漢亞科技 Han-Ya

        STM32H750 內部記憶體不到 1MB，在記憶空間使用大的情況下，我們需要在晶片外部增加外部 SRAM 以滿足空間需求。如何宣告一個變數映射到這外部記憶體？對於編譯器版本 AC5 或 AC6 最安全的做法是底下這樣宣告：

               uint16_t   *myTest = (uint16_t *) 0xC0000000;

直接將變數的位址映射到外部記憶體位址上，然後計算好這個變數的 array 長度大小。

另一個宣告方式，如下，但僅適用於 AC5 版本，

uint8_t myTest[128] __attribute__((section(".exsram")));

(繼續閱讀...)

漢亞科技 Han-Ya 發表在 痞客邦 留言(0) 人氣()

問題：STM32晶片用 ARM compiler 6 版本編譯，不勾選 MicroLIB，如下圖設定。燒錄後，晶片不會自動運行？

1. 使用 C++ 編譯，不能再勾選 MicroLIB，因為組譯會出現錯誤。MicroLIB 不支援C++。

2. 改回 ARM Compiler 5，勾選 MicroLIB。

3. 使用 C++ 編譯，需要重新定義一些 stdio 的函數，參考 keil MDK AC5向AC6迁移后如何重定向printf_ac6 printf-CSDN博客。

4. 使用 C++ 編譯的解決方式，新增 Compiler I/O，如下圖。如果有用到 File or TTY，就勾選起來。

(繼續閱讀...)

漢亞科技 Han-Ya 發表在 痞客邦 留言(0) 人氣()

漢亞科技 Han-Ya 發表在 痞客邦 留言(0) 人氣()

        Edge Impulse 是一個提供 AI 模型訓練的雲端平台 https://edgeimpulse.com/，也提供幾個免費的模型讓新註冊者使用，適合初學者入門學習 AI 模型訓練(Train)，乃至生成推理參數(Inference)。此外，該平台提供的模型適用於邊緣運算，訓練後的模型參數可以移植到資源有限的嵌入式系統上面進行 AI 的推理，犧牲部分模型的精準度來換取更多周邊設備的推理應用。在網站，Edge Impulse 列出一些合作的硬體設備廠商或可移植的模組，我們可以根據這方向找適合的模組來實現。 

        就 EI 平台上免費提供的模型而言，可以分為一維資料的語音模型訓練，和二維資料的影像模型訓練。本文僅就影像辨識模型來介紹，請參考吉伊卡哇的臉部辨識 https://youtu.be/F2ollSB4v2g。在平台上，物件偵測的模型 MobileNet，我們可以調整模型訓練的圈數以及學習率...等，以便達到較好的精準度。底下的圖顯示，在相同的設定圈數下，MobileNet 2.0.35 版本的整體分數比 2.0.1 好，更進一步採用 MobileNetV2 SSD 模組來訓練，也能達到接近的精準度。MobileNetV2 SSD 比 MobileNet 模型除了物件的分類之外，還能精準物件的定位，當然在訓練的過程會花費更多的時間。簡而言之，MobileNet 2.0.35 專注於影像分類，而 MobileNetV2 SSD 則將分類與定位結合，實現更全面的影像理解。

        除了上述的模型之外，EI 平台也提供 Yolo 模型，不過這模型訓練時間過長，無法提供免費使用，必須購買點數才行，如果訓練過程要用 GPU，這也是需要購買點數。言歸正傳，訓練後的模組，EI 平台可以依據應用的環境產生推理的參數，比如生成 C/C++ 的推理函數庫，Arduino IDE 環境的推理函數庫...等，前段提到的影片就是用 Arduino IDE 環境的 ESP32 CAM 模組來實現影像辨識的推理。下圖是生成 Arduino IDE 推理的函數庫結構，模型的參數放在 tflite-model 目錄底下。假設我們以 MobileNet 2.0.35 模型來訓練，每次調整圈數或學習率而訓練優化後所產生的函數庫，每次不同的點在這個目錄檔案內的參數值。即使是 MobileNetV2 SSD，最大的差別也是 tflite_learn_5_compiled.cpp 這個檔案。

        結論，本文介紹一個 AI 雲端平台，讓系統工程師能快速瀏覽過模型訓練、生成推理、以及移植推理參數到開發板的過程，希望對大家有所幫助。

(繼續閱讀...)

