flutter : 竟然支援 desktop 了 -- linux. gtk

ref:

• announcing flutter for linux alpha with canonical
• flutter desktop
• linux flutter desktop unable to run app

跟 support web 一樣，flutter config --enable-linux-desktop
測試過，要 branch dev 才有，beta 的話 enable OK，但是不會真的 create linux folder(device)
enable 完，upgrade 後，run doctor 有 Error...

[✗] Linux toolchain - develop for Linux desktop
    ✗ clang++ is required for Linux development.
      It is likely available from your distribution (e.g.: apt install clang), or can be downloaded from https://releases.llvm.org/
    ✗ ninja is required for Linux development.
      It is likely available from your distribution (e.g.: apt install ninja-build), or can be downloaded from https://github.com/ninja-build/ninja/releases
    ✗ GTK 3.0 development libraries are required for Linux development.
      They are likely available from your distribution (e.g.: apt install libgtk-3-dev)
    ✗ The blkid development library is required for Linux development.
      It is likely available from your distribution (e.g.: apt install libblkid-dev)

就 follow instruction...

apt install clang ninja-build libgtk-3-dev libblkid-dev

然後舊真的可以 run 了...

最後要 build release 的話，就在 project 下

flutter build linux

要記得，flutter app 包含很多 library，所以要執行 release/bundle/ 下的執行檔，而不是 release 下的
目前支援 linux 跟 macos (是，windows 沒有)

更正：
ref:flutter and desktop

所以是有support windows 的，只是還在更初期階段，master branch
一樣，flutter channel master, upgrade 後 config --enable-windows-desktop

之後到舊project 去 flutter create . 一下，再 flutter run -d windows 舊可以。

最後在 windows folder 下會有 visual studio 的 sln 檔。似乎可以用 visual studio 打開。
flutter doctor 可以看到有檢查 Visual Studio 有沒有安裝。
-- 我有安裝 community 版

Bookmark: Android 11. Machine Learning in Android Studio with TensorFlow Lite.

最近的 Android 11 Preview.
UI 用起來沒什麼差別，結果差別在 platform 中..

這個好厲害，已經稿得這麼方便了。

新的Android Studio 已經把ML Kit 放進去了。
所以在android 中寫 ML 的 function 越來越簡單。

甚至example 都做得很無腦了，github clone 下來，用 Android Studio 開啟。
Android Studio 會自動下載需要的 SDK, NDK, plugin。
build 完，然後舊可以 run 在 手機上。

Example 已經把是用 CPU,GPU,NNAPI 的選擇都做好了。
也把inferer一張需要得時間寫出來。
同一個network 也分成 qualtize 跟 float 兩種。

分別用 Pixel 2 跟 Max Pro M1 來試。
這兩格都沒有run Android 11, 一格式 10, 一個是 9

結果...CPU 強時 (835)，使用 CPU, NNAPI, 跟 GPU 差不多。
CPU 弱 (660) 時，使用 float 計算，CPU 與 GPU 相差20倍
但是 CPU 在 Qualtize 的 model 跟 GPU 在 float model 的時間還是差不多。

根據這一篇，tensorflow lite 使用 OpenCL，OpenGL ES 來存取 GPU 資源。
這一篇 delegates 說明tensorflow lite 使用 hardware 加速的部份。
NNAPI 應該最厲害，會用到所有 hardware (GPU, NPU, DSP/hexagon)，但是要 Android 8.1 以上才 support
以前的 snpe (hexagon) 用在舊版本的 Android. 沒有support NNAPI 的裝置。

這個 github project : benchmark 剛好是用 GPU, NNAPI, hexgeon 來做benchmark，有詳細的 build step，run 在 android 上

cmake : find_package

CMakeList.txt 中可以檢查系統有沒有安裝 XXX package，是用 find_package( )

例如，在project 一開始.. run mkdir build && cd build && cmake .. 時...

