对于低版本keil工程如何嫁接移植到新版本

广药门徒

已于 2024-07-04 14:24:21 修改

阅读量365

点赞数 7

文章标签：人工智能

于 2024-07-04 12:30:36 首次发布

本文链接：https://blog.csdn.net/2301_80317247/article/details/140176291

版权

点开keil工程点击migrate to device pack

先保存下软件工程，让它变成keil5工程

保存完之后再点开开始检查配置

点开option查找属性

检查device，看是否有自动识别芯片，我这张图就没有

解决办法：点开软件存放的目录找到所存放的packunzip，点开属性，点开兼容性，点击以管理员身份运行，点击应用加保存

回到软件，以后你点开软件要想运行低版本keil工程就要点击管理员身份运行keil5

原因：因为你调好packupzip后你点开软件，它会自动去低版本找适应的芯片包，如果你不给它权限他做不到跨软件去找包

后面就可以了，后续的检查按主页“51 stm32开发关于keil mdk的软件配置常用设置以及可能会出现的报错总结”这篇文章来

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

广药门徒

关注关注

7
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
对于低版本keil工程如何嫁接移植到新版本

后面就可以了，后续的检查按主页“51 stm32开发关于keil mdk的软件配置常用设置以及可能会出现的报错总结”这篇文章来。解决办法：点开软件存放的目录找到所存放的packunzip，点开属性，点开兼容性，点击以管理员身份运行，点击应用加保存。点开keil工程点击migrate to device pack。检查device，看是否有自动识别芯片，我这张图就没有。点开option查找属性。
复制链接

扫一扫

keil工程移植到iar

zhh龙神亲zhh的博客

08-27

1350

一、软件版本 MDK-ARM Professional Version: 5.15 IAR 7.4 移植工程：机辅伺服控制工程 YH-LPC1788-SDK 二、建立IAR工程 1、 keil5例程结构如下： 2、参照keil5例程结构建立IAR工程文件夹如下：（1）CMSIS存放工程相关的内核文件、寄存器定义文件、配置文件；（2）Library存放工...

将Keil工程移植到IAR中-stm32F1标准库+freeRTOS

lzs940320的博客

04-29

1771

在项目应用中，随着代码量的增加，Keil的编译速度实在是难以忍受，虽然最新的Keil版本在编译速度上有了很大的提升，但是在一些地方和IAR还是有一些差距，虽然IAR的兼容性是真的让人头疼，但是项目要求，现在要将一个可运行的Keil工程移植到IAR上。虽然代码不会更改，但是移植过程还是让很多新手头疼的，现在记录一下移植过程。我使用的是stm32F103REt6 使用的是标准库V3.5.0...

参与评论您还未登录，请先登录后发表或查看评论

keil工程移植到iar（三）：IAR程序移植

zhh龙神亲zhh的博客

08-27

3982

打开IAR工程，进行工程文件移植一、打开原始空的工程，编译通过二、在上述空的工程中添加项目工程文件（所有XXX.c和XXX.h文件），即程序移植 1.添加XXX.h文件即移植添加所需的所有头文件相对路径（注意IAR平台上，工程里添加文件的时候没有添加的.h文件，需要在配置文件中添加使用的.h文件的路径，这样工程就能自动找到使用的.h文件了），这里我们推荐添加的必须...

STM32不同型号单片机keil工程移植说明

热门推荐

HXYDJ的博客

06-05

1万+

STM32系列单片机如果库函数开发的话，那么不同型号单片机的工程是可以直接移植的。这样的话如果项目中更换了芯片，工程就可以直接移植过去，不用重新编写。这样就节约了很多时间。下面说一下如何将在STM32F103RCT6单片机上开发的工程，移植到STM32F103C8T6单片机上。移植工程之前，首先要确保工程中用到的IO口，在两个芯片中都有。否则如果工程中使用IO在一个芯片上有，另一个芯片上没有，那么是不能直接移植的，需要更改 IO口后才能使用。相关IO口可以在官方芯片...

keil5工程移植到IAR工程

weixin_42525096的博客

05-24

2156

keil5工程移植到IAR工程一、软件版本 MDK-ARM Professional Version: 5.14.0.0 IAR 8.1 移植工程：基于正点原子开发板建立的STM32F407ZGT6工程二、开始建立IAR对应工程 1、 keil5例程结构如下： 2、建立对应的IAR工程：参考链接：https://blog.csdn.net/Q_fighting/artic...

随机数种子的作用

帆的博客

07-23

561

设置随机数种子（random seed）的目的是为了确保随机数生成器在每次运行时产生相同的随机数序列，从而保证实验结果的一致性。随机数种子通过初始化随机数生成器的内部状态，使得在相同的种子值下，随机数生成器每次调用时生成的序列是相同的。

GPU算力：驱动现代计算的引擎

UnityBoy的博客

07-22

308

在当今的计算密集型应用中，GPU（图形处理单元）算力已成为推动科学计算、人工智能、数据分析等领域发展的关键因素。GPU最初设计用于处理复杂的图形和图像任务，但随着技术的进步，它们已经演变为通用并行计算的强有力工具。本文将探讨GPU算力的基本概念、重要性、应用场景以及如何充分利用GPU算力。

