aixprobe硬件调试方法

大家好，本期给大家带来全网首发自研开源 ai 远程调试器，内置 o、 p、 o c、 d， 搭载 wifi 六高速传输， 支持 g tag 苏 d 调试接口，完美兼容 a、 r m 和 r i s c v 等主流架构 mcu 告别传统手动调试，依照人工智能实现自动抓错、自动分析、远程在线排错。嵌入式开发单片机调试效率直接拉满。话不多说，接下来直接看实战完整演示， 带你沉浸式体验 ai 智能调试有多强！ 我在吗？

猜猜这是啥？它叫 a s probe， 它最大的亮点是能通过 m c p 协议让 ai 直接触碰硬件，同时它还兼顾市面上常见远程调试器的功能。 没错，首个 ai 远程调试器开源了，有配套 skill 机能包。那这个 ai 调试器到底能带来什么改变呢？曾经介入式开发是 ai 编程的盲区， ai 只能看代码，出了硬件 bug， ai 只能瞎猜是不是你线接错了，是不是你时序不对，猜完还得你去验证。现在 ai 能直接操作硬件， 结合你预设的 skill 技能包，自己跑一套诊断流程告诉你 hard fault 是 因为堆战一出。改变在于，以前是你发觉问题询问 ai 再去验证，现在 ai 能查问题，省去了你发觉问题和询问问题的步骤。但是 ai 能好用到什么程度，取决于 doo 写的好不好。你得告诉 ai， 遇到这种情况查哪里， ai 模型本身聪不聪明，给他数据了，他能不能推理出正确结论？目前夏木已开源，在加立创 e d a 麾属的立创开源硬件平台上，他是否能真正运用到实际生产力呢？或许还需要更多人的加入共建。

上一个视频我们讲了 x probe 是 什么，能干什么，这一个视频我们演示使用吹 solo 智能体，通过 mcp 连接 a x probe 调试器控制 stm 三二的运行和暂停，并读取外设寄存器。 可以看出 ai 成功暂停了 stm 三二，并且正确读取到了寄存器。想了解更多细节，关注我，下节讲。

做开发的都知道 jamie， 它是调试器里的天花板，但它有一个致命问题，你必须插着 usb 线坐在板子旁边。今天给你介绍一款调试器，它叫 x pro， 它已经开源，它不需要插 usb 线，接上 wifi 就 行。 我在隔壁甚至在家里，通过 wifi 就 可以远程烧录固件和调试能。远程只是 x pro 调试器的基础功能，它更强的功能是它实现了 m c p 服务，让嵌能直接连接你的硬件进行调试，相当于请了一个专家帮你调试程序， 妥妥的调试神器。 j link 能做的，它能做 j link 做不到的远程访问、 ai 调试，多人共享。这个开源小盒子做到了，并且它还支持 usb 扩展，你的 j link 也不用扔， 直接插到 x probe 上，你的 j link 瞬间拥有了 x probe 的 全部能力。关注我，下一期告诉你怎么使用它，让全公司共享一块板子进行调试。

哎呦喂，英伟达又开源了 pid， 开辟了新的图像高分辨率生成的方法，速度快 n 倍。 t 八那瓜娃子已经在玩了，看看这次是不是又是水货，准备汇报耍起。 大家好，我是 t 八啊，今天呢，给大家介绍一下英伟达开源的 pid。 我 也看了一下啊，有一些其他的 up 主已经做了视频了，但是呢，我觉得他们有些地方做的是不对的啊。 首先我纠正一点这个呢，它是可以把模糊的照片变高清的，那我们先从这个项目的跟我们之前的 ve 啊，它有什么区别？很多人说不用 ve 了，实际上这个理解呢啊，正确，也不算完全正确， 它呢实实际上是用了另外一种解码的一个方式。