【GD32H759】代码占用ram大小超过512k不能运行

1、今天调试GD32H759程序发发现,当程序  大小为:503kb时可以运行

                                                                 :590kb时,不能运行

2、查看手册发现ram为1024kb啊,为啥不能运行呢?

看到两个512,是不是因为有一个没使能呢?

查看配置文件:

地址都包含了啊

3、看到有个叫共享ram的,去手册看看那个是啥,如下:

原来如此,这部分的共享ram可以配置到itcm,dtcm和正常程序用的ram一块使用,但是需要分配他的大小,可以自定义分配!

4、通过程序读下itcm,dtcm大小

搜关键字itcm/tcm,终于发现有个函数 ob_tcm_shared_ram_size_get可以干这个事

发现打印:

难怪只能用512k的ram啊

5、修改itcm,dtcm大小

 查看ram地址配置文件发现,默认itcm和dtcm配置的都是64k,我也把他配置为64k吧

经过咨询,程序这样改下,然后重启:

	fmc_unlock();
	ob_unlock();
	fmc_flag_clear(FMC_INT_END );    // FMC end of program interrupt
	fmc_flag_clear(FMC_INT_WPERR );    // FMC erase / program protection error interrupt
	fmc_flag_clear(FMC_INT_PGSERR );    // FMC program sequence error interrupt
	fmc_flag_clear(FMC_INT_RPERR );    // FMC read protection error interrupt
	fmc_flag_clear(FMC_INT_RSERR );    // FMC read secure error interrupt
	fmc_flag_clear(FMC_INT_ECCCOR );    // FMC one bit correct error interrupt
	fmc_flag_clear(FMC_INT_ECCDET );    // FMC two bits detect error interrupt
	fmc_flag_clear(FMC_INT_OBMERR );    // FMC option byte modify error interrupt
	uint32_t ramget1[2] = { 0 };
	ob_tcm_shared_ram_size_get(&ramget1[0], &ramget1[1]);
	if (ramget1[0] != 64)
	{
		ob_tcm_shared_ram_config(OB_ITCM_SHARED_RAM_64KB, OB_DTCM_SHARED_RAM_64KB);
	}
	ob_start();
	ob_lock();
	fmc_lock();

重新后,查询大小打印:

可以运行大于512kb ram大小的程序了

                                ┓(;´_`)┏

=============又是学习的一天============

  • 6
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值