【保姆级教程】跑通YOLOv8-multi-task多任务模型

m0_51579041的博客

07-23

【保姆级教程】跑通YOLOv8-multi-task多任务模型

大模型面经

weixin_43744732的博客

07-19

1246

大模型，面试，八股文

概率模拟（sigmoid、softmax）

最新发布

MechMaster

07-23

547

sigmoid、softmax

嵌入式人工智能（13-基于树莓派4B的指纹识别-AS608）

u010152658的博客

07-20

991

AS608的接线头有防呆口，插上即可，只用到4根线，VCC接USBToTTL的VCC（注意这里要接3.3V，否则容易损坏，将黄色的跳线帽连接5V与VCC引脚，AS608插到3.3上面），AS608的GND接USBToTTL的GND，AS608的TX接USBToTTL的RXD，AS608的RX接USBToTTL的TXD。每个人的指纹纹路都是独一无二的，通过将指纹与事先存储的指纹数据库进行比对，可以确定是否为同一人。(2)高像素：采用高像素的光学传感器，能够捕捉到丰富的指纹信息，提高指纹识别的精确度。

人工智能算法工程师(高级)课程5-图像生成项目之对抗生成模型与代码详解

weixin_42878111的博客

07-23

本文介绍了GAN、CGAN和DCGAN的数学原理，并通过PyTorch框架提供了完整的代码实现。通过这些代码，读者可以深入了解对抗生成模型的训练过程，并掌握图像生成的原理和技术。在实际应用中，这些模型可以用于图像合成、风格迁移、数据增强等多个领域。需要注意的是，训练GAN模型可能会遇到稳定性问题，因此在实际操作中可能需要调整超参数和模型结构以获得最佳效果。

大模型日报 2024-07-20

weixin_40262196的博客

07-21

615

OpenAI发布了针对应用开发者的GPT-4o mini模型，取代了旧版的GPT-3.5模型。: 研究开发了一个基于游戏Baba Is You的新基准，测试了三种多模态大型语言模型，发现它们在需要操控和组合游戏规则时表现不佳。: 谷歌AI发布了一篇关于FLAMe的论文，这是一种基础大型自动评估模型，旨在为复杂多样的大型语言模型提供可靠且高效的评估方法。: 研究表明，通过Prover-Verifier游戏训练算法，提升了大语言模型在解决数学问题时的输出可读性和人类验证准确率。

基于深度学习的故障检测

weixin_42605076的博客

07-20

945

基于深度学习的故障检测是一项利用深度学习技术对设备、系统和结构的运行数据进行分析，以检测、识别和预测潜在故障的技术。其应用范围广泛，包括工业设备监控、制造系统故障检测、交通系统安全监测等。

昇思MindSpore 应用学习-Vision Transformer图像分类

青云的博客

07-21

859

本案例完成了一个ViT模型在ImageNet数据上进行训练，验证和推理的过程，其中，对关键的ViT模型结构和原理作了讲解。通过学习本案例，理解源码可以帮助用户掌握Multi-Head Attention，TransformerEncoder，pos_embedding等关键概念，如果要详细理解ViT的模型原理，建议基于源码更深层次的详细阅读。

CUDA编程02 - 数据并行介绍

07-23

311

数据并行是指在数据集的不同部分上执行计算工作，这些计算工作彼此相互独立且可以并行执行。许多应用程序都具有丰富的数据并行性，使其能够改造成可并行执行的程序。因此，对于程序员来说，熟悉数据并行的概念以及使用并行编程语言来编写数据并行的代码是非常重要的。在本文中，我们将使用CUDA C语言构造开发一个简单的数据并行程序。

定制化智能：Mojo模型与自定义损失函数的深度融合

2401_85439108的博客

07-22

528

Mojo模型通常指的是H2O.ai的机器学习平台中的模型导出功能，它允许将训练好的模型转换为一个轻量级的Java模型，方便在生产环境中部署和使用。Mojo模型通常包括模型的参数、结构和预处理步骤。自定义损失函数允许开发者根据特定问题的需求，设计出更适合问题的损失函数，从而提高模型的预测准确性和泛化能力。在某些复杂的机器学习问题中，如不平衡数据集或具有特定业务目标的场景，自定义损失函数显得尤为重要。

TensorRT .so文件链接问题

Ppandaer的博客

07-23

212

尽管你已经在中包含了目录，TensorFlow仍然无法加载。

机器学习数据集的一致性表现在哪些方面-九五小庞

qq_37241964的博客

07-19

395

总结而言，确保数据集的一致性是提高模型效果和泛化能力的关键。通过综合检查特征分布、数据规律、时间因素、分布式环境和神经网络特征表达的一致性，可以全面评估和保障数据集的一致性。这不仅有助于提升模型的性能，也为后续的特征工程和模型优化提供了坚实的基础。

YoloV8改进策略：卷积篇|Kan行天下之ReluKan

m0_47867638的博客

07-20

387

本文介绍了一种名为ReLU-KAN的新型架构，该架构使用新型基础函数替换了KAN中的B样条。此外，ReLU-KAN实现了全矩阵运算，显著提高了训练速度。实验结果表明，ReLU-KAN在训练速度、拟合能力和稳定性方面均优于KAN。在未来的工作中，我们计划将ReLU-KAN应用于卷积和Transformer架构中，以研究其在不牺牲模型性能的情况下减少参数的潜力。