那我们本身知道，我们以前基本上的方法就是像素空间，对浅空间， 也就是把彩样器编码后的啊 latent 重新解码，还原成我们像素空间，正常可以看图片。 那放大是怎么放大呢？我们平时会用一些放大的模型，那一般我们称这种方式叫集连，也就是说呢啊，从小变大，一步一步放它。那么举个比较有名的例子，比如说像 c 的 v 二，它就是最明显的集连，比如说它第一集可能是五一二，第二集一零二四，第三集二零四八。 看上去好像步数不是很多，但是因为每一集都是有固定的步数的，所以说总的步数呢，就会比较多，导致呢它的整体的采用时间就会比较长。 如果说我们传统的 ve 解码编码，它是一个重建的过程，也就是说尽量还原啊原本的样子， 那这个 p i 底呢，它是像素扩散啊，解码器怎么去理解这个问题呢？它里面呢是有一些新颖知识的，就跟我们扩散模型一样，我们知道在扩散的时候呢，你原本的这样一些东西都是会改变的。比如说我们一张图片做图生图， 当 denoise 等于 e 的 时候，基本上这张图片就完全变掉了啊，这就是我们一个扩散的一个原理，那实际上它也是这样的啊，它呢也是会把这个图片 啊变掉的，所以说呢，它是一种深层式的解码，刚才说了，我们以前呢是一个重建式的解码，这呢是一个深层式的解码，那理解到这一点，你就可以明白为什么它是可以把模糊变高清的。 另外呢，我们可以看一下，它有很多没有推出的，它呢实际上是一种通用型的方法，目前呢主要支持了 c m， g， c m， t o 以及 啊 flex 系列的这样一些模型，比如说像啊，百度的，或者说我们 client 等等啊，都是支持的，所以说它就类似一个解码的 ve， 只是说它的把极联的方式融合到了 啊，它的这个解码的过程中，我们以前是极联，也就是分开的，现在呢，它发现，哎， ve 跟这个极联放大啊，放在一起是更好的，就一步到位， 撇开效果好坏不说啊，就从这一点上来说啊，它的是一种新的范式，确实是非常有指导意义的。你看到了最近有很多模型都在主打五 v a e， 就 说明啊，现在目前可能是，比如说像 g p t 媒体二，或者说香蕉这样一些模型，它可能在采用这样一些构架， 然后呢其他的一些公司呢，在尝试走这条路啊，因为五 v a e 的 最大好处主要还是啊 pixel to pixel 啊，不容易导致啊损坏。 那实际上最明显的地方就是一些非常小的字，我们现在 gpt 们就要发现它字啊，哪怕非常非常小，它依然一点没有损坏，但如果说你过一遍 v e 非常容易出现这样的问题。 第二呢就是把这个极连的方式啊直接融入进去，现在呢就是等于一次性裁样，比如说它四部，因为它是个滚动模型嘛，直接啊解码加上高清放大，这样的话呢可以极大的减少我们的一个输出的一个时间。 下面我来到 running hub 这几个工作的呢已经上传了，一会呢，我们可以来尝试一下，然后给大家分享一下，包括它的设置，以及我们怎么直接用这个模型直接跑一个模糊变高清。然后呢会遇到一些什么问题。 另外呢，我们也可以出海外站啊，因为现在国内的审核是比较严格的，如果说大家跑一些擦边的话，可能跑不出来，海外站呢，目前是可以的。那今天呢已经全部更新过了，一会把连接发在我们的连接区，那通过连接注册会送一千点，大家可以先尝试一下，我们先看一下 c e m g 啊，这里呢不是 turbo 的， 我们看一下，这里呢跑五十步啊，这个呢它有好几个 pid 的 啊节点，包括本质也更新了，那我先以这个为准，给大家介绍一下。 