基于OpenOCD 的 STM32CubeIDE 開發燒錄調試環境搭建 DAPLINK/STLINK

需要部署一個開發環境,實現h7的板子通過daplink功能給目標板燒寫程序(同事要將這個過程用fpga實現),需要通過openocd+gdb+daplink stm32;

總結:單條命令執行太麻煩,參考4寫成腳本文件:

獨立腳本使用Openocd
? 在**“在Stm32CubeIDE環境下使用DAP-Link仿真”**一文中,筆者介紹了如何使用腳本執行openocd。當時筆者并未進行命令路徑全局變量path的操作,故該腳本只能在openocd目錄執行,此處,因為openocd命令已經加入環境變量,因此可以放在任意目錄執行。

? 筆者在本文中的開發板是STM32F405,故腳本內容為:

openocd.exe -f interface\cmsis-dap.cfg -f target\stm32f4x.cfg
繼續修改成如下:
%關閉命令回顯%
@ echo off
%打印提示信息%
echo Openocd Runing…
%執行OpenOCD服務%
openocd.exe -f interface\cmsis-dap.cfg -f target\stm32f4x.cfg
%防止控制臺窗口關閉%
pause
放入安裝(解壓目錄):F:\Program Files\OpenOCD-20250710-0.12.0,已測試可行。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/90707.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/90707.shtml
英文地址,請注明出處:http://en.pswp.cn/web/90707.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

嵌入式硬件篇---zigbee無線串口通信問題

使用 ZigBee 進行無線串口通信時,接收異常(如丟包、亂碼、完全無法接收)是常見問題,其原因涉及射頻通信特性、網絡機制、硬件配置、環境干擾等多個層面。以下從具體機制出發,詳細分析可能的原因:一、射頻層…

【AI周報】2025年7月26日

【AI周報】2025年7月第四周觀察:GitHub Spark重塑開發范式,中美AI政策對壘升級 省流版靜態頁面周報,為方便各位看官快速食用,我準備了摘要版周報,歡迎訪問:20250726周報 引言:本周焦點速覽 2…

HTML:從 “小白” 到 “標簽俠” 的修煉手冊

目錄 一、HTML:網頁的 “骨架” 不是骷髏架 二、文本標簽:文字的 “華麗變身” 術 1. 標題標簽:文字界的 “領導班子” 2. 段落標簽:文字的 “專屬保姆” 3. 文本格式化標簽:給文字 “穿花衣” 三、鏈接標簽&…

python3GUI--基于YOLO的火焰與煙霧檢測系統By:PyQt5(詳細圖文介紹)

文章目錄一.前言1.引言2.正文二.核心內容1.數據集2.模型訓練3.界面窗口1.登錄注冊界面2.核心功能界面3.檢測告警提示窗口三..核心界面模塊介紹1.頂部信息區域2.數據輸入3.參數配置4.告警設置5.操作臺6.關于7.指標變化8.異常速覽9.日志輸出10.…

基于Transform、ARIMA、LSTM、Prophet的藥品銷量預測分析

文章目錄有需要本項目的代碼或文檔以及全部資源,或者部署調試可以私信博主一、項目背景二、數據準備與預處理三、模型選擇與方法設計1. ARIMA 模型:傳統統計方法的基線構建2. LSTM 模型:引入記憶機制的深度學習方法3. Transformer 模型&#…

LLM隱藏層與logits數值的簡單理解

LLM的“隱藏層數值”和“logits數值” 代表什么,范圍是多少 “隱藏層數值”和“logits數值”是兩個關鍵概念——它們分別對應模型“理解信息”和“輸出決策”的核心環節。 一、先明確基礎:LLM的“思考”流程 LLM本質是“輸入文本→處理信息→輸出結果”的神經網絡。簡單說…

Vue》》@ 用法

使用 別名導入 // 導入 src/components/Button.vue import Button from /components/Button.vue// 導入 src/utils/helper.js import { helperFunc } from /utils/helper// 導入 src/store/index.js import store from /store

20250726-1-Kubernetes 網絡-Service存在的意義_筆記

一、Service控制器 1. Service存在的意義 1)基本場景 ?? 動態IP問題:Pod IP具有短暫性,銷毀重建后IP會變化(示例:原IP 169.130重建后變為169.132) 服務發現需求:需要穩定入口訪問同一服務的多個Pod,避免因Pod變動導致服務中斷 負載均衡需求:多個Pod副本需要統一訪…

在一個存在的包里面編寫msg消息文件

前言盡管最佳實踐是在專門的接口包中聲明接口&#xff0c;但有時在同一個包中完成接口的聲明、創建和使用會更為便捷。創建文件創建好msg/AddressBook.msg文件&#xff0c;在你的包的目錄下package.xml<buildtool_depend>rosidl_default_generators</buildtool_depend…

