《竹林蹊径——深入浅出Windows驱动开发》试读

张佩 2011-02-13 09:15:12
《竹林蹊径——深入浅出Windows驱动开发》已出版，三章试读下载http://download.csdn.net/source/3007591

感兴趣的朋友可去China-Pub或当当网上就所读内容展开讨论：[URL=http://www.china-pub.com/197674]http://www.china-pub.com/197674[/URL]

本书由张佩、马勇（ZnSoft）和董鉴源三位作者编写，受到潘爱民、谭文（楚狂人）、张银奎、张帆等人的热烈推荐，他们或写了长篇序言，或给出热情洋溢的荐语。是内核编程方面的又一原创力作（这年月，写书不容易...），也是《驱网核心技术丛书》的收官之作。拜请大家多多支持！
...全文
662 7 打赏 收藏 转发到动态 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
u010564727 2013-05-08
  • 打赏
  • 举报
 回复
仰望以久，正在拜读你的《竹林蹊径》。你“推出了 CY001 USB 内核驱动开发套件，板子 + 代码 + 文档，堪称完美的组合”。哪里有卖？请告知：powder@139.com。
msunyutao 2011-02-23
  • 打赏
  • 举报
 回复
张大侠的两本书的内容都很实用，挤时间好好研读一下
张佩 2011-02-17
  • 打赏
  • 举报
 回复
驱动开发的门槛也在降低，加上实际项目需求，学习Windows驱动开发的人会越来越多。
RuntimeError 2011-02-16
  • 打赏
  • 举报
 回复
好书！！！好书啊~推荐
RuntimeError 2011-02-16
  • 打赏
  • 举报
 回复
看到了，不错啊~现在驱动与内核开发挺热门的嘛~
张佩 2011-02-13
  • 打赏
  • 举报
 回复
相关书评：

这本书《竹林蹊径——深入浅出Windows驱动开发》是三位作者张佩、董鉴源和马勇的最新力作，他们将自己在实践中积累起来的经验整理成册，以期望后学者能少走弯路，缩短Windows驱动程序开发的学习之路。这本书重点介绍了KMDF、USB／1394和音频驱动程序的开发，以及设备驱动程序的发行和安装。建议有一定Windows驱动程序开发基础的读者看一看这本书，尤其是，如果你正打算使用KMDF，或者正在从事与USB／1394或音频驱动程序相关的编程工作，那么，这本书便是一份难得的实践指导了。
——潘爱民 《Windows内核原理与实现》作者

很高兴看到又有一本原创的驱动开发书籍即将出版，尽管这方面的书已经有一些，但还有很多主题未被覆盖到，这本书比较详细地讨论了使用C++开发驱动、音频驱动、内核流等其他书籍很少涉及的话题，填补了这些方面的空白，特此推荐！
——张银奎《软件调试》作者

张佩是我在“驱动开发”这个圈子里的好朋友，他也是我知道国内做WDF驱动程序最早的程序员之一，我们经常讨论驱动开发的知识。Windows驱动开发属于底层开发，所以变化一直都不太大。然而从WDM框架到WDF框架是变化最“激烈”的一次。现在知名厂商的驱动程序都从WDM框架迁移到WDF框架下。这本书应该是国内第一本详细介绍WDF框架的书籍，当我第一次读完初稿后的确有醍醐灌顶的快乐。希望这本书能带领更多的驱动程序爱好者进入这个领域。
——张帆《Windows驱动开发技术详解》作者
驱动开发——经典图书免费试读下载及勘误讨论
驱动开发——驱网核心技术丛书 免费试读下载及勘误讨论    驱网核心技术丛书包括：《天书夜读》、《寒江独钓》和《竹林溪径》三本，也可以称为“驱网核心三部曲”，其中，《天书夜读》一书上市以来，受到广发网友的青睐，同时也对《寒江独钓》和《竹林溪径》赋予了更多的期待，目前《寒江独钓》也相继出版上市了，因此我们将已经出版的书采用下面的方式回馈广大网友：    1.提供《天书夜读》与《寒江独
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】（Matlab代码实现）
内容概要：本文提出一种基于融合鱼鹰搜索行为与柯西变异策略的改进麻雀优化算法（OCSSA），用于优化变分模态分解（VMD）的关键参数（如模态分量数K和惩罚因子α），以实现对滚动轴承振动信号的高效自适应分解，有效抑制模态混叠问题。经过OCSSA优化的VMD对原始信号进行预处理后，将分解得到的本征模态函数（IMF）重构为时频特征矩阵，作为卷积神经网络（CNN）的输入，以自动提取深层次的空间特征；随后，双向长短期记忆网络（BiLSTM）进一步挖掘特征序列中的前后向时序依赖关系，最终实现高精度的故障分类识别。该OCSSA-VMD-CNN-BiLSTM模型在西储大学公开轴承数据集上进行了充分验证，结果表明其在复杂噪声环境下对轴承不同故障类型与程度的诊断准确率显著优于传统方法，充分体现了智能优化算法与深度学习相结合在故障诊断领域的优越性能。; 适合人群：具备信号处理、机器学习及智能优化算法基础知识，从事机械装备状态监测、故障诊断、工业大数据分析等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标：①解决传统VMD参数依赖经验设定导致信号分解效果不稳定的问题；②提升强背景噪声和工况变化下滚动轴承早期微弱故障的检测灵敏度与分类准确率；③为智能制造和工业互联网背景下的关键设备智能运维与预测性维护提供一套可复现、高性能的技术解决方案。; 阅读建议：此资源以Matlab代码实现为核心，建议读者深入研读算法代码，重点理解OCSSA的寻优机制、VMD参数自适应选择过程以及CNN-BiLSTM的网络构建细节，通过复现完整实验流程，掌握从信号预处理、特征提取到智能分类的全流程关键技术，并尝试在自有数据集上进行迁移应用与性能对比。
金融银行类参考用例xlsx
源码链接： https://pan.quark.cn/s/a4b39357ea24 接口测试框架（基于json格式、http请求,python3,不兼容python2.x版本） 注：现在基于Excel文件管理测试用例基本实现,) 备注：大家在运行的时候，如果参数不需要key，只需要字典，可以在ddt_case.py和case.py改造parame,注释掉现在的parem，启用新的即可 依赖用例支持用例执行，在testCase的ddt_case.py有实现，逻辑在代码中有写，参数的格式{"name":"$case1=data"}即代表name的值是case1的data字段，简单的实现。 依赖用例是简单的实现，具体在业务上面还有很多复杂的要处理，知识实现了，部分的思路。 (目前在部分window上会出现FileNotFoundError [Errno 2] No such file or directory，这个bug是路径过长,解决方案为吧log日志放在当前目录，或者修改动态生成的文件的名字，给了第一种方式，测试日志放在当前目录） qq交流群：194704520 Alt text 使用的库 requests，绝大部分是基于Python原有的库进行的，这样简单方便， 使用脚本参数分离等思想，尽可能降低代码的耦合度。 如果你不配置钉钉机器人，注释到机器人相关的代码 首先我们来看下我们的目录 Alt text ### 1.Case文件夹用来存放我们的测试用例相关的， test_case用来存储我们的测试数据，Excel管理测试用例，yaml文件管理测试用例，后续要把yaml管理测试用例的也封装出来。 Interface对测试接口相关的封装，包括requests库，发送...
非技术区

1,510

社区成员

11,417

社区内容

发帖
与我相关
我的任务
社区描述
Windows专区 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章