首先这个采集器呢，我会发现它有两段雷腾，一段呢是我们正常的啊解码雷腾一段呢是单独给 pid 的 雷腾， 为什么会是这样的呢？我们看一下这边呢，有个 capture step， 也就是说呢，它是可以提前结束的啊，它这个模型不是说你一定要跑满的步数的，它不是这样的，这雷腾呢，它可以提前啊截断，然后呢后续呢，我们可以在后面的 pid 啊 simpler 里面补，但是呢， 一般来说，因为它已经是个蒸馏模型了，所以说你哪怕把这个步数提高，实际上意义不大。第二点呢，就是说我们比如说跑一些蒸馏模型，像 turbo 等等，基本上你两步整体的基本上已经全部出来了，所以说你不需要跑很多步，只是说，呃，像这种 啊，原版的，比如说 b f 十六这种版本就是没有突破的版本，我们一般可能跑到二三十步，你整体出来了，那我们实际上不用跑那么多，对吧？然后呢，我们会留几步，这里留出来的步数呢，实际上就是我们啊后面的第二次的这样一个材料。 那第二点呢，给大家说一下，我们正常连为什么有的人他直接啊拿张模糊的图，他生成不了高清呢？ 我给大家看一下啊，它的算法是怎么样的？首先来说呢，它在这边呢，会自动计算一个 sigma， 就 你这边是一点零，那实际上它这边不是一点零啊，它是应该根据你这个步数什么的一起计算的。最后呢，它会给到一个新的 sigma 到这里， 那如果说你 sigma 啊，如果说是没有变的一个情况下呢，或者比较低的一个情况下呢？那它最终出来图就是不变的，我们先看一下它这个效果， 我们先看上面啊，上面是让刚才给大家看了，还是非常好的，对吧？但是我们要注意一点啊，重建的意思就是说尽量还原你的一个特征啊，但是扩散呢，他不一样，他是深层特深，这就是个扩散模型啊，所以说 我们没有办法去要求他跟原本是一样的。我会看到啊，这张图呢，应该还好一点，因为他就正常眼睛，他有很多这种啊，图片做鲜艳，所以说可以看到整体变化不大。 第二点呢，就是说他也会有这种直连的一些问题，就说把一些啊有问题的部分呢啊，通过高清放大以后啊，把这个问题变大，可以看到，对吧？这个头发部分这样就是有问题的，对不对？但是整体呢，这样看还是可以的，这样看还是可以的，那我们再换一个看一下， 我们看一下这个呢是 client， 那 client 呢就有问题了啊，我看了一下它的颜色呢会变掉，我这里呢用了 colormatch， 我 们稍微对比一下，我们看一下，这是原图生成以后的，这是它生成以后的，可以看到明显发白发蓝。 那这个呢，有两个部分引起的，一个呢是我们提示词，提示词呢，这里写了冷白皮啊，它会有一定的程度增重。第二个呢就是 client 这个模型呢，适配就是有些问题， 包括我看爱乌也做了啊，它是好像偏偏红吧？好像是，反正就是不同的节点，它偏的还不一样。那目前呢，只能我们简单的用 colour match 稍微处理一下啊，而且呢，感觉 看一下清楚是挺清楚的，对吧？清楚是挺清楚的，清楚挺清楚的，但是你说真实感吧，也不是特别好 啊，主要是它变化了。另外一点呢，就是像在这个模型中呢，我们看一下它，因为里面没有模型管道的，它是直接内置了这样个模型，所以说呢，如果说我们要保留它原本的样子的话，最好呢，实际上是应该有一个啊，配套罗莱，但是现在没有， 所以说呢，就是生成的情况下呢，可能会改变啊，你这个脸之类的啊，对于人物来说这样不算特别友好，只能说还行吧，你看一下，还行吧，我们再看第三个，我们用啊， c， e， m， g 啊， turbo 的， 我们看一下啊啊， 同样的情况下啊啊，前面实际上就是正常的我们一个参照，正常的参照就可以了，然后呢甚至我可以看一下啊，这次我没有用单独的这个 later 的 对不对？