RH850系列芯片深度剖析 1.7-启动流程解析

news2024/9/22 19:33:01

在这里插入图片描述

RH850系列芯片深度剖析 1.7-启动流程解析

文章目录

  • RH850系列芯片深度剖析 1.7-启动流程解析
    • 一、简介
    • 二、启动相关文件说明
    • 三、启动相关的段
    • 四、启动流程
      • 4.1 启动文件启动
        • 4.1.1 寄存器初始化
        • 4.1.2 时钟初始化
        • 4.1.3 模块Standby寄存器初始化
        • 4.1.4 启动从核
        • 4.1.5 硬件初始化
          • 4.1.5.1 RAM初始化
          • 4.1.5.2 核时序同步
        • 4.1.6 EI中断初始化
        • 4.1.7 GP、TP、SP寄存器配置
        • 4.1.8 中断相关寄存器配置
        • 4.1.9 使能FPU
      • 4.2 Library库启动
        • 4.2.1 默认启动模块
          • 4.2.1.1 crt0.800自定义
        • 4.2.2 底层启动库
          • 4.2.2.1 libstartup.a
            • 4.2.2.1.1 ind_crt0.c
            • 4.2.2.1.2 ind_mcpy.800, ind_mset.800
            • 4.2.2.1.3 ind_uzip.c
            • 4.2.2.1.4 ind_initmem.800
          • 4.2.2.2 libsys.a
            • 4.2.2.2.1 ind_crt1.c

一、简介

本章节基于型号为RH850 U2A16的芯片(4核)对其启动流程进行讲解(基于ghs编译器),从复位向量执行到main函数入口。以原厂提供的示例代码为基础,介绍使用MULTI(基于ghs编译器)作为集成开发环境的启动过程。

注:本章节所参考的示例代码下载链接请见章节末尾。

二、启动相关文件说明

代码工程中与启动相关的文件以及说明如下表所示:
在这里插入图片描述

  1. startup.850:主要包括PE0和PE1的复位向量定义,复位后对CPU寄存器通用初始化配置以及PE0和PE1的寄存器专属配置,PE0负责启动其他三个核,以及还包括PE0和PE1的部分硬件以及EI中断的初始化配置。
  2. startup2.8

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2096090.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

vector模拟实现迭代器失效

目录 1.vector和vector> 1.1两者的区别 1.2遍历的方法 2.vector模拟实现的准备 3.reserve出现的问题及解决方案 4.遍历vector的三种方式 5.关于typename的使用 6.insert导致的迭代其实失效问题 6.1因为扩容导致的迭代器失效 6.2因为插入数据倒置的迭代器失效 1.vec…

【精彩回顾·成都】成都 UG 生成式 AI 工作坊:AI 革命下的商业模式创新!

文章目录 前言一、活动介绍二、精彩分享内容及活动议程2.1、亚马逊云科技社区情况和活动介绍2.2、《浅谈 AIGC 商业化》2.3、《AI 浪潮下的产品落地》2.4、现场互动情况2.5、休息茶歇时间2.6、《AI 赋能商业革新:智能化转型的策略与实践》2.7、《动手实践&#xff1…

GAMES104:10+11游戏引擎中物理系统的基础理论算法和高级应用-学习笔记

文章目录 概览一,物理对象与形状1.1 对象 Actor1.2 对象形状Actor Shape 二,力与运动2.1 牛顿定律2.2 欧拉法2.2.1 显式欧拉法Explicit (Forward) Euler’s Method2.2.2 隐式欧拉法 Implicit (Backward) Euler’s Method2.2.3 半隐式欧拉法 Semi-implici…

【iOS】通过第三方库Masonry实现自动布局

目录 前言 约束 添加约束的规则 使用Masonry自动布局 Masonry的常见使用方法 补充 前言 在暑期完成项目时,经常要花很多时间在调试各种控件的位置上,因为每一个控件的位置都需要手动去计算,在遇到循环布局的控件时,还需要设…

使用文件系统管理硬件设备

1、描述一个文件系统 介绍如何使用文件系统来管理计算机系统中所有的硬件设计和磁盘 之前直接在sys_open/sys_read/sys_read中对具体的tty设备的打开、读写进行操作,并且只是非常粗浅地介绍了文件系统的一些概念。接下来将正式引入文件系统 由于文件系统需要考虑不…

从FasterTransformer源码解读开始了解大模型(2.4)代码通读05

从FasterTransformer源码解读开始了解大模型(2.4)代码解读05-ContextDecoder的前向01 写在前面的话 ContextDecoder部分是用于处理输入部分的组件层,在这一层中,会对所有输入的input ids进行处理,计算Attention&…

