撬动未来的支点的专栏

原创 炫彩灯牌应用发布—应援娱乐日常辅助多功能炫彩光效工具箱

炫彩灯牌APP（Android版）是一款功能强大的光效创作应用，个人用户永久免费使用。采用现代化设计，为用户提供前所未有的视觉创作体验。核心功能包括：文字特效模块支持彩虹、闪烁等多种专业动画效果，可自定义字体大小、颜色、滚动速度等参数；荧光棒动画模块提供圆柱、爱心、双五角星、手形等精美3D样式，支持闪烁、旋转、颜色变换等复杂动画；氛围灯控制模块充分利用设备闪光灯，实现呼吸灯、愉快闪烁、SOS求救信号等智能照明模式。

原创 算起计算器APP发布—好看好用的多功能计算器

算起计算器是一款多功能计算器应用，个人用户永久免费使用，提供多种计算功能，包括基础数值计算功能和扩展计算功能。基础数值计算功能科学计算器进制计算器扩展计算功能时间-日期计算BMI 计算速度、长度距离单位转换闰年计算温度单位换算数码保险箱工具以及其他扩展计算功能，可充分满足学生和工程师的专业需求。同时，该应用支持多语言、多分辨率运行，并支持皮肤切换，是您设备中必备的计算工具。APP不断更新中，欢迎大家留言反馈！

原创 掌握Qt构造系统

掌握Qt构建系统

原创 【精华】详解Qt中的内存管理机制

前言内存管理，是对软件中内存资源的分配与释放进行有效管理的方法和理论。众所周知，内存管理是软件开发的一个重要的内容。软件规模越大，内存管理可能出现的问题越多。如果像C语言一样手动地管理内存，一会给开发人员带来巨大的负担，二是手动管理内存的可靠性较差。Qt为软件开发人员提供了一套内存管理机制，用以替代手动内存管理。下面开始逐条讲述Qt中的内存管理机制。一脉相承的栈与堆的内存管理了解C语言的同学都知道，C语言中的内存分配有两种形式：栈内存、堆内存。栈内存栈内存的管理是由编译器来做的，栈上申请的内

原创 【编译原理】二、理解BNF

总体理解一个源码文件本质上就是一棵树，即数据结构中的树。解析源码的本质就是将一维的字符串序列转换为一颗语法树。这个可以自己对着源码理解，代码中的缩进就是一种树层次的体现。BNF范式BNF范式本质上就是树形分解，很简单嘛。前端代码解析的难点就在于BNF，对于对数学不敏感的人来说，看到公式就很烦（像我一样）。那么我们就从计算机专业的角度来掌握它。产生式产生式就是将语法的分解规则表达出来的等式。如句子 = 主 + 谓 + 宾将语法规则描述出来是为了便于代码实现，便于计算，所以产生式可以看做

原创 Qt实现多屏幕多分辨率自适应

最近比较忙，这里仅大概描述一下我的实现思路。运行条件两个屏幕，分辨率不同。Qt软件问题提出前段时间写了一个软件，窗口内有自绘内容。自绘内容里面用的长度单位都是像素。可想而知，在开发者的电脑屏幕上大小都是符合要求的。到这一步都没问题。软件开发完成后发给客户，客户在他的电脑上运行，也没问题，毕竟分辨率差不多。偶然一次使用配有高分辨率显示器电脑运行软件，在4k屏下，软件出现了以下问题：整体尺寸和某些自绘内容（线条形状）变得很小，原因是屏幕分辨率升高了，像素更密集，相同个数的像素长度看起来更

原创 一篇搞定嵌入式linux系统构建

上图右侧是linux系统运行必须的组件，左侧是一些常用应用工具。下面的configuration是指linux系统构建人员可以进行配置系统中的一些编译选项，我们能做的一般就是这里，其他的部分要么是瑞芯微给的要么是从网络上下载的，基本不用写一行代码，该做的厂家都做了，厂家提供这些就是为了让开发者能够轻松地构建系统，又能有一定的定制能力，这样开发者可以把重心放到应用开发上来。做产品卖，重心肯定是应用，底层有问题找厂家，就这么个供应链逻辑。