華為服務器操作系統openEuler介紹與安裝

一、openEuler概述 1.1、openEuler介紹 openEuler&#xff08;簡稱 “歐拉”&#xff09;是華為開源的服務器操作系統&#xff0c;是基于Linux穩定系統內核的、面向企業級的通用服務器架構平臺。能夠滿足客戶從傳統IT基礎設施到云計算服務的需求&#xff0c;打造了完善的從芯…

CUDA雜記--FP16與FP32用途

FP16&#xff08;半精度浮點數&#xff09;和FP32&#xff08;單精度浮點數&#xff09;是計算機中用于表示浮點數的兩種常見格式&#xff0c;它們在存儲空間、數值范圍、精度、計算效率等方面有顯著區別。以下從核心差異、適用場景等方面詳細說明&#xff1a; 一、核心差異&am…

Android開發中技術選型的落地方案

技術選型不是簡單地“哪個庫最火就用哪個”&#xff0c;而是一個需要綜合考慮業務、團隊、技術、維護、未來等多維度因素的系統工程。 核心目標&#xff1a; 選擇最適合當前及可預見未來項目需求的技術棧&#xff0c;確保應用高質量、高效率、可維護、可擴展、安全穩定地開發和…

Spring Boot 單元測試進階:JUnit5 + Mock測試與切片測試實戰及覆蓋率報告生成

在微服務架構盛行的今天&#xff0c;單元測試已成為保障代碼質量的核心環節。Spring Boot 生態提供了完整的測試工具鏈&#xff0c;結合 JUnit5 的現代化測試框架和 Mockito 的行為模擬能力&#xff0c;可實現從方法級到模塊級的全鏈路測試覆蓋。本文將通過實戰案例解析 JUnit5…

八股文整理——計算機網絡

目錄 OSI&#xff0c;TCP/IP&#xff0c;五層協議的體系結構 TCP/IP模型和OSI參考模型的對應關系 OSI每一層的作用如下&#xff08;理解順序依次往下&#xff09;&#xff1a; OSI分層及對應協議 以 “寄快遞” 為例類比七層模型 TCP與UDP的區別&#xff1f; TCP對應的…

進制間的映射關系

? 問題一&#xff1a;為什么不同進制之間會有特定的映射關系&#xff1f; ? 問題二&#xff1a;為什么八進制和十六進制可以被看作是二進制的簡化形式&#xff1f;&#x1f50d; 一、為什么不同進制之間有特定的映射關系&#xff1f; 這是因為 所有進制本質上只是表示數的不同…

RabbitMQ-交換機(Exchange)

作者介紹&#xff1a;簡歷上沒有一個精通的運維工程師。請點擊上方的藍色《運維小路》關注我&#xff0c;下面的思維導圖也是預計更新的內容和當前進度(不定時更新)。中間件&#xff0c;我給它的定義就是為了實現某系業務功能依賴的軟件&#xff0c;包括如下部分:Web服務器代理…

分類預測 | MATLAB實現DBO-SVM蜣螂算法優化支持向量機分類預測

分類預測 | MATLAB實現DBO-SVM蜣螂算法優化支持向量機分類預測 目錄 分類預測 | MATLAB實現DBO-SVM蜣螂算法優化支持向量機分類預測 分類效果 基本介紹 算法步驟 參數設定 運行環境 應用場景 程序設計 參考資料 分類效果 基本介紹 該MATLAB代碼實現了基于蜣螂優化算法(DBO)優…

變頻器實習DAY15

目錄變頻器實習DAY15一、工作內容柔性平臺常規測試柔性平臺STO測試自己犯的一個特別離譜的錯STO的功能了解為什么STO的故障叫做基極已封鎖二、學習內容2.1 火線接斷路器 vs. 接地/懸空的區別小內容分點附學習參考網址歡迎大家有問題評論交流 (* ^ ω ^)變頻器實習DAY15 STO 板…

一文學會c++list

文章目錄list簡介list接口迭代器失效&#x1f6a9;模擬實現list簡介 1&#xff0c;list是可以在常數時間復雜度任何位置隨意插入的序列式容器&#xff0c;可以雙向迭代 2&#xff0c;底層是雙向鏈表結構&#xff0c;每個節點都是獨立的&#xff0c;通過前后指針鏈接 3&#xf…

數據集分享 | 智慧農業實戰數據集精選

【導讀】 在智慧農業的發展浪潮下&#xff0c;AI視覺算法正逐步滲透進作物生長監控、病蟲害檢測、采摘成熟評估等細分任務。相較于工業或城市場景&#xff0c;農業視覺更具挑戰性&#xff1a;自然環境復雜、目標形態多變、時空尺度差異大。 為實現精準農業管理&#xff0c;一…