全国大学生数学建模比赛——关联规则

一、问题背景与关联规则适用性 在数学建模比赛中,常常会遇到需要分析大量数据以寻找变量之间潜在关系的问题。关联规则分析作为一种数据挖掘技术,特别适用于这种场景。例如,在一些实际问题中,可能需要从众多的因素中找出哪些因素之…

基于Python的量化交易回测框架Backtrader初识记录(一)

版权声明:本文为博主原创文章,如需转载请贴上原博文链接:基于Python的量化交易回测框架Backtrader初识记录(一)-CSDN博客 前言:近期以来,对股市数据获取及预处理算是告一段落,下一步…

Java-多线程机制

上篇我提到一些多线程的基本使用方法,但并没有说到底层原理,你或许会有一些疑问,为什么不直接调用Run方法而是要用start方法启动线程?多线程到底是怎样执行的?接下来我会详细带你了解多线程的机制原理。 多线程的底层…

Leetcode114将二叉树转换为链表(java实现)

来看下本题的题目描述: 本题想让我们将二叉树转换为单链表,可以发现,左边的二叉树转换为右边的链表是使用的中序遍历,根 左 右 所以本道题的思路就是可以先用一个集合以中序遍历收集元素,然后再构建单链表。 class S…

[pytorch] --- pytorch基础之tensorboard使用

0 tensorboard介绍 TensorBoard是一个用于可视化机器学习实验结果的工具,可以帮助我们更好地理解和调试训练过程中的模型。 在PyTorch中,我们可以使用TensorBoardX库来与TensorBoard进行交互。TensorBoardX 是一个PyTorch的扩展,它允许我们…

Android Codec2 CCodec (七)IConfigurable

上一篇文章我们了解了接口参数的定义,这一节我们简单梳理一下参数获取、配置以及参数反射过程。 1、IConfigurable 通过之前的介绍我们了解到,Codec2模块的功能实现与配置实现是相互分离的,Codec2框架设计了一组API用于获取与模块关联的配置…

2.4 定时器与TIM中断

文章目录 时钟与时钟树stm32时钟树可以手动把系统时钟72mhz改成其他的吗?ST公司给的外围设备配置文件 的 默认配置说明 定时器什么是定时器定时器的类型 时钟与时钟树 频率:如72Mhz即为每秒72M个脉冲 时钟的源头 晶振 时钟树的分支 分频器:…

超越在线翻译百度!揭秘3款工具,工作学习快人一步

在如今这个信息爆炸的时代,我们经常需要用到不同的语言。无论是看外国文章、写邮件给国外朋友,还是和外国客户聊天,语言不通都是个大问题。不过,科技的进步带来了很多在线翻译工具,百度翻译就是其中很受欢迎的一个。但…

U盘文件目录损坏难读?数据重生方案

在数字化时代的洪流中,U盘作为便携的存储介质,承载着无数人的重要数据与回忆。然而,当U盘不幸遭遇文件或目录损坏,导致数据无法读取时,这份便携与便捷瞬间化为乌有,留下的只有无尽的焦虑与困扰。本文将深入…

爆改YOLOv8|利用可改变核卷积AKConv改进yolov8-轻量涨点

1,本文介绍 AKConv(可改变核卷积)是一种改进的卷积操作方法,其核心在于动态调整卷积核的形状和大小。与传统卷积层固定核大小不同,AKConv 通过引入可学习的机制,使卷积核在训练过程中能够自适应地调整&…

优雅谈大模型:白话ZeRO 下

机器学习模型的复杂性和规模不断增长,分布式训练变得比以往任何时候都更加重要。训练具有数千亿参数的大型语言模型( LLMs )将是机器学习基础设施面临的挑战。与传统的分布式计算框架不同的地方在于GPU的分布式训练需要将数据传递给GPU芯片等…

JAVAEE初阶第二节——多线程基础(下)

系列文章目录 JAVAEE初阶第二节——多线程基础(下) 多线程基础(下) 单例模式阻塞式队列定时器线程池 文章目录 系列文章目录JAVAEE初阶第二节——多线程基础(下) 多线程基础(下) 一.多线程案例 1.单例模式1.1 饿汉模式 1.2 懒汉模式 1.2.1 懒汉模式-单线程版1.2.3 懒汉模式…

[Tools: LoRA] Diffusers中Stable Diffusion的实现

实现底层原理 Diffusers中的Attention操作实现在AttnProcessor类(diffusers.models.attention_processor.py),里面定义了单次Attention操作。添加LoRA,本质上是用LoRAAttnProcessor类替换AttnProcessor类。LoRAAttnProcessor中新…

github和gitlab的区别是什么

区别:github如果使用私有仓库,是需要付费的;而gitlab可以在上面搭建私人的免费仓库。gitlab让开发团队对他们的代码仓库拥有更多的控制,相对于github,它有不少的特色:允许免费设置仓库权限;可以…