CMake Error at /usr/share/cmake-3.10/Modules/FindPackageHandleStandardArgs.cmake:137 (message):
  Could NOT find Protobuf (missing: Protobuf_INCLUDE_DIR)
Call Stack (most recent call first):
  /usr/share/cmake-3.10/Modules/FindPackageHandleStandardArgs.cmake:378 (_FPHSA_FAILURE_MESSAGE)
  /usr/share/cmake-3.10/Modules/FindProtobuf.cmake:543 (FIND_PACKAGE_HANDLE_STANDARD_ARGS)
  cmake/ProtoBuf.cmake:4 (find_package)
  cmake/Dependencies.cmake:43 (include)
  CMakeLists.txt:49 (include)

最後列的就有點像是 call stack..

可以出find_package( ) search 的file 和途徑。
用的是 /usr/share/cmake-3.10/Modules/FindProtobuf.cmake

這個是 cmake package 的 default module search path.
如果有自己寫的 FindMypackage.cmake 的話，也可以放在自己的目錄，然後加入 module search path:

list(APPEND CMAKE_MODULE_PATH ${PROJECT_SOURCE_DIR}/cmake/Modules)

bookmark : caffe for android

在 caffe 的 CMakeList.tx 看到的。

原來有人把 caffe port 到 android. -- caffe-android-lib
還寫了 android demo app -- caffe-android-demo

4 年前的 project
caffe 當然是以 so, jni 的方式工作。
jni 的 export function 只有 loadimage 和 predict，沒有 export training 的部份 ^_^

沒有 hardware support (GPU,DSP. 甚至 ARM 的 NEON)
OpenCL 是列在 ToDo，所以也沒有。(有就好了)

Windows Manager : Use GPU -- Mate Tweak

找倒 Mate Tweak，在Windows 那一項。
Windows Manger, 有一堆可以選...
分別從.完全不用 GPU。到 完全使用 GPU..

要是多螢幕得時候，設定使用 GPU ，兒GPU的 ram 不足時，會看到模糊的現象。

Bookmarks : Camera Spec . SFR ，MTF and RI

鏡頭的規格都會有這兩個數值。

• SFR : Spatrial Frequency Response
• MTF : Modulation Transfer Function
• RI : Relative Illumination

ref:

• Sharpness: What is it and how it is measured
• 跟上一篇一樣的pdf 板，但是好像內容比較多一點
• 深度解析MTF白話文板
• MTF 的量測方法

其實 follow imatest 網站的 link 有一堆，每個都有詳細的說明。

很有趣，就像是音響系統的 頻率響應，用在相機上。
現在頻率變成空間上，黑白相間的條文。
條紋越密，頻率越高。

條文經過相機拍攝後，會和原始的條紋不一樣。
因為相機解析度的關係，黑白的邊緣(edge) 會模糊。
-- 有一點像是經過 low-pass filter.

一切都跟音響系統一樣...

把每個頻率做 FFT，可以得到frequency amplititude.
各個頻率的 原始與成像完的FFT 相除，就是頻率響應。
所以相機也有頻率響應...

另外，跟音響不一樣，空間有方向，所以一般用水平和垂直兩個方向的空間頻率來代表。

MTF equation 跟音響不一樣.
是用自己定義的...

還有很有趣的這個頻率響應也有 Nyquist Freq.
Nyquist Freq 就是 sampling Rate/2

為了避免aliasing，digital sampling 的有效頻率是 Sampling Rate /2
這個就是 Nyquist Freq
在進行 sample 之前，要經果 low pass filter, filter 掉大於 Nyquist 的頻率

這個相機也有 Nyquist Freq..
相機的Sampling Rate 就是 sensor pixel,所以 Nyquist Freq (Unit: Cycle/pixel) 永遠是 0.5

