先验知识回顾:知识点不清晰的时候可以查询相关知识点。https://blog.csdn.net/qq_42604176/article/details/105810973 需掌握的主要知识点 1、译码电路设计2、初始化编程 例题1 在以 8086构成的最大方式系统中,有一片8254的端口地址分别为301H、303H、305H和307H,给定的外部时钟为512kHz。 要求:、(1)利用计数
目录 【1】存储器的层次结构 【2】存储器的分类 【3】SRAM 1、基本原理: 2、结构: 3、芯片参数与引脚解读: 4、CPU与SRAM的连接方式 【4】DRAM 1、基本原理: 2、结构 3、芯片引脚解读: 【5】存储器系统设计 【6】存储器扩展设计(重点) 1、位扩展(位并联法) 2、字节扩展(地
目录 前言 【1】定时处理方法 1、定时的方法: 2、定时和计数器 【2】8253计数/定时器 1、特点: 2、芯片引脚以及电路: 3、连接方式: 4、工作原理: 5、寄存器配置 a、初始化操作(三个通道单独初始化) b、读出命令 c、GATE的作用 d、工作方式配置 [1]方式0 计数结束中断
博主联系方式:QQ:1540984562微信:wxid_nz49532kbh9u22QQ交流群:892023501(嵌入式方向)QQ交流群:856398158(后端方向) 目录 先验知识回顾 控制寄存器回顾 1、8086中断类型 1、外部可屏蔽中断 2、外部不可屏蔽中断 3、除法错中断 4、单步中断 5、断点中断 6、溢出中断 7、软中
博主联系方式:QQ:1540984562微信:wxid_nz49532kbh9u22QQ交流群:892023501(嵌入式方向)QQ交流群:856398158(后端方向) 【没事儿可以到我主页看看】https://blog.csdn.net/qq_42604176 算数运算指令 1、加减法指令ADD、ADC 、SUB 、SBB 和增量减量指令INC、DEC、NEGADD ADC例题讲解SUB
博主联系方式:QQ:1540984562微信:wxid_nz49532kbh9u22QQ交流群:892023501(嵌入式方向)QQ交流群:856398158(后端方向) 【没事儿可以到我主页看看】https://blog.csdn.net/qq_42604176 传送类指令 1.通用传送类指令:MOV指令 MOV例题讲解: 2.取有效指令LEA指令:
前提 8088有两个组态:最大组态和最小组态,通过引脚MN/MX*的电平决定组态。(*表示低电平有效)两种组态没有本质区别。 8088的引脚: 引脚可分为下面几种类别: 1、数据和地址引脚2、读写控制引脚3、中断请求和响应引脚4、总线请求和响应引脚5、其它引脚 1.数据和地址引脚 AD7~AD0(Address/Data):T1时输出存储器或I/O端口的低8位地址A7~A0,其
编码规则 1、源码是1时,暂时不变;2、连0不超过3个时不变,有4个或以上连0时把每4个0换为取代节,即B00V;3、确定B是0还是±1:第一个B一般取0,若两个取代节之间1的个数为偶,易推得后者的B一定是±1,此时B和1遵循的规则完全相同,可以直接记为1,即100V;为奇则一定是0,记为0,即000V。4、统一确定极性:第一个非0符一般取-1,之后,根据前一个非0符极性,V取同,1取反; 例
一、操作数的寻址方式 立即寻址方式 格式: 操作码 数字表达式(将数据送入寄存器中)源操作数可以是8位也可以是16位。 MOV AH, F5H (字节操作) F5H称为立即数(8位操作数)MOV AL, 8AH (字节操作) 8AH称为立即数 直接寻址方式 指令格式: 操作码 寄存器(16位) , 地址表达式(将地址的内容送入寄存器中) 指令格式: 操作码 寄存器(16位) ,
例题 思路 选择移位语句,右移,将AL移出的送入DX左端,将BL移出的送入DX左端。循环八次 MOV AL,01100101B; MOV BL,11011010B; XOR DX,DX;两个值相同,异或结果为0。等效:MOV DX,0 MOV CX,8;count L1: SHR AL,1;逻辑右移,左边补0, RCR DX,1;带进位循环右移,右端被舍弃掉的补回左
博主联系方式:QQ:1540984562微信:wxid_nz49532kbh9u22QQ交流群:892023501(嵌入式方向)QQ交流群:856398158(后端方向) DMA三种方式:数据块传送方式、周期挪用方式、交替访存方式 数据块传送方式:在I/O接口电路中设置一个比较大的数据缓冲区,一般能存放一个数据块,I/O接口电路与内存之间的数据交换以数据块为单位。总线仲裁器判定究竟是D