因为它之前是有个单独 pid 雷腾的，如果说你没有的情况下呢，它就是默认你是把整个雷腾的啊，是一样的给过去了，但是实际上它是可以分两种的，刚才说过了，就是你可以提前结束，你不需要把噪声完全降到零再结束，你是可以提前终止的，这是它的模型的一个特点， 那我们现在直接终止也是可以的，我们看一下它最后的效果，对吧？但是可以看到有点糊，为什么呢？因为我没有留出四步来 啊，实际上就是我等于把所有的噪声全部去掉了，上面他然就没有噪声了，然后呢，我这边就强行让他去弄，然后呢我这个 sim 码还是零啊，这个呢就是一个问题，大家注意一下，就是如果说要这种情况下呢，我们只能这里再稍微调整一下，比如说 我给大家说改一下，我们现在改成零点二，零点三吧，零点三我们再跑一下啊，现在点运行，然后我们稍微等一会儿，我们来看一下最后的结果，我们看一下啊， 给了它一定的噪声以后，是不是啊就变得非常非常好了，对吧？啊？这个呢就是我跟大家说的，像它涉及到很多部分，包括我们的 later 是 怎么传的，是否提前终止，我们的 sigma 是 怎么操作的，那这个 sigma 部分呢，我在后面再给大家说一下， 大家前面大概明白了原理以后呢，我来给大家说一下啊，这个 sql 码怎么做？那还有一点刚才忘记说了，就是我们的默认的啊，这个尺寸呢，尽量啊，就是在一零二四以内，然后呢必须被十六整出，否则的话可能会报错的。 然后呢他呢对尺寸也是比较敏感的，因为他的训练尺寸就到这里，所以说呢，比如说你竖板就五七六，一零二四，那方形就一零二四，一零二四，横板呢就把它倒个个就可以了。如果说你要其他的分辨率的话呢，就是我们长边尽量不要超过他，好吧，然后呢一定要背十六整除，这个我们要稍微注意一下。 第二个呢，我们来尝试一下啊，就是我们怎么去把这样一张模糊的图变高清啊？因为很多 up 主说这个是不能的，那我给大家说一下它怎么处理的啊？首先来说呢，第一个呢，我们要把提示词做一个分段， 那我这边呢用 runnyhub 的 api 啊，反推的啊，当然你可以用千文三都是可以的。然后呢我们做一下提示合并，因为我们最终要的目的是一个高质量的啊，没有噪点的一个四 k 的， 因为它现在上面噪点非常非常多，非常模糊。 那我们这边有两种方法，一种呢就刚才给大家展示的，就像 c m j turbo 一 样的，我们直接用 v a e 编码，直接编个码，编完码以后直接传到我们这个 pid 匹配里面， 那就像这样啊，直接传过去，这是可以的。第二种呢，就是我们先采用一次，那为什么要先采用一次呢？就是我们在采用的时候呢啊，它实际上编码以后呢，它实际上上面会有很多噪点的，对不对？那这里呢，我只要就 node s 零点二， 那实际上他留了很多噪点去给他去啊修改，那坏处是什么呢？就是他因为很多噪点呢，他后面可能变化就会比较大一点啊，所以说这个呢，就根据我们的情况来，我现在给大家啊来一个这个，我现在啊把它给去掉。好，然后我们现在来看一下啊，点一下运行 好。然后呢如果说我们用刚才的方法，我们先说刚才的方法，就是我们这个打开的情况下啊，我们看一下啊，在我这边设置零点二，然后呢这边四十六步，所以说可以看到它的 sigma 码是多少，是零点零一四八，对吧？然后呢我们正常情况下是把这个 pid sigma 码是给到它的， 就让他把他的一个最终啊要的一个 sigma 啊，噪声啊，告诉他哦，你需要多少啊？