---

MTF 的圖表可以看這一篇。
橫軸是頻綠，縱軸是對比。
然後要標明這是在成像的那一個位置量測的，還有，距離。

其中用到的一些縮寫

• lp/mm : line pair per mm
• T/S : 方向 Tangential(同心圓/子午) and Sagittal (指向圓心的輻射線/弧矢), 鏡頭的軸向與徑向 量測到的數值，所以每個參數都又兩個數值 (T 向跟 S 向)
• Ny : Nyquist freq, 就是 sensor 的 pixel 密度。每mm 有幾個 pixel。又因為 分出 pixel high/low 的邊界需要兩個 pixel，所以freq 有些會/2
• field : 整個成像(照片)的位置 (中心到邊邊..)，單位有兩種 1. field 的比例. 2. 角度
• Through Focus : 偏離 focus 的距離

TS，在中國的翻譯是子午/弧矢，可以看這一篇
MTF 的位置：在CCD 上，距離中心的距離，有兩種表示方式：

• 0.7F :距離中心 0.7/2 個 CCD 對角長(Field) 的位置
• 120 度:用 鏡頭焦距換算過，在 CCD 位置對應的角度，例如 tan(deg) = 0.7F* ccd length / focal length

---

Relative Illumination 比較簡單，就是暗角。
sensor releative illumination roll off and vignetting

圖表內容就各位置相對於最亮的亮度比值。
通常中心最亮，周圍比較暗。

使用非gmail, yahoo. hotmail 等mail 申請，會先寄 email confirm mail，確認後，隔天就會mail 通知已經開通了。
可以下載 github 上的 script repo，可以用 pip 安裝。

在 conda 下也可以用 pip 喔，就是先用 conda install pip .....
之後舊可以在 conda env 裡用 pip install
一樣，只會 install 在 該 env 中。

兩個都做，pip install 方便使用，script repo 中有其他的 script 待會要用...
install 有 gui 的版本：

(enet)charles-chang@penguin1:~/citydata$ pip install cityscapesscripts[gui]

script repo 的 readme 有說明 script 的使用方法。

download : csDownload

在 setup.py 中可以看到 csDownload 就是 download.py
所以可用的 option 有：

-l : list available files
-r : resume download
..

$csDownload camera_trainextra.zip vehicle_trainvaltest.zip
Cityscapes username or email address: 
Cityscapes password: 
Store credentials unencrypted in '/home/charles-chang/.local/share/cityscapesscripts/credentials.json' [y/N]: y

第一次執行會問 username , password，並且存在local..，以後舊部會再問。

說要先 run preparation/createTrainIdLabelImags.py

• ref: ML Caffe Segmentation Tutorial: 2.0 Prepare the Cityscapes database for Training Segmentation Models

看一下source code，data 的目錄是用 CITYSCAPES_DATASET 這個環境變數，不然就是 這個 script 的 ../../
接著source 在 目錄中找 'gtFine' 和 'gtCoarse' 目錄。
也就是說， CITYSCAPES_DATASET 要是這兩個 folder 所在目錄...

$ export CITYSCAPES_DATASET=/home/charles-chang/cityscapedata/datashame
$ python createTrainIdLabelImgs.py
Processing 28473
...

看一下CMakeList.txt，裡面的python_version 是 2，所以不必用 conda 了 (用conda, cmake 也無法正確detect python version)

CUDNN 的 detection 和 compile 一直有問題，有時候是 detection 出現 hidden warnning，follow warnning message 刪除 /usr/lib 下的 lib 後。
make 時又出現 argument number not match 的 Error
所以只好把 CMakeLists.txt 中, USE_CUDNN 設成 OFF

build CMake

18.04 的 cmake 是 3.10.2
在 cuda version 大於 10.2(?) 之後，會出現 CUDA_cublas 找步道的問題。
所以要手動安裝 大於 3.14 的 cmake

那就從 source checkout 開始吧..

cmake 的 source 放在gitlab。下面剛好就是 build instruction..
目標是build 出執行檔，然後放在local (PATH 順序)

checkout 最新的 release v3.18，follow 說明，先 run bootstrap 看說明..

