新闻详情

新闻详情

首页 / 资讯中心 / 详情

12-RK平台U-Boot启动流程

发布时间:2026/11/15 14:47:04来源:尧图网络
12-RK平台U-Boot启动流程
文章目录一、概述二、形象比喻:一次要中转的飞行三、RK3506 启动六阶段详图四、启动介质检测顺序IDB(Initial Data Block)机制五、spl_boot_device:确定从哪里加载下一阶段六、spl_next_stage:决定加载 U-Boot 还是直跳内核七、关键寄存器八、实际串口输出解析九、启动模式切换方法📝 本章小结🏠 课后练习前面几章把 U-Boot 的目录结构、配置体系都过了一遍,大家对 U-Boot 长什么样已经有了认识。这一章要解决一个更本质的问题:板子从上电那一刻到 Linux 内核跑起来,中间到底发生了什么?这条启动链是整个系统移植的"主干道",后面所有和启动相关的活–改启动 logo、调启动时间、做 OTA、救砖–都得建立在对这条链的理解上。这一章重点拆 RK 平台特有的那条启动链:BootROM - MiniLoader - SPL - U-Boot - Kernel,比标准 ARM 多了一层 MiniLoader,这是 RK 平台最大的特点,也是新手最容易卡住的地方。开讲前先拿一块 RK3506 的板子,上电抓一段完整的启动串口日志在手边对着看,讲到第八节实际串口输出时对着自己的日志比对,会非常有感觉。一、概述先看概述,把这一章要回答的问题摆出来,带着问题听。Rockchip 平台的 U-Boot 启动流程比标准 ARM 多了一层:RK 特有的 BootROM - MiniLoader - SPL - U-Boot - Kernel。这是因为 RK 平台使用闭源的 DDR 初始化固件,需要通过 MiniLoader 来加载和运行。为什么多一层?这是 RK 平台的特殊性决定的。RK 平台使用闭源的 DDR 初始化固件,这段代码 Rockchip 不开源,只能以二进制形式提供,它需要一个载体来加载和运行,这个载体就是 MiniLoader。所以不能像别的平台那样直接用开源的 TPL/SP
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