PIC18F25K20时钟配置（一）

已于 2025-02-23 23:09:14 修改
阅读量211 收藏
点赞数 3
分类专栏： MCU Miacrochip-PIC 文章标签： 开发语言
于 2025-02-23 11:38:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xindongpai/article/details/145807022
版权

1、PIC18F25K20的时钟系统是一个复杂的系统，其配置比较复杂。据官方手册显示，有11种时钟源。
在这里插入图片描述
2、用户时钟配置主要关注的有两个地方
2.1 配置字，简单的理解为寄存器配置，是系统特殊的配置寄存器。有三种生成方式
2.1.1用GUI生成，前提是需要装入插件gcc
在这里插入图片描述
生成的底层文件在device_config.c文件中
在这里插入图片描述
2.1.2方法二：通过手动配置
在这里插入图片描述
弹出下面窗口配置后生成代码
在这里插入图片描述
将生成的代码复制到主函数开始即可
在这里插入图片描述
3、此外还需注意两个寄存器的协同配置
在配置完控制后，就需要考虑配置这两个寄存器 OSCCON和OSCTUNE。会影响外设时钟。具体寄存器内容需要查看数据手册
在这里插入图片描述

2.1.3同第二种方法，只是调用方式不同。
在这里插入图片描述

在Relay中注册新TVM算子
吴建明wujianming_110117
09-11 615
在Relay中注册新TVM算子 在本文件中，将介绍在Relay中注册新TVM算子所需的步骤。将以添加累积算子的PR为例。PR本身建立在另一个PR的基础上，该PR添加了一个累积和运算。 注册新算子需要几个步骤： Add an attribute node declaring fixed arguments which are known at compile time Write a type relation for your operation to integrate into Relay’s typ
(TVM开发代码学习)给Relay系统添加新算子
weixin_44114416的博客
12-28 2169
本文学习的是官网中的Adding an Operator to Relay — tvm 0.9.dev182+ge718f5a8a documentation (apache.org) 添加新的Relay算子需要以下步骤： 1、添加一个attribute node，声明在编译时已知的固定参数。 2、给算子写一个type relation，整合进Relay类的系统文件里。 3、在C++源码中用RELAY_REGISTER_OP宏定义来注册算子的数量、类型等信息。 4、定义算子的计算过程。 5、给算
向Relay中添加操作符
weixin_42164269的博客
02-11 899
目录 注册操作符 创建一个调用节点 引用一个Python API 梯度运算符 在Python中添加梯度 在C ++中添加求导 总结 为了从Relay IR中使用TVM操作符，需要在Relay中注册操作符，以确保将其集成到Relay的类型系统中。 注册操作符需要三个步骤： 使用C ++中的宏RELAY_REGISTER_OP注册操作符的Arity和类型信息...
【TVM源码学习笔记】12.Relay算子实现流程
zx_ros的博客
03-17 1892
自定义算子的步骤： 1.定义算子属性节点 2.编写算子的输入输出类型推导关系函数 3.使用RELAY_REGISTER_OP宏注册算子 4.实现算子的compute函数 5.注册算子的compute函数和调度schedule 6.实现算子调用时生成call node的函数，注册该函数在前端被调用的Python API 钩子 7.将钩子封装成简洁的python接口 8.编写算子的测试用例 1.定义算子属性节点 算子属性是算子在编译时必须提供的，并且是有确定值的参数。例如卷积算子的stri.
(TVM开发代码学习)熟悉Relay算子的代码
weixin_44114416的博客
12-31 1390
从6个代码块部分熟悉TVM中的Relay算子代码，从添加一个算子的角度去解构TVM中的Relay算子。
如何将算子添加到Relay
吴建明wujianming_110117
11-19 411
如何将算子添加到Relay 本文将介绍在Relay中注册新TVM算子所需的步骤。将PR添加累积产品运算示例。PR本身建立在另一个PR的基础上，该PR添加了一个累积和运算。 注册新算子需要几个步骤： 添加一个属性节点，声明编译时已知的固定参数 为算子编写一个类型关系，集成到Relay的类型系统中。 使用C++中的RELAY_REGISTER_OP宏，注册编译器的算子属性、类型和其它提示 如何计算算子 向Relay算子注册计算、调度 定义C++函数，为算子生成调用节点并注册函数的Python API hook
TVM前端研究--Relay
欢迎订阅 -- 小源笔迹
10-29 1123
TVM前端之前用的NNVM，现在用的Relay，后面会往Relax和Unity方向转。先简单介绍一下。Relay的解释比较杂乱，按照论文和官方文档的解释它算是一个编译器框架或着IR(Intermediate Representation)。说是编译器框架有些大，说是IR他不单单可以做算子表示，还可以支持函数、类型等编程逻辑。
标注规则在python/tvm/relay/op/contrib/your_codegen_name.py目录下。可以通过包装器@tvm.ir.register_op_attr(relayOp, target.yourTarget)直接将算子与指定运行平台绑定。该包装器是给算子添加了新属性target.yourTarget，BYOC框架会对每个算子调用target.yourTarget()检查是否支持该硬件。如下helper函数可以批量处理算子标注。
最新发布
04-03
### 如何通过 Python TVM Relay 中的包装器为算子添加属性以实现硬件绑定 在 TVM 的 Relay 模块中，可以通过 `@tvm.ir.register_op_attr` 装饰器为特定的操作符注册目标（target）属性。这种机制允许开发者定义操作...
java怎么开发app_靠谱做菜app开发怎么操作