charles-chang@penguin1:~/githubgitlab/cmake$ ./bootstrap --help

Usage: ./bootstrap [<options>...] [-- <cmake-options>...]
Options: [defaults in brackets after descriptions]
Configuration:
  --help                  print this message
  --version               only print version information
  --verbose               display more information
  --parallel=n            bootstrap cmake in parallel, where n is
                          number of nodes [1]
  --generator=<generator> generator to use (MSYS Makefiles, Unix Makefiles,
                          or Ninja)
  --enable-ccache         Enable ccache when building cmake
  --init=FILE             load FILE as script to populate cache
  --system-libs           use all system-installed third-party libraries
                          (for use only by package maintainers)
  --no-system-libs        use all cmake-provided third-party libraries
                          (default)
  --system-curl           use system-installed curl library
  --no-system-curl        use cmake-provided curl library (default)
  --system-expat          use system-installed expat library
  --no-system-expat       use cmake-provided expat library (default)
  --system-jsoncpp        use system-installed jsoncpp library
  --no-system-jsoncpp     use cmake-provided jsoncpp library (default)
  --system-zlib           use system-installed zlib library
  --no-system-zlib        use cmake-provided zlib library (default)
  --system-bzip2          use system-installed bzip2 library
  --no-system-bzip2       use cmake-provided bzip2 library (default)
  --system-liblzma        use system-installed liblzma library
  --no-system-liblzma     use cmake-provided liblzma library (default)
  --system-nghttp2        use system-installed nghttp2 library
  --no-system-nghttp2     use cmake-provided nghttp2 library (default)
  --system-zstd           use system-installed zstd library
  --no-system-zstd        use cmake-provided zstd library (default)
  --system-libarchive     use system-installed libarchive library
  --no-system-libarchive  use cmake-provided libarchive library (default)
  --system-librhash       use system-installed librhash library
  --no-system-librhash    use cmake-provided librhash library (default)
  --system-libuv          use system-installed libuv library
  --no-system-libuv       use cmake-provided libuv library (default)

  --bootstrap-system-libuv use system-installed libuv library for bootstrap
  --bootstrap-system-jsoncpp use system-installed jsoncpp library for bootstrap
  --bootstrap-system-librhash use system-installed librhash library for bootstrap

  --qt-gui                build the Qt-based GUI (requires Qt >= 4.2)
  --no-qt-gui             do not build the Qt-based GUI (default)
  --qt-qmake=<qmake>      use <qmake> as the qmake executable to find Qt

  --sphinx-info           build Info manual with Sphinx
  --sphinx-man            build man pages with Sphinx
  --sphinx-html           build html help with Sphinx
  --sphinx-qthelp         build qch help with Sphinx
  --sphinx-build=<sb>     use <sb> as the sphinx-build executable
  --sphinx-flags=<flags>  pass <flags> to sphinx-build executable

Directory and file names:
  --prefix=PREFIX         install files in tree rooted at PREFIX
                          [/usr/local]
  --bindir=DIR            install binaries in PREFIX/DIR
                          [bin]
  --datadir=DIR           install data files in PREFIX/DIR
                          [share/cmake-3.18]
  --docdir=DIR            install documentation files in PREFIX/DIR
                          [doc/cmake-3.18]
  --mandir=DIR            install man pages files in PREFIX/DIR/manN
                          [man]
  --xdgdatadir=DIR        install XDG specific files in PREFIX/DIR

只有要改 install path 而已，所以...

$./bootstrap --prefix=/home/charles-chang/cmaketool
...
...
$ make
...
$ make install

寫一個 addcmake18path.sh:

#!/bin/bash
export CMAKE_ROOT=/home/charles-chang/cmaketool
export PATH="/home/charles-chang/cmaketool/bin:$PATH"

要用 3.18 舊先 source ..

---

其他

原來 Caffe 也有 cmake，source folder 有 CMakeList.txt
所以可以follow 標準..

mkdir build && cd build
cmake ..
make 

Bookmarks... from pose tracking to build system

從一個 news 開始...
On-device, Real-time Body Pose Tracking with MediaPipe BlazePose 提供一個在 mobile device 上做 更 detail pose detection 的 network model.
然後他用了前一個，一樣有效的 face detection network/model : BlazeFace
這個face detection 跟一開始的 Pose tracking 都是用 google 的 MediaPipe。

MediaPipe 的說明：

MediaPipe is the simplest way for researchers and developers to build world-class ML 
solutions and applications for mobile, desktop/cloud, web and IoT devices.

