holly的专栏

转载 共享内存实现原理

共享内存的使用实现原理  nmap函数要求内核创建一个新的虚拟存储器区域，最好是从地址start开始的一个区域，并将文件描述符fd指定对象的一个连续的片（chunk）映射到这个新的区域。   SHMMNI为128，表示系统中最多可以有128个共享内存对象。  共享内存可以说是最有用的进程间通信方式，也是最快的IPC形式。两个不同进程A、B共享内存的意思是，同一块物理内存被映射到进程A、B各自的进程地址空间。进程A可以即时看到进程B对共享内存中数据的更新，反之亦然。由于多个进程共享同一块内存区域，必然需

转载 WebService中的WSDL详解

  有人在WebService开发的时候，特别是和第三方有接口的时候，走的是SOAP协议，然后用户（或后台）给你一个WSDL文件（或网址），说按照上面的进行适配， 这时就要对WebService的WSDL有一定的理解，本文将对WSDL（WebService描述语言）进行详细总结。  WSDL (Web Services Description Language,Web服务描述语言)是一种XML Application，他将Web服务描述定义为一组服务访问点，客户端可以通过这些服务访问点对包含面向文档信息或

转载 ONVIF学习【3】——自发现功能实现（Discovery）

  server端Discovery实现，通过OnvifTestTool12.06测试1. 在使用wsdl2h产生头文件前需要修改typemap.dat  修改的依据在这里：http://www.cs.fsu.edu/~engelen/soap.html，在FAQ页面下的How do I use gSOAP for the ONVIF specifications?#Use gSOAP 2.8.10 and up. In the typemap.dat file used by wsdl2h, add

转载 ONVIF学习【2】——SOAP介绍以及gSOAP使用

预备知识  ONVIF规范中设备管理和控制部分所定义的接口均以Web Services的形式提供。ONVIF规范涵盖了完全的XML及WSDL的定义。每一个支持ONVIF规范的终端设备均须提供与功能相应的Web Service。服务端与客户端的数据交互采用SOAP协议。【来自http://blog.csdn.net/ghostyu】  ONVIF中的其他部分比如音视频流则通过RTP/RTSP进行 。  那么WebServices、SOAP、WSDL、gSOAP又都是什么？  假如我们需要开发一个lin

转载 ONVIF学习【1】—— 框架介绍

原文地址：https://blog.csdn.net/myfwf1988/article/details/8899089什么是ONVIF ?  ONVIF规范描述了网络视频的模型、接口、数据类型以及数据交互的模式。并复用了一些现有的标准，如WS系列标准等。  ONVIF规范的目标是实现一个网络视频框架协议，使不同厂商所生产的网络视频产品（包括摄录前端、录像设备等）完全互通。  ONVIF规范中设备管理和控制部分所定义的接口均以Web Services的形式提供。ONVIF规范涵盖了完全的XML及W

转载 ONNX简介

简介Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。ONNX是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。它使得不同的人工智能框架（如Pytorch,MXNet）可以采用相同格式存储模型数据并交互。 ONNX的规范及代码主要由微软，亚马逊 ，Facebook 和 IBM等公司共同开发，以开放源代码的方式托管在Github上。目前官方支持加载ONNX模型并进行推理的深度学

转载 Linux性能分析工具简介

http://bitjoy.net/2017/02/07/introduction-to-performance-analysis-tools-in-linux/

转载 u-boot FIT image介绍

原文地址：http://www.wowotech.net/u-boot/fit_image_overview.html

转载 linux USB HOST之EHCI和OHCI

1. 主机控制器(Host Controller)UHCI: Universal Host Controller Interface (通用主机控制接口, USB1.0/1.1)OHCI: Open Host Controller Interface (开放主机控制接口,USB1.0/1.1)EHCI: Enhanced Host Controller Interface (用于USB2....

