成，但不经常。在通过代码访问数据之前，我执行了 dma_unmap_single 以避免缓存一致性问题。

在我不需要 CPU 访问的情况下，我还需要调用dma_unmap_single吗？我应该dma_unmap_single每一个指针dma_map_single吗？是否dma_map_single消耗dma_unmap_single将释放的资源（例如，表条目）？

DMA-API.txt 不清楚良好的 DMA 内存卫生。

谢谢！

我正在将 3.14 移植到基于 ARM 的 SOC，该 SOC 已成功运行 3.2 内核。

我陷入了校准 jiffies 的代码中。

校准延迟收敛（）-init/calibrate.c

    /* wait for "start of" clock tick */
    ticks = jiffies;
    while (ticks == jiffies)   <---- infinite loop waiting for jiffies to change
            ; /* nothing */
    /* Go .. */

jiffies 没有更新。jiffies 在哪里更新？我正在寻找类似 jiffies++ 或更新 jiffies 的 .S 文件的吸烟枪代码。

我进入了 Linux 中计时器和中断系统的兔子洞。定时器中断未启用（在 PL190 硬件中）。我希望如果我可以自下而上跟踪（应该调用 jiffies 的地方），我就能找到为什么没有启用中断。