然後安裝MediaPipe 要用 Bezel。
Bezel 是一格 build tool，類似Ninja...

systemd 看 log, 還有 service 的 echo output

ref:Ultimate Guide to Logging

systemd 啟動得 service，值行的 script，其中有 echo 的，都 echo 到 journald 裡。
所以要把 journald 打開。

/etc/systemd/journald.conf

其中，第一個 config option:

[Journal]
Storage=auto
...

可以選...

• “none” :
  This effectively turns off journaling. Any log message received will be dropped. However, any redirection to console, syslog, or kernel log buffer would still be in effect.
• “volatile” :
  Journal data is saved in memory and temporarily available under the /run/log/journal directory. The directory will be created if it does not exist.
• “persistent” :
  Journal data is saved persistently on disk under the /var/log/journal directory. The directory will be created if it does not exist. If the disk volume is not accessible or writable, the files will be created under /run/log/journal.
• “auto” :
  The storage mode is like persistent—data will be written to disk; however, if the /var/log/journal directory does not exist, it will be created under /run/log/journal.

journald 存的是壓縮檔(?)，所以不能直接 cat，要用journalctl 來看..

Camera 的 internal 和 external parameter /Matrix

這一篇 說得很清楚。

數學上，用來描述空間的點如何投影到 Camera 內的成像平面，用兩個 Matrix 來表示：

• External Parameter : 把絕對空間座標轉換回以 Camera 為原點的 Camera 空間座標。
• Internal Parameter : Camera 空間座標上的點，投影到 Camera 得成像平面

兩個 parameter 都是用 matrix 表示。

external parameter 比較普通，就是高中學的卡式座標轉換。
包含旋轉和平移。
旋轉得部份，是一個 3x3 矩陣。 -- 每一個向量都會分配到另一個旋轉後得座標系的三個座標軸上，所以是 3 x 3
平移就是 x, y ,z 各加上一個值。


internal parameter 就是投影公式。
由於已經在 camera 座標系上了，所以 Z 向就是 鏡頭指向。
文章中以標準的針孔照相機為例，為了簡化，原來經由針孔投影到鏡頭後方 (-Z 向)，改到鏡頭前方，因為只是X, Y 方向相反而已。這樣比較好解釋。
而投影平面到鏡頭原點的 Z 距離，就是鏡頭的 焦距 f

所以，空間點投影到 f 距離的平面，就是簡單的 Z 座標比例。

這篇引入實際鏡頭的不完美：

• 鏡頭光學中心偏移
• 投影面的 X, Y 單位不一樣 (可以解釋為 CCD Sensor 在 X, Y 向排列不等距)
• 鏡頭的X. Y 向焦距不一樣。

把這三個不完美，放入投影矩陣中。

有上面 external 和 internal 兩組parameter，舊可以用數學模型，把空間的點投影到camera 的成像平面。

空間座標 --> external matrix --> Camera 座標
Camera 座標點 --> internal matrix --> Camera 成像平面(座標)

---

ref:

• Pinhone Camera: 相機校正
• OpenCV : Camera Calibration
• Python-OpenCV: Camera Calibration
• Camera Calibration with OpenCV and Python (with code)
• Assignment : Use OpenCV for Camera Calibration (C++ Code)
• Calibration and Un-distorting with OpenCV in C++

flutter web app , development with VSCode

現在好像可以在 VSCode 中開發 flutter 應用了。
(不確定是不是，因為測試的機器還是都有安裝 android-sdk 跟 android-studio)

flutter sdk 採用 git clone 方式安裝
然後 follow flutter 文件：Building a web application with Flutter..

大概就是用 flutter command 切換到 beta branch:

 flutter channel beta
 flutter upgrade
 flutter config --enable-web

然後 run flutter devices 測試看看，有沒有出現 browser...