第一章 1、数字系统对比模拟系统 数字化的优点: 1.高度的程控能力与灵活性2、更高的精度3、可靠性与可重复性得到了改善4、大规模集成5、接口方便6、灵活性好7、保密性好8、特殊应用(只有数字能做):信息无失真压缩、线性相位滤波器、软件无线电技术 模拟与数字各有所长:1、实时性模拟:除了电路引入的延时外,处理是实时的数字:取决于处理器的速度2、高频信号的处理模拟:可以处理包括微波毫米
1、串行通信的基本参数 串行端口的通信方式是将字节拆分成一个接一个的位再传输出去,接收方再将此一个一个的位组合成原来的字符,如此形成一个字节的完整传输,在数据传输时,应在通信端口的初始化时设置几个通信参数。 1)波特率,即传送数据的速度。波特率的意思就是在一秒中可以传输的数据位数,单位是bps。如果采用波特率4800bps进行传输,那么每秒可以传输600个byte。2)数据位,当接收
1、利用STM32CubeMX配置FreeRTOS 假设我们之前的配置引脚、配置定时器、配置时钟的步骤均已完成,现在开始导入FreeRTOS。接下来为我们的程序配置四个任务,注意这里我们的三个任务的优先级是一样的。如果你设置了某一个任务的优先级高,那么程序运行时会一直运行那个任务而无法进入其他任务。数码管的优先级设高,不然数码管的扫描如果受键码的解析的拖延会产生闪烁!(可以试着把优先级改
目录 1、感受野 2、2层3 * 3卷积与1层5 * 5卷积 3、2层3 * 3卷积与1层5 * 5卷积的计算量比较 4、2层3 * 3卷积与1层5 * 5卷积的非线性比较 5、2层3 * 3卷积与1层5 * 5卷积的参数量比较 1、感受野 感受野:卷积神经网络各输出特征像素点,在原始图片映射区域大小。举个例子,原图为3x3大小,我们使用3x3大小的卷积核卷积,得到的输
课程来源:人工智能实践:Tensorflow笔记2 前言 本讲目标:讲解卷积神经网络的基本步骤以及分析比较经典的网络架构,希望对你有所帮助经典的5个论文的下载链接:链接:https://pan.baidu.com/s/1rIH1nh28ON6DKM6T9HPXbQ 提取码:kbd8 1、卷积神经网络的基本步骤 1、卷积神经网络计算convolution 卷积概念: 卷积的概念:卷积
【1】NN复杂度 空间复杂度:层数:隐藏层层数+输出层总参数:总w+总b时间复杂度:乘加运算次数以下图为例:总参数=3x4+4(第一层) +4x2+2(第二层)=26乘加运算次数=3x4+4x2=20 【2】指数衰减学习率 已知:学习率过小,收敛速度慢。学习率过大导致不收敛。可以先用较大的学习率,快速得到较优解,然后逐步减小学习率,使模型在训练后期稳定,例如指数衰减学习率。 指数衰减
本blog为观看MOOC视频与网易云课堂所做的笔记课堂链接:人工智能实践:TensorFlow笔记吴恩达机器学习 疑问与思考 为什么按照batch喂入数据 之前看的视频里面处理数据都是一次性将所有数据喂入,现在看的这个视频对数据进行了分组投入。这是为何?参考链接: 深度学习中的batch理解(batch size一次喂给神经网络的数据大小量)用CNN做图像分类的时候,为什么要一批一批
目录 鸢尾花数据集 逻辑回归原理 【1】从线性回归到广义线性回归 【2】逻辑回归 【3】损失函数 【4】总结 TensorFlow实现一元逻辑回归 多分类问题原理 独热编码 多分类的模型参数 损失函数CCE TensorFlow实现多分类问题 独热编码 计算准确率 计算交叉熵损失函数 使用花瓣长度、花瓣宽度将三种鸢尾花区分开 总结 鸢尾花数据集 150
文章目录 原理以及公式 【1】一元线性回归问题 【2】多元线性回归问题 【3】学习率 【4】流程分析(一元线性回归) 【5】流程分析(多元线性回归) 归一化原理以及每种归一化适用的场合 一元线性回归代码以及可视化结果 多元线性回归代码以及可视化结果 总结 原理以及公式 【1】一元线性回归问题 原函数是一元函数(关于x),它的损失函数是二元函数(关于w和b) 这里介
【1】解析法实现一元线性回归 公式:代码: python列表实现 #加载样本数据 x=[137.97,104.50,100.00,124.32,79.20,99.00,124.00,114.00,106.69,138.05,53.75,46.91,68.00,63.02,81.26,86.21] y=[145.00,110.00,93.00,116.00,65.32,104.00,1
【1】打开Anaconda Navigator 打开Anaconda Navigator,点击左侧Environments,点击base(root)->open Terminal 【2】输入指令jupyter notebook --generate-config 按下回车键,弹出config所在位置。以VS Code打开文件 【3】修改第261行代码 #c.NotebookApp.
