＊1、＊2表示由Pr5.31「轴地址」的设定来决定数据。轴地址（例） ＊1的数据＊2的数据

0 00h 2Eh

1 01h 2Dh

2 02h 2Ch

3 03h 2Bh

4 04h 2Ah

5 05h 29h

6 06h 28h

7 07h 27h

8 08h 26h

9 09h 25h

10 0Ah 24h

11 0Bh 23h

12 0Ch 22h

13 0Dh 21h

14 0Eh 20h

15 0Fh

16 10h 1Eh

17 11h 1Dh

18 12h 1Ch

19 13h 1Bh

20 14h 1Ah

21 15h 19h

22 16h 18h

23 17h

24 18h 16h

25 19h 15h

26 1Ah 14h

27 1Bh 13h

28 1Ch 12h

29 1Dh 11h

30 1Eh 10h

31 1Fh 0Fh

接收的绝对位置数据（15字节）总和下位数8位为0时校验和对OK。

在了解这些设定后，如果您想进一步加深对深度学习模型推理的理解，不妨阅读 TensorRT实现深度网络模型推理加速 和 TensorRT推理加速。这些资源详细介绍了如何利用TensorRT优化深度学习模型，大大提升推理效率。

特别值得一提的是， 深度学习-TensorRT模型优化实践 和 Tensorrt nvidia加速推理源码 文章中提供的示例代码和实践经验，对新手和有一定基础的开发者都是极好的参考。

想要快速掌握模型部署技巧的朋友，可以参考 深度学习-TensorRT模型部署实战课程，快速掌握模型部署技巧。课程内容丰富，讲解详尽，非常适合希望在短时间内提高技能的学习者。

如此众多的资源，是不是已经让你跃跃欲试了呢？快去点击链接，深入了解吧！