转载 Linux—shell中$(( ))、$( )、``与${ }的区别

命令替换在bash中，$( )与` `（反引号）都是用来作命令替换的。命令替换与变量替换差不多，都是用来重组命令行的，先完成引号里的命令行，然后将其结果替换出来，再重组成新的命令行。exp 1[root@localhost ~]# echo today is $(date "+%Y-%m-%d")today is 2017-11-07[root@localhost ~]# echo t...

转载 repo的manifest.xml文件全解

原文地址：https://blog.csdn.net/nwpushuai/article/details/79252297manifest.xml 文件结构:<?xml version="1.0" encoding="UTF-8"?> <manifest> <remote name="origin" fetch=".." review="rev...

转载 ARM交叉编译工具链分类说明

原文地址：https://blog.csdn.net/qq_16149777/article/details/82349868为什么要用交叉编译器？交叉编译通俗地讲就是在一种平台上编译出能运行在体系结构不同的另一种平台上的程序，比如在PC平台（X86 CPU）上编译出能运行在以ARM为内核的CPU平台上的程序，编译得到的程序在X86 CPU平台上是不能运行的，必须放到ARM CPU平台上才能运...

原创 seetaFaceEngine源码笔记【一】—— FaceIdentification

1. FaceIdentificationmember variables as follows:Recognizer* recognizer； 1.1. instance1recognizer = Recognizer(); # 2.12. FaceIdentification:RecognitionRecognition is embedded class of FaceIde...

原创 《C程序性能优化》学习笔记【四】—— 达人方法论

4.1 达人的关注点第3章，研究了如何检查耗时的部分，之后需要着眼于何处实现高效编程。这里，从系统构造来看，遇到问题要先解决什么问题。硬件篇程序中不稳定的部分是程序的瓶颈。以下因素可能成为程序瓶颈：程序是否侧重于处理字符串；是否侧重于处理数值运算；是否侧重于访问底层硬件；程序是否与其他程序紧密关联。无论怎样的程序，都有计算机系统中各部件协调运作执行。因此计算机各部件的运行速度和...

原创 《C程序性能优化》学习笔记【三】—— 寻找性能瓶颈

3.1 使用gprof命令进行分析在追求高效化编程的过程中，若不能准确定位哪些环节在浪费时间，可先分析程序各部分在执行时花费的时间，然后找到原因，解决问题。gprof的使用方法gprof工具可以打印程序运行过程中各个函数消耗的时间与调用次数，也可以获得程序运行过程中函数调用关系图（call graph）的评测信息（profile information）。使用gprof之前，有必要先对目标...

原创 《C程序性能优化》学习笔记【二】—— 执行成本

2.1 程序的执行成本优秀的程序员会让程序使用最少的计算量，就是让指令的执行时间（即执行成本）尽可能缩短。本章重点在于让大家了解平时所写的程序如何被执行，以及每个操作对应的执行时间。2.2 计·测·谋衡量操作所需执行时间的程序为基准测试程序（benchmark test program）。书中的探讨考虑以下计算机循环执行加法运算所需时间。条件判断指令会让整个加法运算时间增长，因此需...

原创 《C程序性能优化》学习笔记【一】—— CPU与编译器概论

1.1 高速路与人行道计算机中的程序可比作在“有红绿灯的高速路”工作。在编写C/C++程序是，编写者会在程序中设置很多“红绿的和人行道”，导致程序减速。但是只要去掉其中几个主要障碍，程序的运行速度就会提高数十倍。1.2 编译器是如何运作的程序编译过程如图1-2所示。GCC将程序源码编译为汇编语言程序，汇编编译器将汇编语言转换成机器语言的目标程序，链接器将目标程序和外部模块连接起来，生成...

转载 C代码性能优化总结

原文地址：https://blog.csdn.net/chenyq991/article/details/79047741最近做一个项目，对性能要求很高，为了尽可能提高性能，网上找了很多性能优化相关的帖子，进行了很多的思考和尝试，今天抽空把近期的一些学习和心得做一个总结。由于这个项目只是提供一个模块，颗粒度较小，不涉及多线程、同步异步、数据库等，本文主要从以下几个方面进行分析：1、优化代码框...