$ flutter devices
2 connected device:

Web Server • web-server • web-javascript • Flutter Tools
Chrome     • chrome     • web-javascript • Google Chrome 81.0.4044.129

實際上，如果 VSCode 要 support 的話，要再run 一次 flutter doctor，這好像會 update VSCode 的 flutter/dart plugin 的內容。

一些文章 說，在 VSCode 的 command palette 中會出現Flutter: New Web Project
但是實際上,,新版flutter 已經把這個 command 拿掉了。

用普通的Flutter: New Project 就可以了。

因為Android, iOS, Web 的 project 和 source 都一樣呀。

只有在 debug, run 的時候，可以選擇你要在Android, iOS 還是 Web Browser 上 run

在VSCode, 下面，device 的地方，按下去，就會出現可以 run 這格 app 的 device...
-- 如果沒有出現 Web 的話，可能是因為flutter update 之後沒有 run flutter doctor，所以VSCode 對應的 plugin 沒update..

---

更新:

的確可以不安裝 android studio 跟 android sdk。
但是這樣只能開發 web application。

因為 flutter beta channel 開啟了 web application 功能。
所以才能這樣做。
的確，flutter docktor 會有Error。
但是沒關係

C:\Users\check>flutter doctor
Doctor summary (to see all details, run flutter doctor -v):
[√] Flutter (Channel beta, 1.20.2, on Microsoft Windows [Version 10.0.19041.450], locale zh-TW)
[X] Android toolchain - develop for Android devices
    X Unable to locate Android SDK.
      Install Android Studio from: https://developer.android.com/studio/index.html
      On first launch it will assist you in installing the Android SDK components.
      (or visit https://flutter.dev/docs/get-started/install/windows#android-setup for detailed instructions).
      If the Android SDK has been installed to a custom location, set ANDROID_SDK_ROOT to that location.
      You may also want to add it to your PATH environment variable.

[√] Chrome - develop for the web
[!] Android Studio (not installed)
[√] VS Code (version 1.48.0)
[√] Connected device (3 available)

! Doctor found issues in 2 categories.

C:\Users\check>flutter devices
3 connected devices:

Web Server (web) • web-server • web-javascript • Flutter Tools
Chrome (web)     • chrome     • web-javascript • Google Chrome 84.0.4147.125
Edge (web)       • edge       • web-javascript • Microsoft Edge 84.0.522.59

.. 我不確定 Edge 能不能用，因為dockter 其中一個check 是 chrome，所以我還是裝了。

有關flutter for web app，這一篇 好像說得比較清楚。

chromebook : use external SD card in Linux(beta)

因為這個 chromebook 只有 16G，所以要用 sdcard，可惜 sdcard 突出太多。
所以去買了短的 sd 轉卡，這樣裝上去短了一點，可惜，沒有完全沒入...
這個是 macbook 用的。一個 NT 34

然後format 成 ext4，插入會自動 mount
在 setting 的file選給 app 共用。
在 linux(beta) 的 advance 中選使用 sdcard。
這樣在 Linux(Beta) 的 terminal 中，可以看到 mount 在 /mnt/chromos/removable/SD Card/

但是... default 的 owner 是 root,attribut 是 700。
所以 不管是 chromeos app 或是 linux(beta) 都沒辦法 access。
要先開啟 developement console (Ctrl-Alt and right arrow):

chmod 777 .

結果 SD Card 裏的檔案都不能執行，因為看 mount option，有 noexec。
但是在 developemen console 可以用

mount /dev/sdc1 /media/removable/SD\ Card -o remount,exec

這樣，在 developement console 中就可以執行ㄌ了
-- 但是在 Linux(Beta) 的 terminal 中還是不能執行。

bookmarks: system benchmarking tool, with source code

• sysbench

project page 有building guide，所以可以用在 embedded system 上。
google 一下，有一堆網站 有說明。
sysbench 可以做...

