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
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
xxxx
博客
泡泡
积分
勋章
DMA三种方式以及DMA特点
【DSP复习主要知识点】(大概)
【嵌入式系统】STM32串口通信的四种方法(基于RTOS)
【嵌入式系统】STM32配置FreeRTOS以及利用多线程完成流水灯、按键、蜂鸣器、数码管工作
为什么两层3*3卷积核效果比1层5*5卷积核效果要好?
CNN基本步骤以及经典卷积(LeNet、AlexNet、VGGNet、InceptionNet 和 ResNet)网络讲解以及tensorflow代码实现
【TensorFlow学习笔记:神经网络优化(6讲)】
【神经网络计算】——神经网络实现鸢尾花分类
使用鸢尾花数据集实现一元逻辑回归、多分类问题
利用梯度下降法求解一元线性回归和多元线性回归
解析法实现一元线性回归、多元线性回归以及数据模型可视化操作
jupyter notebook指定工作目录
GAP(全局平均池化层)操作
Error: Flash Download failed - Target DLL has been cancelled
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