转载 和菜鸟一起学linux之V4L2摄像头应用流程

原文地址：https://blog.csdn.net/eastmoon502136/article/details/8190262

转载 C++程序常见的性能调优方式

原文地址：http://www.cnblogs.com/wujianlundao/archive/2012/11/18/2776372.html冗余的变量拷贝相对C而言，写C++代码经常一不小心就会引入一些临时变量，比如函数实参、函数返回值。在临时变量之外，也会有其他一些情况会带来一些冗余的变量拷贝。之前针对冗余的变量拷贝问题写过一些帖子，详情请点击这里。多重过滤很多服务都会过滤的部分...

转载 设备树详解

原文地址：https://blog.csdn.net/qq_28992301/article/details/53321610

转载 基于platform总线的驱动分析

基于platform总线的驱动分析在设备驱动模型中，总线负责将设备和驱动绑定。在系统每注册一个设备的时候，会寻找与之匹配的驱动；相反的，在系统每注册一个驱动的时候，会寻找与之匹配的设备，而匹配由总线完成。为什么要有这种匹配机制？难道不是很多余吗？原因详见Linux设备驱动模型与sysfs文末1.platform总线基本概念设备和驱动若基于设备驱动模型，则它们通常都需要挂接在一种总线上。总线...

转载 设备驱动模型与sysfs

原文地址：https://blog.csdn.net/qq_28992301/article/details/52381868设备驱动模型与sysfs  Linux在2.6版本引入了设备驱动模型，设备驱动模型负责统一实现和维护一些特性，诸如：热插拔、对象生命周期、用户空间和驱动空间的交互等基础设施1.设备驱动模型基本概念  设备驱动模型主要包含：类（class）、总线（bus）、设备（d...

转载 U-boot引导内核流程分析

原文地址：https://blog.csdn.net/qq_28992301/article/details/51873201U-boot引导内核流程分析1. 加载内核  当U-boot完成重定位和初始化外设后，它将正式进入工作状态，可以加载内核镜像到DDR的链接地址中了，具体的地址也可以通过bootcmd这个环境变量来指定，内核镜像有两种加载方式：一种是通过tftp将镜像文件直接引导...

转载 内核启动汇编阶段分析

原文地址：https://blog.csdn.net/qq_28992301/article/details/52082892内核启动汇编阶段分析  汇编阶段的主线代码主要分布在head.S中1.设置虚拟地址和物理地址（约29行）#define KERNEL_RAM_VADDR (PAGE_OFFSET + TEXT_OFFSET)#define KERNEL_RAM_PADDR...

转载 组播的时候到底该如何绑定网卡

原文地址：https://blog.csdn.net/yansen_2010/article/details/38982309

转载 有哪些高质量的英文有声书 audiobook？

原文链接：https://www.zhihu.com/question/27492973/answer/304543950  经典版有声书，而且还是免费滴： 来自 巴别塔微信公众平台 学语言的过程中，大量输入必不可少，比较有趣的方式比如看剧，听有声书，都是在没有太大压力的状态下进行主动吸收，如果能长期坚持积累下去，效果会非常好。网上资源非常丰富，如果知道怎么找，就能挖到很多优质的...

原创 Jeston TX2-手动编译Opencv3.3.1

下载opencv3.3.1的源码https://github.com/opencv/opencv/archive/3.3.1.zip解压后源码目录 opencv-3.3.1 进入opencv-3.3.1文件夹，执行以下命令# mkdir _install# cd _install# cmake \ -DCMAKE_BUILD_TYPE=Release \ ...

转载 spin_lock 自旋锁 和 mutex_lock 互斥锁的区别

原文地址：https://blog.csdn.net/wilsonboliu/article/details/19190861　　信号量mutex是sleep-waiting。 就是说当没有获得mutex时，会有上下文切换，将自己、加到忙等待队列中，直到另外一个线程释放mutex并唤醒它，而这时CPU是空闲的，可以调度别的任务处理。　　而自旋锁spin lock是busy-waitin...