这就是个噪声调度的个计划，那大部分人呢，他们就按照原版工作流直接跑，最后跑出来效果就这样的，你看到啊，这是四 k 效果，直接就这样的，就没任何区别。那问题在哪里呢？ 那比如说我们现在两种，第一种，如果说你这里是 zeros e， 那 这张图片肯定就直接变掉了，那就根本不是一个人了，对吧？那我现在肯定是不能 e 的， 所以说我这边 zeros 零点二，那基本上它不会有太多改变。 那在这种情况下呢，如果说我们给他的一个放大，你要知道他实际上等于也是一次采药，对吧？他的上采药以及他的一个解码啊，是在一起的，刚才说过了，他是把集连的这个流程只要合并到一起了，就把我们的一个上采药叫上 ve 解码放在一起了。 这个时候如果说你只给他 six 码，比如说只有零点二的情况下呢？是不是啊？他就等于说完全啊，没有什么效果。 这就是为什么有的人啊，他直接拿一张图片去上彩样一下啊，就是他去解码加上彩样的时候发现，哎，模糊的还是模糊的啊？这个是底层的一个逻辑。 然后在我们做两次彩样的时候呢，我把 denoise 啊，就是改成零点二，然后 sigma 呢，改成零点五啊，我们知道零点五，这时候呢，我们知道一般这种情况下呢，它会有一些改变，可以看到，对吧？但是可以看出来他们是同一个人。如果说你在这里把我们的 sigma， 我 看一下这个 sigma 改成，比如说 e， 那 你这个人完全就变掉了。我们来看一下，如果改成 e 什么颜色呢？可以看到，虽然能看出来一点，但是实际上跟我们左边的图变化太大了，对吧？可以看到变化太大了， 那如果说我们要变化更小一点，那比如说我刚才给大家说的，比如说我们就直接啊，这里甚至不需要去处理了，我们直接编码以后给到他，然后呢我们全靠这个 sigma 去操作他， 对吧？我们看一下，只要零点五呢，还是高了一点，就是这个时候呢，就要根据你照片来，如果说你这张照片本身还是比较清楚的，我们只要零点三，零点四就可以了， 懂吧？如果说像这样特别模糊的，那我比如说零点四，零点五，对吧？这个参数呢是可调的，那我们来看一下我们直接跑的是不是你，你觉得啊，现在是一个人，对吧？但是你肯定是会有变化的，比如说这嘴巴像是变大了一点， 对吧？那为什么呢？刚才说过了啊，这种解码的方式他不是重建啊，他主要是一个生成的一个方式，你就把他当做一个扩散模型，所以说呢，这个模型呢，他本身是直接可以生成的，就说效果呢啊，不是特别好 好理解了，这一点呢，我们就基本上啊，了解了我们整个的一个链路逻辑啊，等后续呢，他可能还会支持像千万啊等等这样一些其他的一些模型，那到时候呢啊，基本上都是可以用的，那后续呢，还有什么发展呢？我们再看一下，因为毕竟来说英伟的，说实话开出来特别的好的模型啊，一个都没有， 但是呢，这个模型你说那没用吧，我觉得还是有点用，起码从范式或者说这种指导方向还是有一些意义的，但是呢，我觉得这肯定不是我们的一种啊要的一种方式，因为他刚才说了，他在最终解码的时候，他是以啊生成加啊 高倍的一个啊放大，当然速度实际上还可以了，对吧？就说个把 v a e 跟我们的啊这个放大放到一起，我觉得这是一个一条还不错的路，但是 如果说只是说把它生成加放大放一起，我觉得这可能不是我想要的，因为我不希望改变我的原图啊，这个是我的一个观点，但可能有的人它的作用不一样。 那今天呢，给大家分享就到这里了，我们可以上人尼哈普玩一下，然后如果说你是做一些相对来说有一些审核的要求的，你也可以去人尼哈普海外吧，我会把链接都放在那里的啊，谢谢大家，记得给提拔点个赞。 另外我们公司 a x 开发的无线画布呢，大家也可以来玩，点击右上角输入绑定人一零五六二啊，可以领取三百 minus。