漢亞科技 Han-Ya 發表在 痞客邦 留言(0) 人氣()

資料取自洪瑞泰盈再表

整理港股中的保險H股：新華保險，中國平安，中國太保。

ROE大於10%，股淨比小於1，股息殖利率大於5%，在市場上屬於估值偏低的標的。

(繼續閱讀...)

漢亞科技 Han-Ya 發表在 痞客邦 留言(0) 人氣()

➤ 準備套件

MediaMTX：到 github 網站下載 zip 包 https://github.com/bluenviron/mediamtx，參考 [1]

FFmpeg：到官網下載已經編譯好的 zip 包，參考[2]

➤ 啟動 RTSP 服務

        MediaMTX zip 包裡面有三個檔案，一個程式的執行檔(.exe)，一個是程式的配置檔(.yml)，另一個是許可檔案。配置檔就是一個文字檔，打開後可以看到 RTSP 的相關設定，還有其他串流 RTMP 的設定。在 Windows 環境下，開啟 CMD 視窗，然後執行 mediamtx.exe，顯示出下圖的結果。RTSP 串流的 TCP 端口為 8554，UDP 端口為 8000。

(繼續閱讀...)

漢亞科技 Han-Ya 發表在 痞客邦 留言(0) 人氣()

        在實務上，經常使用意法半導體的 MCU，本文介紹一塊高效能的工控板，如圖一所示，以 STM32H750 為基礎，其核心為 ARM Cortex-M7，最高運算時脈 480MHz。底下列出這塊工控板的周邊介面：

1) 12 路光耦合GPI

2) 8 路光耦合GPO (有帶+24V電源的接點)

4) 2 路DAC (12-bit, 0~10V)

5) 8 路ADC (16-bit, -10.24V~+10.24V, 外接ADS8688晶片)

(繼續閱讀...)

漢亞科技 Han-Ya 發表在 痞客邦 留言(0) 人氣()

        意法 STM32 系列晶片在工業或控制領域使用是非常廣泛的，這裡介紹一塊 F407 的控制板，板子將晶片的周邊電路已經拉出來，並接到歐式端子頭，如圖一所示。簡單介紹 STM32F407 核心是 ARM Cortex-M4F，晶片最高工作頻率168MHz，底下列出這塊控制板的周邊介面：

        1) 16 路光耦合隔離 GPI

        2) 16 路光耦合隔離 GPO (有帶+24V電源的接點)

        3) 4 路光耦合隔離 GPO (無電源的接點)

        4) 2 路 DAC (12-bit, 0-10V)

(繼續閱讀...)

漢亞科技 Han-Ya 發表在 痞客邦 留言(0) 人氣()

模組介紹

BlueNRG系統有兩款已認證的藍芽模組，一款型號為BLUENRG-M2SA(對應的開發板名稱：STEVAL-IDB008V1M)，一款為BLUENRG-M2SP。模組的核心是STM32 Cortex-M0，它本身就是一顆MCU，再外接常見的通訊界面，如：UART、SPI、I2C…等。官方網站提供該模組的SDK程式碼，到官方網站下載BlueNRG-1_2 DK-3.2.3.0-Setup.exe，執行安裝後，如下圖所示。

用Keil IDE開啟任一個NRG2的專案檔，要注意使用這兩款的模組前有三個變數要定義清楚再來編譯。BLUENRG-M2SA的定義如下：

HS_SPEED_XTAL=HS_SPEED_XTAL_32MHZ

LS_SOURCE=LS_SOURCE_EXTERNAL_32KHZ

(繼續閱讀...)

漢亞科技 Han-Ya 發表在 痞客邦 留言(0) 人氣()

        過去常常思考一個問題，股市的量價關係如何與物理力學產生連結呢？股市的技術指標如何與牛頓定律扯上關係呢？我在這裡不探討數學式子，單純從概念來思考。以下謹代表個人研究心得，不負責盈虧。首先，股市的成交量能代表推力或衰退力道，股價代表移動的距離大小，股本可視為一個物體的質量。在股海時間久了，普遍的認知就是股本越大越需要更大的成交量能來推動價格，小股本的公司只需一點推力就能產生推升的效果，這樣的邏輯可以套用到力學當中的牛頓第二定律 F = MA。