weixin_39564807的博客
11-07 274
靠谱做菜app开发怎么操作”如果使用前期的网站，也只能是，即就是让网站获得更长的时间。开发一个新的网站，需要经过众多系统的测试。这个过程无非就是多层次的测试：首先了解一下用户的习惯和工具对他们的看法，当然，他们对性能的关注，需要这个需求去实现。另外，一般的社交软件运营都会做一些工具化的配置。在视频网站自学加深了对课程的了解，并且对于网络视频的制作学习也有了一定的了解。主要讲解网页图文的制作，wor...
TVM自定义算子+测试
free1993的博客
09-17 2700
TVM自定义算子定义算子编译器后端算子的测试变量的声明调用底层算子部署到特定硬件上运行全部代码 定义算子 TVM分为编译器前端和编译器后端。编译器前端主要解决的事情是将其他框架（pytorch等）转换成自己的symbolic的表示方式，所有的基本操作都会转换成sym.基本算子的形式，然后通过注册的形式，使得sym.基本算子调用后端的算子实现。编译器后端的算子实现分为两部分，第一部分是compute的部分，compute定义了基本的计算规则，schedule定义了基本计算规则在不同的硬件上的实际执行的方式。
tvm.relay学习（五）——relay操作符
weixin_42164269的博客
12-05 1082
操作符是Relay操作中未定义的原始操作，例如add或conv2d。运算符在C++中的全局运算符注册表中声明。 TVM的Tensor操作符清单（TOPI）支持许多常见的操作符。 要注册操作符，用户必须提供操作符的实现、其类型以及任何其他所需的元数据。操作符注册表是一个基于列的存储，其中运算符是键，因此任何元数据（可能由优化过程引用）都可以注册为新列。 从Relay类型系统的角度来看，操作符是一...
写算子单元测试Writing Unit Tests
吴建明wujianming_110117
12-06 411
写算子单元测试Writing Unit Tests! 一些单元测试示例，可在tests/python/relay/test_op_level3.py中找到，用于累积总和与乘积算子。 梯度算子 梯度算子对于编写Relay中的可微程序非常重要。虽然Relay的autodiff算法可区分一流的语言结构，但算子是不透明的。Relay无法查看实现，必须提供明确的差异化规则。 Python和C++都可编写梯度算子，但是，示例集中在Python上，更常用。 在Python中添加梯度 Python梯度算子的集合可在Pyth
TVM Compiler中文教程：TVM使用内联和数学函数
Mars_WH的专栏
06-09 2077
文章目录TVM使用内联和数学函数直接声明外部数学函数调用统一内联函数调用内部Lowering规则总结 TVM使用内联和数学函数 TVM支持基础算术运算操作，但是在很多情况下我们需要更复杂的內建函数。例如exp指数函数。 这些內建函数取决于目标系统，在不同的平台可能有不同的名字。这个教程中，我们将学习调用目标特定的內建函数，和怎么能够通过TVM内联API统一接口。 from __future__ i...
TVM系列 - 图优化 - 算子融合
热门推荐
Artyze的博客
09-28 1万+
TVM系列 - 图优化 - 算子融合 图优化综述 声明一下，本文所有的理解都是基于个人理解。 图优化算是一个推理框架前端比较成熟的操作了，一般来说，针对模型做图优化有两个目的（对于通用框架来说，就加速减少计算一个目的了）： 减少Node的数量， 不管是算子融合，还是无效节点去除，共同的目的就是减少整个graph中node的数量，因为对于框架来说，从一个node到另一个node之间就意味着数据的搬运。举个例子，我们知道算子合并最经典的就是将BN层融合到Conv层，我们姑且不论融合后计算量的减少，单单是减少了
【TVM源码学习笔记】2.2 C++侧的relay ir op, function和irmodule
zx_ros的博客
02-25 1689
探讨C++侧算子的relay ir的实现
TVM系列---1.开始使用Tensor Expression
The space of Shining
08-02 2911
Author: Tianqi Chen https://docs.tvm.ai/tutorials/tensor_expr_get_started.html Tensor Expression入门 这是TVM中Tensor表达语言的入门教程。TVM使用特定于域的张量表达式来进行有效的内核构造。 在本教程中，我们将演示使用张量表达式语言的基本工作流程。 from __future__ import ...
TVM学习（七）算子
qq_33287871的博客
02-25 1284
relay算子 上一章梳理了一遍TVM前端流程，前端完成了tensorflow算子到TVM算子的转换。这一章CNN网络中最普遍的卷积运算为例，看一下relay算子的表示。在python/tvm/relay/frontend/tensorflow.py文件中convert_map有： _convert_map = { … 'Conv2D' : _conv('conv'), … } 在_conv函数中会根据layout对weights，inputs，out
初探TVM--使用Tensor Engine来编写算子
shaojie_wang的博客
02-22 1454
TVM的tensor expression
tvm.relay学习（一）——relay介绍
weixin_42164269的博客
12-05 4972
relay是一种功能多样的编程语言，用于机器学习系统表达的中间表示。relay支持代数数据类型，闭包，控制流和递归，从而可以直接表示比基于计算图的IR更复杂的模型。relay还包括一种使用类型关系的依赖类型的形式，来处理对参数形状有复杂的要求的操作符的形状分析。relay在设计上是可扩展的，这使得机器学习的研究人员和实践者可以很容易地开发新的大型程序转换和优化。 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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