请问Linux下I2C设备驱动该如何写？

2013-08-05 03:47:43 193 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

百度地图街景图像批量获取由于个人研究需要在最近试了一下使用API获取百度地图街景图片，在此介绍一下基于我个人需求的百度街景批量获取方法，本文以Python编码作为主要方法，如果对零编码工具有需要的可以关注一下UA城市分析小组刚刚发布的街景图片获取工具。街景图像用作区域细粒度空间指标测度需要解决几个问题。 1. 首先就是调用额度的限制，现在百度对于个人认证开发者每天可用的街景图像调用额度为100张，在不考虑购买额度上限（1万张600元，其实有经费的前提下可以直接考虑钞能力）的情况下动辄几千上万张的爬取数量会大大增加需要爬取的时间周阅读详情

我想写一个Linux下的I2C设备驱动，基于系统中现有的I2C子系统，采用probe的方式来实现，请问此类代码是采用什么样的一种固定框架？我看了内核中一些设备的代码，觉得很复杂，而我只是想实现很简单的功能；网上也查了一些资料，但并没有找到详细叙述。
目前我的代码如下：



static const struct i2c_device_id dm2016_ids[] =

{

	{"dm2016", 0},

	{/* END OF LIST */}

};

MODULE_DEVICE_TABLE(i2c, dm2016_ids);





struct dm2016_data {

	struct i2c_client *client;

};



static int __devinit dm2016_probe(struct i2c_client *client, const struct i2c_device_id *id)

{

    struct dm2016_data *pstDM2016Data = NULL;

    struct device *pstDev = &client->dev;

    int s32Ret = 0;



    pstDM2016Data = kzalloc(sizeof(*pstDev), GFP_KERNEL);

    if (NULL == pstDM2016Data)

    {

        dev_err(pstDev, "alloc dm2016 data memory fail!\n");

        return -ENOMEM;

    }



    pstDM2016Data->client = client;

    i2c_set_clientdata(client, pstDM2016Data);





    dev_info(pstDev, "create dm2016 client OK!\n");

    return 0;

}



static int __devexit dm2016_remove(struct i2c_client *client)

{

    struct dm2016_data *pstDM2016Data = i2c_get_clientdata(client);



    kfree(pstDM2016Data);



    return 0;

}





static struct i2c_driver dm2016_driver = {

	.driver = {

		.name = "dm2016",

		.owner = THIS_MODULE,

	},

	.probe = dm2016_probe,

	.remove = __devexit_p(dm2016_remove),

	.id_table = dm2016_ids,

};



static int __init dm2016_init(void)

{

	return i2c_add_driver(&dm2016_driver);

}



static void __exit dm2016_exit(void)

{

	i2c_del_driver(&dm2016_driver);

}

我想为设备定义自己的读写函数以及类似ioctl这样的操作，请问我在dm2016_probe函数中要做哪些操作？还有结构体dm2016_data需要哪些成员？
谢谢！

...全文

CUPED (Controlled-experiment using Pre-Experiment Data) 论文学习笔记 CUPED是一种用于提升A/B测试灵敏度的方差缩减技术。它通过利用实验前用户行为数据（协变量X）构建调整后的指标Y_cuped=Y-θ(X-E[X])，其中θ=Cov(Y,X)/Var(X)。这种方法能在保持处理效应估计无偏的前提下，将方差降低1-ρ²倍（ρ为前后指标相关性）。CUPED的核心优势在于：不改变平均处理效应的估计，但能显著提升统计功效，使得实验更容易检测到微小但真实的效应，同时减少所需样本量或实验周期。该技术特别适用于用户异质性大、指标方差高的场景。阅读详情

sunling83417

驱动程序开发区 1,323 成员 2,170 内容

+ 关注 + 加入社区

请问Linux下I2C设备驱动该如何写？

相关推荐