rk3588和fpga的pcie通信

优质文章学习记录

— 5 min read

pcie xdma

驱动编译

SHELL = /bin/bash # # optional makefile parameters: # - DEBUG=<0|1>, enable verbose debug print-out in the driver # - config_bar_num=, xdma pci config bar number # - xvc_bar_num=, xvc pci bar # # - xvc_bar_offset=, xvc register base offset # ​ DEBUG=0 #config_bar_num=1 # xvc_bar_num=1 ​ ifneq ($(xvc_bar_num),) XVC_FLAGS += -D__XVC_BAR_NUM__=$(xvc_bar_num) endif ​ ifneq ($(xvc_bar_offset),) XVC_FLAGS += -D__XVC_BAR_OFFSET__=$(xvc_bar_offset) endif ​ $(warning XVC_FLAGS: $(XVC_FLAGS).) ​ topdir := $(shell cd $(src)/.. && pwd) ​ TARGET_MODULE:=xdma ​ EXTRA_CFLAGS := -I$(topdir)/include $(XVC_FLAGS) ifeq ($(DEBUG),1) EXTRA_CFLAGS += -D__LIBXDMA_DEBUG__ endif ifneq ($(config_bar_num),) EXTRA_CFLAGS += -DXDMA_CONFIG_BAR_NUM=$(config_bar_num) endif #EXTRA_CFLAGS += -DINTERNAL_TESTING KERNELRELEASE:=/3588/kernel ​ # ifneq ($(KERNELRELEASE),) # $(TARGET_MODULE)-objs := libxdma.o xdma_cdev.o cdev_ctrl.o cdev_events.o cdev_sgdma.o cdev_xvc.o cdev_bypass.o xdma_mod.o xdma_thread.o # obj-m := $(TARGET_MODULE).o # else # BUILDSYSTEM_DIR:=/lib/modules/$(shell uname -r)/build # PWD:=$(shell pwd) ​ $(TARGET_MODULE)-objs := libxdma.o xdma_cdev.o cdev_ctrl.o cdev_events.o cdev_sgdma.o cdev_xvc.o cdev_bypass.o xdma_mod.o xdma_thread.o obj-m := $(TARGET_MODULE).o ​ # linux 源码目录 BUILDSYSTEM_DIR:=/sdk/06_rk3588_241027/61_moEr_d2k_3588/kernel PWD:=$(shell pwd) ​ CROSS_COMPLIE_3588:=/3588/prebuilts/gcc/linux-x86/aarch64/gcc-arm-10.3-2021.07-x86_64-aarch64-none-linux-gnu/bin/aarch64-none-linux-gnu- ​ all : $(MAKE) -C $(BUILDSYSTEM_DIR) M=$(PWD) modules ARCH=arm64 CROSS_COMPILE=$(CROSS_COMPLIE_3588) ​ clean: #$(MAKE) -C $(BUILDSYSTEM_DIR) M=$(PWD) clean @/bin/rm -f *.ko modules.order *.mod.c *.o *.o.ur-safe .*.o.cmd ​ install: all @rm -f /lib/modules/5.15.0-67-generic/extra/xdma.ko @echo "installing kernel modules to /lib/modules/$(shell uname -r)/xdma ..." @mkdir -p -m 755 /lib/modules/$(shell uname -r)/xdma @install -v -m 644 *.ko /lib/modules/$(shell uname -r)/xdma @depmod -a || true ​ uninstall: @echo "Un-installing /lib/modules/$(shell uname -r)/xdma ..." @/bin/rm -rf /lib/modules/$(shell uname -r)/xdma @depmod -a ​ ​

驱动加载

[root@rk3588-buildroot /opt/00_test/pcie]#insmod xdma.ko [   20.349214] xdma: loading out-of-tree module taints kernel. [   20.351795] xdma:xdma_mod_init: Xilinx XDMA Reference Driver xdma v2020.2.2 [   20.351818] xdma:xdma_mod_init[root@rk3588-buildroot /opt/00_test/pcie]#: desc_blen_max: 0xfffffff/268435455, timeout: h2c 10 c2h 10 sec. [   20.352450] xdma:xdma_device_open: xdma device 0000:01:00.0, 0x00000000405154b7. [   20.352498] xdma 0000:01:00.0: enabling device (0000 -> 0002) [   20.352599] xdma:map_single_bar: BAR0 at 0xf0200000 mapped at 0x00000000708655f0, length=1048576(/1048576) [   20.352616] xdma:map_single_bar: BAR1 at 0xf0300000 mapped at 0x000000006b5b942f, length=65536(/65536) [   20.352625] xdma:map_bars: config bar 1, pos 1. [   20.352633] xdma:identify_bars: 2 BARs: config 1, user 0, bypass -1. [   20.354467] xdma:pci_keep_intx_enabled: 0000:01:00.0: clear INTX_DISABLE, 0x406 -> 0x6. [   20.354548] xdma:probe_one: 0000:01:00.0 xdma0, pdev 0x00000000405154b7, xdev 0x00000000a58ffaf7, 0x00000000cc9a9c39, usr 16, ch 2,2. [   20.358004] xdma:cdev_xvc_init: xcdev 0x0000000005eef4e4, bar 0, offset 0x40000. ​ [root@rk3588-buildroot /opt/00_test/pcie]#