原创 【嘉立创】EDA快速入门

铺铜完成后，由于裸露的铜太多，一不小心可能误触或者损坏，和手机屏幕类似，需要“贴膜”保护一下电路。其工艺逻辑是：整板默认覆盖阻焊油墨，仅在需要裸露铜面的区域进行“开窗”处理。常见的开窗处有焊盘，某些电位测试点等，这和手机膜上为摄像头预留开孔是一个道理。FR-4，铝基板，铜基板，主要区别在于导热性，FR-4 < 铝基板 < 铜基板。成本最低最普通最常用的板材是FR-4，其他板材只在某些特定电路中使用。这些空白如果铺上铜，板子电磁特性会更稳定。所以铺铜是“在电路板空白处填铜”，为了提高板子整体电磁稳定性。

原创 【Linux驱动】驱动高速处理数据时降速的问题

驱动在等待外部设备的处理结果时，在热路径上使用usleep_range()做了微秒级别的延时，正是这一操作使驱动让出了CPU核心，导致驱动的数据处理速度下降了25%。将usleep_range()替换为忙等函数udelay()，在不让出CPU的情况下，实现微秒级的等待，成功解决了降速问题。在Linux系统上，实现通过PCIE驱动高速外设时，往往需要让驱动独占一个CPU核心，以保持高速运转。如果CPU核心在某一时刻被驱动让出，CPU高速缓存就可能会被替换，导致原本的高速数据处理发生降速问题。

原创 嵌入式用的Flash和固态硬盘的区别

嵌入式Flash多采用NOR型，容量小（通常1MB~256MB），适合存Bootloader，但单位成本远高于NAND。支持SPI接口和并行接口，其中QSPI、Octal SPI、并行接口支持随机访问和XIP。SSD使用NAND型，容量大（128GB起），依赖主控和FTL映射，单位比特成本极低。两者核心差异即：NOR是“可寻址的内存”，价格昂贵；NAND是“需管理的块存储”，便宜且容量大。

原创 快速理解docker名词

容器编排器（docker composer）：类似于运行多个虚拟机，每个容器运行某一个功能的服务，互相配合，非常适合于后端的微服务架构。容器引擎（container engine）：类似于vmware或者virtualbox。容器（container）：类似于运行起来的虚拟机。镜像（image）：类似于虚拟机.vm文件。

原创 产品结构设计专题

软件开发硬件开发电路设计结构设计外观设计现在发达的工业系统中，各个方向的开发逐渐分化，由各个方向的技术人员或者部门，甚至公司分工合作，最后进行组装成一个硬件产品，比如汽车，手机，智能手表等等。对于初创或者规模微笑的硬件产品公司，为了降低研发成本，通常需要进行一定程度的全栈开发。另外，软硬件协同通常能够更好的发挥硬件性能，开发出更好的产品。所以对于软件工程师来说，最好了解硬件知识；对于硬件工程师来说，同时也要了解一些软件接口和协议。本文主要给软件工程师参考，补充一些硬件设计知识。

原创 【TSN】CBS idle_slope send_slope计算公式推导

● idle slope：空闲增长率，也就是信用为0等待发送时，信用的增长速率。随后开始发送一帧，注意此时发送其实是全速发送的，也就是QGb/s，耗时ts，总数据量是Q * tGb。初始信用为credits=0，假设等待t秒后前一帧发完了，立即检查当前信用为。● send slope：发送数据时的信用降低速率，send_slope=idle_slope-Q。若send_slope=idle_slope-Q，则idle_slope-send_slope=Q。一帧发完，信用为负，停止发送。