        股市中，常見的技術指標 RSI、KD、MACD，根據定義 RSI 代表強弱指標，以價格的最高最低來計算 RSI 數值。我們試著把價格高低點想像成移動的距離遠近，移動距離越大是不是代表發力的力道越大？於是，RSI 指標從 50 開始往上增加時，表示開始發力，F 開始產生作用，產生加速度 A 的移動，如下圖所示。

        牛頓定律中，發力的過程即使停止發力了，物體還是會持續往前進，這是慣性也是動能。從下圖中觀察，RSI 回到 50 以上，力道變得很微弱了，但是還有上升的動能。講到這裡，發力指的是瞬間力道，平均力道就要觀察另一個指標 KD。倘若 KD 維持在高檔(俗稱高檔鈍化)，代表平均力道維持不墜，有力道就有前進的速度，也就有動能。因此，觀察 KD 指標能維持多久的時間代表力道的持久度，只要 KD 維持中強水準，即使稍微偷懶沒有出力，事後再發力，前進的慣性還是存在的，如下圖所示。

        最後，來講講動能，雖然前進具備動能，但是也要觀察動能的強弱，到底這次動能跟上次相比是更強還是更弱呢？技術指標的 MACD 用來判斷動能的強弱，當高於零軸時，代表動能轉向往前進，低於零軸代表動能為後退(代表價格下跌)。下圖所示的 MACD 維持在零軸之上，顯示一股前進的動能，即使回到靠近零軸，仍然在前進，只要再次發力便可加速往前進。但是，圖中後段的 MACD 動能顯然不如前一波的動能，代表發出的力道已經不足以產生上次的前進規模了。

        上述是一個推力前進的例子，來看看一個拉力後退的例子。RSI 低於 50 表示拉力後退，數值越低代表拉力越大。KD 在低檔維持越久，後退的動能維持時間會很久，即嗄使 KD 數值突然變大也無法立刻改變後退的動能。然而後退的動能大小則要觀察指標 MACD，當 MACD 越來越靠近零軸時，代表物體的移動方向準備要轉向(也可能盤整不動)。從下圖觀察，第二波的 MACD 動能已經弱於前一波，即便發出緊縮拉力往後扯，緊縮動能也不像前一波來得大了。正所謂，一鼓作氣，再而衰，三而竭，從股市也能體驗到古文的智慧。

(繼續閱讀...)

漢亞科技 Han-Ya 發表在 痞客邦 留言(0) 人氣()

        工廠生產設備遇到網路化的問題，偏偏產線設備不具有網路端口，這時候可以使用 RS-232 to Ethernet 模組來解決，下圖一所示。有些設備不具有網路，只要將下圖的模組 RS-232 配置設定好後(圖四)，設備與模組間就算搞定了，接下來再設定網路模式。

圖一：RS-232 to Ethernet 轉換模組

(繼續閱讀...)

漢亞科技 Han-Ya 發表在 痞客邦 留言(0) 人氣()

        什麼叫「預訓練模型」？事先透過大量的數據集訓練網路模型，這樣所獲得的模型結果可稱為預訓練，不過生成的模型算是一種通用的模型。比如一個分類的模型，大量被標註的數據集輸入到網路模型經過訓練後，這樣的預訓練模型或許能做到分類工作，但不見得能做得特別精準。所以說它只是一種通用模型，如果想要讓它分類更精準，那就得用自己的數據集再做 fine tune。

        在百度的 PaddleHub 平台上 https://github.com/PaddlePaddle/PaddleHub 提供不少預訓練的模型庫，底下圖一列出了部分網路模型。百度本身擁有不少數據集，適合拿來預先訓練各類網路模型，像是人體關鍵點檢測用到 ResNet50 的模型，目標檢測用到 YOLOv3 模型做訓練，我們身為初學者可以直接拿這些模型庫來做測試，基本上都有不錯程度的效果。不過，如果要針對某特定領域做檢測，可能會覺得精準度還不足。

圖一：PaddleHub 提供的預訓練模型庫

        如何使用 PaddleHub？舉圖像分割為例，在 python 環境下，呼叫下面的粗體字函數。先載入模型名稱後，再調用分割的函數。

(繼續閱讀...)

漢亞科技 Han-Ya 發表在 痞客邦 留言(1) 人氣()