设备节点

[root@rk3588-buildroot /opt/00_test/pcie]#ls /dev/xdma0_* -lh crw------- 1 root root 234, 36 Jan 1 08:00 /dev/xdma0_c2h_0 crw------- 1 root root 234, 37 Jan 1 08:00 /dev/xdma0_c2h_1 crw------- 1 root root 234, 1 Jan 1 08:00 /dev/xdma0_control crw------- 1 root root 234, 10 Jan 1 08:00 /dev/xdma0_events_0 crw------- 1 root root 234, 11 Jan 1 08:00 /dev/xdma0_events_1 crw------- 1 root root 234, 20 Jan 1 08:00 /dev/xdma0_events_10 crw------- 1 root root 234, 21 Jan 1 08:00 /dev/xdma0_events_11 crw------- 1 root root 234, 22 Jan 1 08:00 /dev/xdma0_events_12 crw------- 1 root root 234, 23 Jan 1 08:00 /dev/xdma0_events_13 crw------- 1 root root 234, 24 Jan 1 08:00 /dev/xdma0_events_14 crw------- 1 root root 234, 25 Jan 1 08:00 /dev/xdma0_events_15 crw------- 1 root root 234, 12 Jan 1 08:00 /dev/xdma0_events_2 crw------- 1 root root 234, 13 Jan 1 08:00 /dev/xdma0_events_3 crw------- 1 root root 234, 14 Jan 1 08:00 /dev/xdma0_events_4 crw------- 1 root root 234, 15 Jan 1 08:00 /dev/xdma0_events_5 crw------- 1 root root 234, 16 Jan 1 08:00 /dev/xdma0_events_6 crw------- 1 root root 234, 17 Jan 1 08:00 /dev/xdma0_events_7 crw------- 1 root root 234, 18 Jan 1 08:00 /dev/xdma0_events_8 crw------- 1 root root 234, 19 Jan 1 08:00 /dev/xdma0_events_9 crw------- 1 root root 234, 32 Jan 1 08:00 /dev/xdma0_h2c_0 crw------- 1 root root 234, 33 Jan 1 08:00 /dev/xdma0_h2c_1 crw------- 1 root root 234, 0 Jan 1 08:00 /dev/xdma0_user crw------- 1 root root 234, 2 Jan 1 08:00 /dev/xdma0_xvc [root@rk3588-buildroot /opt/00_test/pcie]#xdma0_c2h 是card ---> host 有两个通道 xdma0_h2c 是host ---> card 有两个通道 ​ xdma0_control 驱动里对应的是dma相关的bar1 BAR1 at 0xf0300000 xdma0_user   驱动里对应的是自定义的bar0 BAR0 at 0xf0200000 xdma0_events   感觉是自定义的一些中断，类似于card拉高某个gpio，card端然后触发中断相关的操作，继续触发pcie中断通知host，驱动里就响应中断，判断相关                 event中断寄存器。个人感觉需要card配合才能使用。

