start.S

============================================
作者:yuanlulu
http://blog.csdn.net/yuanlulu


版权没有,但是转载请保留此段声明
============================================


这两天看了一下uboot。记录一下自己的总结成果。

 

参考http://www.cnblogs.com/heaad/archive/2010/07/17/1779829.html

1。参考arch/arm/arch/arm/cpu/arm926ejs/u-boot.lds文件的内容:
(参考连接http://blog.chinaunix.net/space.php?uid=20632682&do=blog&id=82147)
OUTPUT_FORMAT("elf32-littlearm", "elf32-littlearm", "elf32-littlearm")
OUTPUT_ARCH(arm)
ENTRY(_start)
SECTIONS
{
 . = 0x00000000;     //镜像开始的地方在物理地址的0x0地址开始的地方

 . = ALIGN(4);     //四字节对齐
 .text :
 {
  arch/arm/cpu/arm926ejs/start.o (.text) //代码的最前面的部分数本目录下的start.S
  *(.text)
 }

 . = ALIGN(4);     //四字节对齐
 .rodata : { *(SORT_BY_ALIGNMENT(SORT_BY_NAME(.rodata*))) }  //只读数据段

 . = ALIGN(4);     //四字节对齐
 .data : { *(.data) }    //其他数据段

 . = ALIGN(4);     //四字节对齐
 .got : { *(.got) }

 . = .;
 __u_boot_cmd_start = .;
 .u_boot_cmd : { *(.u_boot_cmd) }
 __u_boot_cmd_end = .;

 . = ALIGN(4);
 __bss_start = .;
 .bss (NOLOAD) : { *(.bss) . = ALIGN(4); }
 _end = .;
}
可以看到首先执行的代码在start.s中。

2。打开arch/arm/arch/arm/cpu/arm926ejs/start.S。


.globl _start
_start:
 b reset     //复位中断向量
 ldr pc, _undefined_instruction  //未使用
 ldr pc, _software_interrupt   //软中断
 ldr pc, _prefetch_abort   //处理器预取指令的地址不存在,或该地址不允许当前指令访问,产生指令预取中止异常
 ldr pc, _data_abort    //处理器数据访问指令的地址不存在,或该地址不允许当前指令访问时,产生数据中止异常
 ldr pc, _not_used    //
 ldr pc, _irq     //外部中断
 ldr pc, _fiq     //外部快速中断

_undefined_instruction:     //定义一些变量存储处理函数的地址
 .word undefined_instruction
_software_interrupt:
 .word software_interrupt
_prefetch_abort:
 .word prefetch_abort
_data_abort:
 .word data_abort
_not_used:
 .word not_used
_irq:
 .word irq
_fiq:
 .word fiq

#endif /* CONFIG_PRELOADER */
 .balignl 16,0xdeadbeef


/*
 *************************************************************************
 *
 * Startup Code (reset vector)
 *
 * do important init only if we don't start from memory!
 * setup Memory and board specific bits prior to relocation.
 * relocate armboot to ram
 * setup stack
 *
 *************************************************************************
 */

_TEXT_BASE:
 .word TEXT_BASE   //定义一个变量存储
//TEXT_BASE是Uboot载入内存后物理的基地址。定义在board/xxx/config.mk里面。这个地址一定要和uboot在内存的首地址相同
.globl _armboot_start
_armboot_start:
 .word _start

/*
 * These are defined in the board-specific linker script.
 */
.globl _bss_start
_bss_start:
 .word __bss_start

.globl _bss_end
_bss_end:
 .word _end

#ifdef CONFIG_USE_IRQ
/* IRQ stack memory (calculated at run-time) */
.globl IRQ_STACK_START
IRQ_STACK_START:   //设置中断栈的地址
 .word 0x0badc0de

/* IRQ stack memory (calculated at run-time) */
.globl FIQ_STACK_START   //快速中断的地址。
FIQ_STACK_START:
 .word 0x0badc0de
#endif


/*
 * the actual reset code
 */

reset:
 /*
  * set the cpu to SVC32 mode
  */
 mrs r0,cpsr
 bic r0,r0,#0x1f
 orr r0,r0,#0xd3
 msr cpsr,r0

 /*
  * we do sys-critical inits only at reboot,
  * not when booting from ram!
  */
#ifndef CONFIG_SKIP_LOWLEVEL_INIT
 bl cpu_init_crit    //执行cpu_init_crit  
#endif

#ifndef CONFIG_SKIP_RELOCATE_UBOOT
relocate:    /* relocate U-Boot to RAM     */  将uboot复制到ram。
 adr r0, _start  /* r0 <- current position of code   */
 ldr r1, _TEXT_BASE  /* test if we run from flash or RAM */
 cmp     r0, r1                  /* don't reloc during debug         */
 beq     stack_setup
 ldr r2, _armboot_start
 ldr r3, _bss_start
 sub r2, r3, r2  /* r2 <- size of armboot            */
 add r2, r0, r2  /* r2 <- source end address         */

copy_loop:
 ldmia r0!, {r3-r10}  /* copy from source address [r0]    */
 stmia r1!, {r3-r10}  /* copy to   target address [r1]    */
 cmp r0, r2   /* until source end addreee [r2]    */
 ble copy_loop
#endif /* CONFIG_SKIP_RELOCATE_UBOOT */
 
 /* Set up the stack          */
stack_setup:        //设置程序栈
 ldr r0, _TEXT_BASE  /* upper 128 KiB: relocated uboot   */
 sub sp, r0, #128  /* leave 32 words for abort-stack   */
#ifndef CONFIG_PRELOADER
 sub r0, r0, #CONFIG_SYS_MALLOC_LEN /* malloc area                      */
 sub r0, r0, #CONFIG_SYS_GBL_DATA_SIZE /* bdinfo                        */
#ifdef CONFIG_USE_IRQ
 sub r0, r0, #(CONFIG_STACKSIZE_IRQ+CONFIG_STACKSIZE_FIQ)
#endif
#endif /* CONFIG_PRELOADER */
 sub sp, r0, #12  /* leave 3 words for abort-stack    */
 bic sp, sp, #7  /* 8-byte alignment for ABI compliance */

clear_bss:   //清空bss段
 ldr r0, _bss_start  /* find start of bss segment        */
 ldr r1, _bss_end  /* stop here                        */
 mov r2, #0x00000000  /* clear                            */

#ifndef CONFIG_PRELOADER  //循环中清空bss
clbss_l:str r2, [r0]  /* clear loop...                    */
 add r0, r0, #4
 cmp r0, r1
 ble clbss_l

 bl coloured_LED_init
 bl red_LED_on
#endif /* CONFIG_PRELOADER */

 ldr pc, _start_armboot  //执行_start_armboot,第一个C函数

 

_start_armboot:
#ifdef CONFIG_NAND_SPL   //如果是从spi_nand中启动
 .word nand_boot
#else
 .word start_armboot   //正常启动,进入C函数。
#endif /* CONFIG_NAND_SPL */

 

 

总结:

start.S中主要禁用cache、MMU,设置了中断向量,栈并清空bss段。为程序建立好C语言运行的环境之后,就将uboot复制到第二部分,去执行第一个C函数。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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