在卷积神经网络的初期,卷积层通过池化层(一般是 最大池化)后总是要一个或n个全连接层,最后在softmax分类。其特征就是全连接层的参数超多,使模型本身变得非常臃肿。之后,有大牛在NIN(Network in Network)论文中提到了使用全局平局池化层代替全连接层的思路,以下是摘录的一部分资料: global average poolilng。既然全连接网络可以使feature ma
系列文章【智能车Code review】—曲率计算、最小二乘法拟合【智能车Code review】——坡道图像与控制处理【智能车Code review】——拐点的寻找 智能车复工日记【1】——菜单索引回顾 智能车复工日记【2】——普通PID、变结构PID、微分先行PID、模糊PID、专家PID 智能车复工日记【3】:图像处理——基本扫线和基本特征提取和十字补线 智能车复工日记【4】:关于
这里是对于代码的讲解视频,大约一个小时,需要的同学可以看看:B站:meeting_01 系列文章【智能车Code review】—曲率计算、最小二乘法拟合【智能车Code review】——坡道图像与控制处理【智能车Code review】——拐点的寻找 智能车复工日记【1】——菜单索引回顾 智能车复工日记【2】——普通PID、变结构PID、微分先行PID、模糊PID、专家PID 智能车复
系列文章 【智能车Code review】—曲率计算、最小二乘法拟合 【智能车Code review】——坡道图像与控制处理 智能车复工日记【1】——菜单索引回顾 智能车复工日记【2】——普通PID、变结构PID、微分先行PID、模糊PID、专家PID 智能车复工日记【3】:图像处理——基本扫线和基本特征提取和十字补线 智能车复工日记【4】:关于图像的上下位机的调整问题总结
系列文章【智能车Code review】—曲率计算、最小二乘法拟合智能车复工日记【1】——菜单索引回顾智能车复工日记【2】——普通PID、变结构PID、微分先行PID、模糊PID、专家PID智能车复工日记【3】:图像处理——基本扫线和基本特征提取和十字补线 智能车复工日记【4】:关于图像的上下位机的调整问题总结智能车复工日记【5】:起跑线的识别与车库入库智能车复工日记【6】:有bug的模糊PID记
系列文章 智能车复工日记【1】——菜单索引回顾 智能车复工日记【2】——普通PID、变结构PID、微分先行PID、模糊PID、专家PID 智能车复工日记【3】:图像处理——基本扫线和基本特征提取和十字补线 智能车复工日记【4】:关于图像的上下位机的调整问题总结 智能车复工日记【5】:起跑线的识别与车库入库 智能车复工日记【6】:有bug的模糊PID记录 智能车复工日记【7】:关于会车的图像问题 智
由于换了新电脑,keil重装了下,然而之前的MCU的支持包没有安装,以及一些其他的问题,导致可以编译但是不能将程序烧录到单片机中。现整理一下解决思路: 1、将支持包下载并添加: 找到你需要用的MCU的具体型号: 例如:点击网址,下载安装包,或者在csdn等其他网址下载安装包,将下载好的pack包放到keil5的安装目录下的.Download中: 点击file中的import,将路径选择到.Do
获取详情请订阅:https://blog.csdn.net/qq_42604176/category_9858434.html?spm=1001.2014.3001.5482
系列文章 智能车复工日记【1】——菜单索引回顾智能车复工日记【2】——普通PID、变结构PID、微分先行PID、模糊PID、专家PID智能车复工日记【3】:图像处理——基本扫线和基本特征提取和十字补线 问题1:环岛判断函数,last方差,find_guaidian()函数放置位置不同 在上位机中,每帧图像的处理放在ImageProcess()函数中, void ImageProce
博主不在古月居写blog,对博主感兴趣的可以到CSDN:https://hanhandi.blog.csdn.net/ 关注我
积分
粉丝
勋章
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信