• fileio - File I/O test
• cpu - CPU performance test
• memory - Memory functions speed test
• threads - Threads subsystem performance test
• mutex - Mutex performance test
• oltp - OLTP test

ubuntumate : 變更 login 畫面背景圖片

• How to change the lightdm theme greeter

結果一堆都是直接到 wallpapaper foler 改 link..
如果要用 gui 的話，要另外安裝：

$ sudo apt install lightdm-gtk-greeter-settings

裝完開啟 LightDM GTK+ greeter: Setting

可以看到 default login background picture 是：/usr/share/backgrounds/? ...糟糕被改了。
去設成自己的就可以。

便得很醜。發現在 /etc/lightdm/ 下多了一個 lightdm-gtk-greeter.conf:

[greeter]
background = /home/charles-chang/Pictures/LenovoWallPaper.jpg

chromebook : flutter dev

在 ubunutu 上安裝 flutter 時，看到 chromeos 選項。
所以 flutter 也可以在 chromebook 上開發 了。
或許說，chromebook 可以 run android studio 了。

看了一下，是在 chromebook 的Linux(Beta) 裡安裝的。

從 chromebook 開機得時候，第一次啟動 linux(beta) 時，可以看到 , linux(beta) 好像是 run 在 vm (還是 container) 裡..
chromebook 能做得事越來月多，難怪有人說 chromebook 銷售大爆發..

問題：android run 起來 loading 很重，hardware 都是輕量的 chromebook 可以 run 得起來嗎？

phone NN benchmarking

竟然有這種網站：AI-Benchmark, Phone
benchmarking 論文是：

• AI Benchmark: All About Deep Learning on Smartphones in 2019
• AI Benchmark: Running Deep Neural Networks on Android Smartphones

然後這一篇說，pixel 2 雖然是 snapdragon 835，但是不支援 SNPE GPU 加速？
因為 google 沒有把 qualcomm bsp 的 dsp, opencl library 包進去?!

MEMS motion sensor : IIS2DLPC. linux driver 和 使用

ST 提供兩種 driver type:

• IIO
• Input

iio 好像是新的..這裡只看 input (其實是因為只有 port input)

input device return 都是一個 input_event 的 structure:

struct input_event {
	struct timeval time;
	unsigned short type;
	unsigned short code;
	unsigned int value;
};

type 就定義在 linux/input.h
所以 driver 只能借用用input.h 的值：

#define INPUT_EVENT_TYPE    EV_MSC
#define INPUT_EVENT_X       MSC_SERIAL
#define INPUT_EVENT_Y       MSC_PULSELED
#define INPUT_EVENT_Z       MSC_GESTURE
#define INPUT_EVENT_TIME_MSB    MSC_SCAN
#define INPUT_EVENT_TIME_LSB    MSC_MAX

g sensor 中，report data 的 function:

static void lis2dw12_report_3axes_event(struct lis2dw12_sensor_data *sdata,
                      s32 *xyz, s64 timestamp)
{
    struct input_dev *input = sdata->input_dev;

    if (!sdata->enabled)
        return;

    input_event(input, INPUT_EVENT_TYPE, INPUT_EVENT_X, xyz[0]);
    input_event(input, INPUT_EVENT_TYPE, INPUT_EVENT_Y, xyz[1]);
    input_event(input, INPUT_EVENT_TYPE, INPUT_EVENT_Z, xyz[2]);
    input_event(input, INPUT_EVENT_TYPE, INPUT_EVENT_TIME_MSB,
            timestamp >> 32);
    input_event(input, INPUT_EVENT_TYPE, INPUT_EVENT_TIME_LSB,
            timestamp & 0xffffffff);
    input_sync(input);
}

所以 read( ) 讀進來的...就是...

ev.type = INPUT_EVENT_TYPE
ev.code = INPUT_EVENT_X
ev.value = x acceleration value

所以參考前面的reading input device 的程式，修改一下..

 const char *dev="/dev/input/event0";
  ..
  ..
       if(ev.type == INPUT_EVENT_TYPE) {
            switch(ev.code) {
                case INPUT_EVENT_X:
                    printf("X: %d\n",ev.value);
                    break;
                case INPUT_EVENT_Y:
                    printf("Y: %d\n",ev.value);
                    break;
                case INPUT_EVENT_Z:
                    printf("Z: %d\n",ev.value);
                    break;
                default:
                    printf("NOT VALID code: %d\n",ev.code);
            }
        }else{
            printf("NOT VALID TYPE: %d\n",ev.type);
        }

driver 的控制界面在sysfs 裡...enale it..