关键api解读

  if (aperture)   {       struct xdma_aperture_ioctl io; ​       io.buffer = (unsigned long)buffer;       io.len = size;       io.ep_addr = addr;       io.aperture = aperture;       io.done = 0UL; ​       rc = ioctl(fpga_fd, IOCTL_XDMA_APERTURE_R, &io);       if (rc < 0 || io.error)       {           log_pcie("aperture R failed %d,%d.\n", rc, io.error);           goto out;       } ​       bytes_done = io.done;   } else   {       rc = read_to_buffer(devname, fpga_fd, buffer, size, addr);       if (rc < 0)           goto out;       bytes_done = rc;   } ​ 简单测试了下aperture的，传输速度要比下面的慢，后面就没用上面的接口传输了。暂时没理解上面传输的优缺点。read_to_buffer(devname, fpga_fd, buffer, size, addr) write_from_buffer(devname, fpga_fd, buffer, size, addr); ​ 两个api类似，注意最后的addr是card端的地址，从该addr获取或者放数据。假设card是fpga，该addr是ddr的地址。reg_rw工具移植到代码里的修改 ​ 第一次是这么修改的，只map一次，在map上偏移地址，去读取bar0上的值，发现不能读取的不对，应该是没有映射到bar0。   m_file_fd_user = open(m_devname_user, O_RDWR | O_SYNC); ​ ​ off_t target = 0x00; off_t pgsz, target_aligned, offset; ​ /* check for target page alignment */ pgsz = sysconf(_SC_PAGESIZE); offset = target & (pgsz - 1); target_aligned = target & (~(pgsz - 1)); ​ ​   //address: 0x0 (0x0+0x0), access read. ​ ​ m_map_user = mmap(NULL, offset + 4, PROT_READ | PROT_WRITE, MAP_SHARED, m_file_fd_user, target_aligned); ​ ​ 第二次，每次读取或者设置寄存器都先mmap，再用指针去操作，最后unmap，发现还是不行。 ​ 第三次，参考海思的工具himm，先知道bar0的物理地址，然后每次操作该bar空间的内存时就先open（/dev/mem）,然后mmap，再偏移，操作完后unmap、close。这样子操作和使用reg_rw工具操作的值是一样的。

h2c 和 c2h的数据传输应该是h和c之间是有互动的，即通过user（bar0）来传递信息，大数据就通过dma传输。

Read more

openclaw使用llama.cpp 本地大模型部署教程

openclaw使用llama.cpp 本地大模型部署教程

openclaw使用llama.cpp 本地大模型部署教程 本教程基于实际操作整理，适用于 Windows WSL2 环境 全程使用 openclaw 帮我搭建大模型 一、环境准备 1. 硬件要求 显卡推荐模型显存占用GTX 1050 Ti (4GB)Qwen2.5-3B Q4~2.5GBRTX 4060 (8GB)Qwen2.5-7B Q4~5GBRTX 4090 (24GB)Qwen2.5-32B Q4~20GB 2. 安装编译工具（WSL Ubuntu） sudoapt update sudoaptinstall -y cmake build-essential 二、下载和编译 llama.cpp

GitHub Copilot转变为兼容API

解锁GitHub Copilot全场景使用！copilot-api让Copilot兼容OpenAI/Anthropic生态 作为开发者，你是否曾因GitHub Copilot仅能在指定IDE中使用而感到受限？是否想让Copilot对接Raycast、Claude Code等工具，却苦于接口不兼容？由ericc-ch开发的copilot-api项目给出了完美答案——这是一个反向工程实现的GitHub Copilot API代理，能将Copilot封装为兼容OpenAI和Anthropic规范的API服务，让你在任意支持该规范的工具中轻松调用Copilot能力，彻底解锁Copilot的全场景使用潜力。 项目核心价值：打破生态壁垒，复用Copilot订阅 GitHub Copilot凭借优秀的代码补全、推理能力成为开发者必备工具，但原生仅支持VS Code、JetBrains等少数IDE，且无公开的标准API接口。而copilot-api的核心作用，就是架起Copilot与OpenAI/Anthropic生态的桥梁： * 对于拥有Copilot订阅（个人/企业/商业版）的开发者，

企业微信群通知机器人添加点击链接教程（图文 / Markdown 两种方式）

在使用企业微信群通知机器人时，很多开发者会有 “能否添加可点击链接” 的需求 —— 比如推送文档地址、业务系统入口、数据报表链接等。答案是：完全可以！本文将详细介绍两种核心实现方式（图文消息 / Markdown 消息），附完整代码示例和注意事项，新手也能快速上手。 一、前置准备：已获取群机器人 Webhook 地址 在添加链接前，需先完成群机器人的创建并获取 Webhook 地址，步骤回顾： 1. 进入企业微信目标群聊 → 点击右上角 “...” → 选择 “添加群机器人” → 新建机器人并命名； 2. 创建成功后，复制系统生成的 Webhook 地址（格式类似 https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx），后续发送请求需用到该地址。 二、两种添加点击链接的实现方式

llama.cpp docker 镜像pull国内加速地址

目前llama cpp官方提供的llama.cpp提供的docker 镜像下载命令：docker pull ghcr.io/ggml-org/llama.cpp:server-cuda-b6222 服务器下载速度非常的慢。 比较好的方法是把ghcr.io替换为国内镜像源地址ghcr.nju.edu.cn进行下载： // 官方命令： docker pull ghcr.io/ggml-org/llama.cpp:server-cuda //国内源地址命令 docker pull ghcr.nju.edu.cn/ggml-org/llama.cpp:server-cuda 速度快了几十倍，非常节约时间 推荐给大家！