原创 【Linux网络】理解tc命令

这里的关键在于，具体的“队列规则”逻辑完全是在Linux内核中实现的。tc 工具本身不执行任何流量整形或排队，它只是一个“配置下发器”，其真正的威力来自于内核中复杂而高效的 TC 子系统。qdisc 是挂在网卡上的“总调度员”，class 是它手下的“分车道”（各有各的限速），而 filter 就是站在入口的“交警”，根据数据包的IP/端口，把它们指挥进对应的“分车道”。tc是用户态程序，它需要和内核通信才能实现对网络协议栈的控制。通信方式不是一般的系统调用，而是网络模块特有的Netlink通信方式。

原创 【计算机硬件】主板芯片组介绍及发展历程

学习高性能设备驱动开发，除了需要了解操作系统中的驱动软件架构，还需要对硬件架构有充分了解。以下内容来自AI。

原创 【PCIe】知识串烧

总线时钟频率是什么，这属于硬件知识，在之前的文章中有说过。频率类似于音乐中的拍子，每个音都要在拍子上。但是时钟频率是有上限的，电路有自己的最快响应速度，过高的频率，电路会产生信号紊乱，无法正常工作。PCIe是新版本的总线标准，减少了导线数量，提高了总线时钟频率，所以实际上速度比PCI快很多。PCIe分为四种型号，分别为 1x, 4x, 8x, 16x，x表示通道，通道越多，并行度越高，速度越快，长度也越长。PCI总线是老版本的总线标准，用32根物理导线并行传输数据，但是频率上不去，容易出错。

原创 【以太网】常用网络测试工具

原创 【已解决】Ubuntu 24.4 ThinkBook 16+双系统无wifi图标的问题

驱动未生效，无线网卡驱动：Intel BE201。

原创 WDK开发串烧

原创 TSN串烧

默认一个交换机内的广播，所有节点都能收到。为了精细化管理，减少资源消耗，使用VLAN来划分逻辑子网。VLAN 就是用一台物理交换机，逻辑上变出多台独立的虚拟交换机，让不同部门的网络互不干扰，更安全、更高效。核心是交换机要支持VLAN，否则无法实现。VLAN 默认靠交换机端口区分（Access 链路），只有在需要跨越交换机或需要让接收端识别 VLAN 时（Trunk 链路），才需要显式打上 VLAN Tag。

原创 【扫盲】IT与OT

IT是信息大脑，负责数据处理、存储和对外通讯，追求高吞吐和安全。OT是物理四肢，负责实时控制和监测物理世界，追求确定性和可靠。IT与OT融合是工业4.0的核心，其本质是用数据驱动物理世界。TSN和OPC UA是解决融合中网络确定性和语义互操作性两大核心难题的关键技术。希望这个解释能帮你建立起清晰的框架。如果你对OPC UA或TSN如何具体解决某个融合问题感兴趣，我们可以继续深入。

原创 【AI】常见网络架构

原创 【AI】图像识别类任务汇总

每种图像处理任务对应的应用场景不同，所需算力不同，项目中按实际需要选择。

原创 【AI】对CNN网络的一些理解

分组卷积：分组卷积将输入通道和卷积核等分为多组，各组独立进行卷积计算，最后合并结果。与标准卷积中每个卷积核需处理全部输入通道不同，分组卷积的每个卷积核仅需处理分配到的部分输入通道。接着，逐点卷积使用1x1卷积核融合所有通道的特征。通过这种分解，其计算成本可降至标准卷积的约1/8，是构建MobileNet、EfficientNet等轻量级网络的核心单元，在移动设备上实现了精度与效率的卓越平衡。但是，当类别变得非常多、非常相似时，为了达到高精度，往往也需要优化或增强前面的卷积层，以提供更强大的特征提取能力。

原创 【神经网络核心】张量、正向传播（空间映射）、反向传播（调整映射参数）

我认为这三点最能描述神经网络的工作原理，在众多的专业词汇中找到核心要素，防止迷失方向。

原创 【LLM】技术栈

原创 开发板挂载ubuntu 20.04 nfs Connection refused

使用 mount -o nolock -t nfs 选项去挂载即可。

原创 【Qt】安卓开发部署设备错误

某些电脑上会出现这个问题。最终通过使用 adb.exe install xxx.apk去安装，问题解决。套件支持“arm64-v8a”，但设备使用“”。部署设备“RMO-AN00”不支持套件架构。部署到安卓设备/模拟器初始化。