转载 用man命令查看内核函数

原文地址：https://blog.csdn.net/droidphone/article/details/8074892

转载 普通字符设备驱动的两种注册方式（新&旧）

原文地址：https://blog.csdn.net/qq_28992301/article/details/52127009在内核中，对于一个普通的字符设备驱动，不难发现有两种注册方式：register_chrdev族函数+创建设备类、文件的函数：这种方法是2.4版本流行的旧方法。优点是简单；缺点是无法指定次设备号 register_chrdev_region族+cdev族+...

转载 markdown中实现首行缩进的两种方法

转载 Cache写机制：Write-through与Write-back

原文地址：https://blog.csdn.net/wyzxg/article/details/7254458通常有三种方法：write through：CPU向cache写入数据时，同时向memory(后端存储)也写一份，使cache和memory的数据保持一致。优点是简单，缺点是每次都要访问memory，速度比较慢。post write：CPU更新cache数据时，把更新的数...

转载 Undefined Reference to Typeinfo

原文地址：https://blog.csdn.net/ai2000ai/article/details/47152133　　在项目中遇到了这样一个问题：C++文件编译都OK，但链接的时候报错：undefined reference to `typeinfo for xxx’。typeinfo是C++中的RTTI(RunTime Type Identification)机制中记录类型信息用的...

转载 指纹识别-传感器原理

原文地址：https://blog.csdn.net/lowkeyway/article/details/69569669　　我们了解过了指纹识别的大致流程后，这篇文章用来介绍指纹识别硬件中最重要的部分，传感器。其实传感器、芯片也要符合物理学的基本原理，他们都是物理学的原理的一种实现，我们可以从光、电、声、热、力这几个基本的物理研究领域中展开，看看今天主流的指纹识别传感器的分类和实现。...

转载 ARMCC和GCC编译ARM代码的软浮点和硬浮点问题

原文地址：http://blog.csdn.net/hunanchenxingyu/article/details/47003279本文介绍了ARM代码编译时的软浮点(soft-float)和硬浮点(hard-float)的编译以及链接实现时的不同。从VFP浮点单元的引入到软浮点(soft-float)和硬浮点(hard-float)的概念，然后是在GCC和ARMCC RVCT工具链下的具...

转载 Qt的开源版本与商业版区别及LGPL与闭源程序

原文地址：http://blog.51cto.com/devbean/313477　　最近一直在学习 Qt。Qt 有两个许可证：LGPL 和商业协议。这两个协议在现在的 Qt 版本中的代码是完全一致的（潜在含义是，Qt 的早期版本，商业版的 Qt 通常包含有一些开源版本所没有的库，比如 QtSingleApplication 这个库）。所以现在对于普通开发人员和部分商业公司来说，使用 LG...

转载 ARM平台NEON指令的编译和优化

原文地址：http://blog.csdn.net/qiek/article/details/50900890ARM平台NEON指令的编译和优化　　本文介绍了ARM平台基于ARM v7-A架构的ARM Cortex-A系列处理器(Cortex-A5, Cortex-A7,Cortex-A8, Cortex-A9, Cortex-A15)上的NEON多媒体处理硬件加速器针对C/C++...

转载 LBP原理介绍以及算法实现

原文地址：http://blog.csdn.net/xpplearnc/article/details/40658211　　没有看LBP之前觉得它很神秘，看完了之后也就那么回事，不过提出LBP的人确实很伟大！！ 　　LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala,

转载 非极大抑制（Non-Maximum Suppression）

最近在看RCNN和微软的SPP-net，其中涉及到Non-Maximum Suppression，论文中没具体展开，我就研究下了代码，这里做一个简单的总结，听这个名字感觉是一个很高深的算法，其实很简单，就是把找出score比较region，其中需要考虑不同region的一个重叠问题。　　假设从一个图像中得到了2000region proposals，通过在RCNN和SPP-net之后我们会得到