# ls /sys/class/input/event0/device/accel
enable        polling_rate  resolution    scale         scale_avail
# echo 1 > /sys/class/input/event0/device/accel/enable

執行..

# ./gmonitor 
X: -25376
Y: -14640
Z: 973072
NOT VALID code: 4
NOT VALID code: 7
NOT VALID TYPE: 0
X: -22448
Y: -18544
Z: 967216
NOT VALID code: 4
NOT VALID code: 7
NOT VALID TYPE: 0
X: -26352
Y: -17568
Z: 968192
NOT VALID code: 4
NOT VALID code: 7
NOT VALID TYPE: 0

查一下 code 4,7 和 type 0..
uapi/linux/input-event-code.h:

/*
 * Event types
 */

#define EV_SYN          0x00
...
/*
 * Misc events
 */

#define MSC_SERIAL      0x00
#define MSC_PULSELED    0x01
#define MSC_GESTURE     0x02
#define MSC_RAW         0x03
#define MSC_SCAN        0x04
#define MSC_TIMESTAMP   0x05
#define MSC_MAX         0x07
#define MSC_CNT         (MSC_MAX+1)

所以 type 是 EV_SYN,
code 是 INPUT_EVENT_TIME_MSB/LSB
type 是 __s64

對照上面的 driver function : lis2dw12_report_3axes_event
* fixed -- gsensormonitor

systemd-resolved 手動設定 dns server

現在都用這個了，加上nat 的主機，使用 dnsmasq，跟這個衝突，所以一堆 nat 後面的機器，dns 都指向nat，然後 nat 的 dns 又fail..
所以常常要手動設定。

寫一下systemd-resolved 怎麼手動設 dns server 好了。

ref:

• change dns with resolve
• Add Custom DNS on Linux
• 使用 systemd-resolved 做域名解析

使用 systemd-resolved 之後，原來的 /etc/resolv.conf 指向自己了..
而且是由 systemd-resolved 產生，所以改/etc/resolv.conf 沒用。

要改 systemd-resolved 的 config 檔： /etc/systemd/resolv.conf

安裝完的 /etc/systemd/resolv.conf ，內容是都 comment 掉的，
所以要修改就要把 comment 拿掉，加入自己的選項。
例如：用 1.1.1.1 做 dns:

[Resolved]
DNS=1.1.1.1

改完之後，重新啟動 systemd-resolved:

$ sudo service systemd-resolved restart

要看看現在的 dns server ip

systemd-resolve --status

ref:

• Dnsmasq - Linux小型DNS伺服器

這一篇有清處的說明。
就是要區分 interface。dnsmasq 的 dns 服務限制在 enp0xxx。
然後給 dnsmasq 獨立的 resolv.conf ，他會依照這個 resolv.conf 的內容(mirror) dns 服務給剛剛設定的interface。
原來的 systemd-resolved 就用原來的 127.0.0.53
這樣就不衝突。

upgrade to win10 and the win10 donwload link

既然有，就試試看吧。
只是位址好像換了。
下載 Windows 10

MediaCreationTool2004

竟然成功了…

就是那台被一姊救回來的舊nb.
竟然可以upgrade 到 win10..
真的太感謝了

另外，聽老闆的話換ssd真的換對了。

---

安裝很快，不用半小時。
但是win10好像真的負載比較重，原來win7都用得好好的，win10卻風扇狂轉。

測試一下，鍵盤貼紙

家樂福買的79塊貼紙，還蠻不錯的，只有貼有注音的部分。
很奇怪，雖然貼了以後打字也沒看，但是沒貼的時後，打字都有一種不安全感...