原创 【小游戏开发攻略】（二）游戏玩法设计模式

几乎每种比较经典的游戏都开创了一个独特的玩法，比如消除类游戏，跑酷类游戏，滑块类游戏等等。按照这些游戏类型分类设计出来的游戏数不胜数，不同的游戏玩法区别是什么？感觉有差异，又感觉说不出来根本差异在哪。产生这种感觉的原因是没有研究清楚到底游戏的核心玩法是什么？就像是马斯克的第一性原理说的那样，表面上看上去复杂的东西，从本质上去看通常并不复杂。

原创 【程序分析】.map，.lst，反汇编文件关系

原创 【DWARF】错误汇总

这个问题是libdwarf解析obj默认会把obj外部符号链接替换为实际的符号，所以他就去找外部符号的的地址；但是obj没有经过链接器填充外部符号表大小，所以外部符号大小为0（st_size字段为0），他就找不到这个符号的实际大小，就报错。解决方法：关闭重定位符号的解析 dwarf_set_reloc_application(0) 即可。

原创 【程序一致性分析】ELF格式与DWARF协议

通过将编译器生成的目标文件信息，与源代码进行比对，有助于实现程序的一致性分析。

原创 【程序一致性分析】使用MSYS2和VS编译libdwarf

那当然了，因为MSYS2这个工具的作用，就是为了实现使用Linux上的构建工具来编译Windows上需要的exe或者库，编译器是MINGW等编译器，肯定不是VS的编译器了。因为很多开源代码是在Linux下开发的，依赖Linux上的编译工具链，如果需要在Windows上编译，那就需要使用MSYS2来编译。下载解压到 MSYS2中，放在 /home/xxx/ 即用户目录下面，我电脑上对应的Windows路径是 C:\msys64\home\xxx\libdwarf-code-2.2.0。

原创 【AI机器视觉】MediaPile和YOLO对比

总而言之，YOLO和MediaPipe并非竞争关系，而是面向不同需求的互补性工具。把YOLO想象成一把威力巨大的狙击步枪，适合完成对精度要求高、目标多样的“攻坚任务”。把MediaPipe看作一把灵巧精准的手术刀，专门为特定的人体感知任务而生，在移动端这个“手术台”上游刃有余。

原创 【AI光速理解】从图像处理到文本处理（RNN,LSTM,Transformer,GPT）

1

原创 【AI】光速理解YOLO框架

有了YOLO，就不需要自己从0开始搭建模型了。YOLO内置模型功能强大，且API简单易用，它的定位就是AI落地，专门为AI工程化设计开发。YOLO的demo网上资料很多，可以哪来练习，熟悉视觉应用的处理流程。我们前面学的PyTorch是用来搭建神经网络模型的脚手架，即利用一些算子搭建网络结构，并且支持评估推理等全套API。YOLO从最初的支持目标检测，到现在支持图像分割、姿态识别等完整的AI视觉开发套件。常用的YOLO版本有YOLOv5，YOLOv8，YOLOv11。

原创 【AI模型】权重和偏置的数量关系及计算

权重是连接的参数，负责在不同单元之间传递和变换信息，数量庞大。偏置是神经元自身的参数，为自己设定一个激活基准，数量很少。因此，权重和偏置的数量从来都不是1:1的，权重的数量通常比偏置多一个数量级甚至更多。理解这一点对正确计算模型的参数量至关重要。

原创 【端侧AI模型部署】模型量化技术

模型量化就是把模型的浮点数参数（训练时通常为FP32）和计算转为空间更小的数值类型，从而大幅减小模型体积、提升推理速度，同时尽量保持精度。

原创 【小游戏开发攻略】（一）小游戏特点分析

简单来说，一款成功的小游戏，核心在于精准把握“”二字，为玩家提供一种轻松、便捷的娱乐体验。

原创 Qt6 BLE

UART over BLE 的价值。传统 UART 的局限。