【已解决】c语言const/指针学习笔记

本文介绍了SPI接口及其在SSD1306驱动OLED屏中的应用。SPI是一种高速全双工同步串行总线，具有主从架构、时钟同步和灵活配置等特点。针对7Pin 0.96寸OLED屏，详细说明了硬件连接方案（包括SCK、MOSI、RES、DC、CS等引脚配置）和软件实现方法。代码支持硬件SPI和软件模拟SPI两种模式，提供了OLED初始化、坐标设置、像素操作、显示控制等核心功能函数。文章还列出了完整的寄存器配置流程，并强调不同OLED屏的初始化命令可能存在差异，建议参考产品规格书或厂家Demo程序。

Linux DRM (Direct Rendering Manager) 子系统是内核图形框架的核心，drm_drv.c 文件负责 DRM 设备的注册、初始化和注销等通用驱动逻辑。它不直接实现 plane、CRTC、connector 或 encoder 的具体功能，这些功能分别在 drm_plane.c、drm_crtc.c、drm_connector.c 和 drm_encoder.c 中定义。

在 Linux DRM（Direct Rendering Manager）子系统中，（平面）代表了一个图像源，可以在扫描输出过程中与 CRTC 混合或叠加显示。每个 Plane 从中获取输入数据，并负责图像的裁剪、缩放、旋转等变换，最终显示在 CRTC 代表的显示区域上。：主平面，通常用于显示主内容，每个 CRTC 必须有一个主平面。：光标平面，用于显示硬件光标。：覆盖平面，用于额外的叠加层（如视频播放）。

（调对象的read）相当于数据输入流（DateIntputstream）写什么打什么（如果要追加需要包低级管道，看第一行）161/199（这几天加把劲把JavaSE学完）（需要读时按照对应顺序的数据类型读数据）IO流（缓冲流和特殊流及io框架）（缓冲字节输入流（包装））（包含缓冲字节输出流）

精通数据湖 = 架构原理 + 格式机制 + 引擎集成 + 元数据管理 + 实战经验。

创建提示框，添加文本子对象，用来描述名称，类型以及属性加成挂载垂直分配组件和文本大小适配组件，这样图像会根据文本大小来调整自己。

自己在今年，在日本留学中，目前在语言学校，我自己不是那种一学什么的都能会的人，只能依靠自己一点一点积累，学习也分为很多种，自己跟着课本学是一种方法，如果记录下来，整理好，教给别人也是一种方式，我希望，以后每天一篇小的日语知识点小记，来构建基础，同时也可以帮助他人。草木在发芽，孩子在长大，岁月的列车不为谁而停下，不断学习，不断记录，本次学习又开始了一个新段落，当然，变得更加有难度了。如果您喜欢这个系列，请关注一下，您的关注，就是我持续创作的动力。

Docker是一种轻量级容器技术，通过镜像封装应用及其依赖，实现跨环境一致运行。本文介绍了Docker核心概念（容器/镜像）、基础操作（拉取/运行镜像）和容器化部署流程。重点讲解了如何编写Dockerfile构建Python应用镜像，并对比了容器化部署与传统部署的差异：前者具有环境一致性高、资源占用少、部署快速等优势，后者则存在环境差异大、部署复杂等问题。通过实例演示了从构建到运行容器的完整流程，展现了Docker在应用部署中的便捷性。

用途描述关键点基本操作通过指针间接访问和修改变量与数组高效地遍历和操作数组数组名即指针，指针算术运算与函数实现传址调用，修改实参，返回多个值函数参数定义为指针动态内存在运行时申请任意大小的内存malloccallocreallocfree掌握指针需要大量的练习和实践。先从简单的例子开始，理解地址和值的区别，然后再逐步深入到数组、函数和动态内存管理中。

在 Python 中，可调用对象（Callable）指的是可以像函数一样被调用的对象，即可以在对象后面加括号()并传入参数来执行的对象。可调用对象：能加()调用的对象（函数、类、带__call__的实例等）。内存空间：每个独立对象占一块空间，变量只是指向对象的 “指针”，多个变量可共享同一对象的内存。通过id()函数可以查看对象的内存地址（唯一标识），帮助理解：python运行a = 10b = aprint(id(a), id(b)) # 输出相同的地址（a 和 b 指向同一对象）

React是用于构建用户界面的JS库。React是由Facebook（Meta）开发的，是开源的。React采用组件化模式、声明式编码，可以提高开发效率，提高代码复用率。使用React Native，可以用React语法进行移动端开发，可以使用JS编写安卓和IOS应用，而不需要使用java oc swift。React使用虚拟DOM和Diffing算法，减少与真实DOM的交互。

• 最终仍落盘到 settings.json，可直接编辑。——官方 8 大事件、全部字段、10+ 脚本，一步到位。或重启 Claude Code 才生效。三、配置文件结构（全局 vs 项目）四、匹配器（Matcher）语法精讲。六、可视化配置 vs 手写 JSON。进入 TUI，可增删改查。九、安全红线（官方原文提炼）八、调试与故障排查官方清单。十、一键速查表（打印贴墙）二、官方 8 大事件全表。五、官方环境变量全集。

通过以上资源，能系统掌握Cortex-M汇编指令及嵌入式底层编程的核心知识。

本文系统性地介绍了Python进阶学习的完整路径，从基础概念重塑到核心语言深度剖析，再到编程范式与设计模式的应用。主要内容包括：1）夯实Python基础中的关键细节；2）深入理解对象模型、函数特性、迭代器等核心机制；3）掌握面向对象设计原则和常见设计模式；4）学习并发编程、性能优化等高级主题。文章提供了清晰的学习框架和实用建议，强调通过阅读优秀源码、参与开源项目等方式提升实战能力，帮助开发者从"会用"迈向"精通"Python。

我在博客上开设了一个专栏，记录我系统学习 Kevin P. Murphy 的《Machine Learning: A Probabilistic Perspective》的全过程。学习方式很“工程”：每一章我都会把关键内容交给大模型协助中文翻译 + 解释 + 要点总结，再结合自己的理解与问答，沉淀为章节博客与一份可下载的 PDF 学习记录。这篇序言交代我的动机、方法与规范，方便你了解接下来每篇文章的样子。：把关键段落交给大模型做中文转述 + 解释，我再针对不懂得地方询问。（3包括文本、公式、图、表等）

个人学习笔记资料记录。

Step1：它把图像划分成S×SS×SS×S的网格，若物体object中心落在某个网格单元内，该网格单元就负责检测这个物体，需要预测该物体的边界框位置、置信度以及所属类别等信息。在一张没有任何物体的空白图像中，所有网格单元都没有物体中心落入，则它们都不需要检测物品。在包含少量物体的图像中，只有物体中心所在的少数网格单元需要检测对应的物品，其余网格无需检测。假设图像中有 3 个物体，那么理论上只有 3 个网格会主动负责预测这些物体。7*7=49个网格最多检测49个物体。