闺蜜们， polo 英 polo 终于也开来杭州啦，自费四百多给你们总结了一条从夯到拉大测评，点好单了！我是用了他们家六九折的一个券，所以算下来是每道菜都很便宜的那种，这个价位放在杭州都是相当炸裂的，你们要来的话一定要点这个臭豆腐辣炒鸡爪，里面的豆腐都泡的超入味了， 鸡爪也巨软糯，尝一下汤汁直接在嘴里面炸开了，好好吃啊！这鸡爪一抿就收骨了，而且相当的入味，辣辣的超好吃，简直是那种一加一大于三的味觉联动，又辣又过瘾又想吃！主食的话，我点的是这款，它上面的凤梨是焦糖烤过的，上面还撒了干脆面碎， 尝一下菠萝的汁水超级丰富，里面的肉也非常的嫩，有点辣辣的，尝一下这个辣！奶油海鲜意面，里面的虾个头特别大，裹满了汤汁，它是有奶乎乎的奶油酱汁，吃起来又有点微微的辣，完全都不腻。这个鸡爪我真的是给到他夯中之夯， 这款吃完了给个夯吧！主食也是挺好吃的，上面是可可味的石头人，还搭配了各种新鲜水果，清 清爽又好吃。招牌香脆半翅，上面满满都是辣椒，看着就已经流口水了，哪有那种外酥里嫩的，又有点甜辣的感觉。首尔部队火锅经典，不会出错的选择，芝士肥牛卷，各种配菜堆得满满的， 饮品也是颜值与口感并存，每一杯都是清爽不腻，很好喝，给个人上人吧！这一顿吃下来真的还是挺满足的，反正我点的这一桌吗，是没有一个菜是辣的程度，爱吃创意菜的小宝们可以安排起来啦！

法老的审美确实有点东西，这个神态一出来我就知道此猫不简单。阿比西尼亚猫，一只没有缺点的绝世好猫，作为古埃及猫的后裔，颜值与实力双带线，几乎让人一眼沦陷。天生一对灵动精灵耳搭配两颗杏仁眼，小小的脸蛋上五官精致立体， 深邃的眼神透着高贵与野性。一身层次分明的虎斑毛色，在阳光下走动时像流动的琥珀般闪耀，体态轻盈从不发腮，四肢修长仙气往那一趴，就像迷你版似 生猫面相手感更是让人上头短毛体质掉毛少，浑身肌肉紧实，摸起来顺滑无比。更让人惊喜的是它的反差感，别的猫都是主人上赶着吸，而阿比西尼亚猫却会主动吸人，特别会给主人提供情绪价值，粘人又贴心，让人越相处越爱。唯一的缺点可能就是身价不太接地气。

欢迎收看一米六七十八斤不减肥小女生快乐放纵日吃吃喝喝的一天，一觉睡到自然醒，睁眼已经下午三点多了，肚子饿的咕咕叫，正发愁吃什么呢，突然发现我超爱的巴奴开到奥体印象城啦！就开在奥体旁边哎，之前听完演唱会都不知道吃什么， 以后可算是有好去处了。洗漱洗漱下楼吃火锅啦，每次来门口都超多人，果然好吃的店永远不缺人气。终于排到了，赶紧找个好位置坐下。他们家是那种智慧屏，点菜系统也太高级了， 我点的是他们家奔驰锅底。开餐之前必须先来一碗热乎乎的菌菇汤暖暖胃，一煮开那股浓郁的菌菇鲜香就扑鼻而来，都是每天现熬的，喝一口鲜的眉毛都要掉下来了， 鲜到就像刚是从山里面采回来一样。都说来巴奴不吃这个毛肚等于白来，这片毛肚真的比我的脸还要大，服务员呢都会贴心的处理好，下锅涮个七上八下， 毛肚上面的小刺挂满了汤汁，吃起来搁这个肉碎口感特别的丰富。水桶这一口都含金量了， 还点了绣球菌，看起来长得有点像银耳，没想到口感还挺奇特的，吃起来脆脆的，入口超级鲜甜，还有鲜鸭血和井水黄豆芽也是震撼美味，鸭血真的超鲜嫩， 放进辣锅里煮一煮看看，端端的入口即化，深水豆芽更是鲜到没边，对于巴奴食材的新鲜程度真的是可以完全放心的，今天这顿放纵火锅吃的太满足了，巴奴真的每次来都会让人失望。