负反馈和运算放大器基础》这本书从理论和运算推导入手，用数个形象化的生活场景类比、数十个实用运放电路案例解析，300多页的篇幅，将复杂的负反馈和运算放大器基础知识不留死角讲清楚了。
电子工程师必读。
作者擅长小信号检测电路设计，以低噪声低失真度，低功耗为主要研究方向，另外擅长精细信号产生，新型ADC设计。
全书五部。
此文档为第二册
电子工程师必读。
作者擅长小信号检测电路设计，以低噪声低失真度，低功耗为主要研究方向，另外擅长精细信号产生，新型ADC设计。
全书五部。
此文档为第二册
2023/7/31 13:09:14
6.73MB
1
培训关于批处理AI的分布式培训此仓库是有关如何使用BatchAI以分布式方式训练CNN模型的教程。
涵盖的场景是图像分类，但是该解决方案可以推广到其他深度学习场景，例如分段和对象检测。
图像分类是计算机视觉应用中的常见任务，通常通过训练卷积神经网络（CNN）来解决。
对于具有大型数据集的大型模型，单个GPU的训练过程可能需要数周或数月。
在某些情况下，模型太大，以致于无法在GPU上放置合理的批处理大小。
在这些情况下使用分布式培训有助于缩短培训时间。
在此特定方案中，使用Horovod在ImageNet数据集以及合成数据上训练ResNet50CNN模型。
本教程演示了如何使用三个最受欢迎的深度学习框架来完成此任务：TensorFlow，Keras和PyTorch。
有许多方法可以以分布式方式训练深度学习模型，包括数据同步和基于同步和异步更新的模型并行方法。
当前，最常见的场景是与同步更新并行的数据-这是最容易实现的，并且对于大多数用例而言已经足够。
在具有同步更新的数据并行分布式训练中，该模型在N个硬件设备之间复制，并且一小批训练样本被划分为N个微批次（参见图2）。
每个设备都
涵盖的场景是图像分类，但是该解决方案可以推广到其他深度学习场景，例如分段和对象检测。
图像分类是计算机视觉应用中的常见任务，通常通过训练卷积神经网络（CNN）来解决。
对于具有大型数据集的大型模型，单个GPU的训练过程可能需要数周或数月。
在某些情况下，模型太大，以致于无法在GPU上放置合理的批处理大小。
在这些情况下使用分布式培训有助于缩短培训时间。
在此特定方案中，使用Horovod在ImageNet数据集以及合成数据上训练ResNet50CNN模型。
本教程演示了如何使用三个最受欢迎的深度学习框架来完成此任务：TensorFlow，Keras和PyTorch。
有许多方法可以以分布式方式训练深度学习模型，包括数据同步和基于同步和异步更新的模型并行方法。
当前，最常见的场景是与同步更新并行的数据-这是最容易实现的，并且对于大多数用例而言已经足够。
在具有同步更新的数据并行分布式训练中，该模型在N个硬件设备之间复制，并且一小批训练样本被划分为N个微批次（参见图2）。
每个设备都
2023/7/28 19:18:56
437KB
1
利用机器学习方法（分类）实现静态场景下的测试车辆检测 利用C语言或者Open_CV库，或者是MATLAB软件编写实现静态场景下的测视车辆检测。
需使用机器学习方法。
代码可以通过一个主函数直接运行出实验结果。
Data文件夹中包含train_34x94（训练集）和test（测试集）两个文件夹。
其中，train_34x94文件夹中的数据用于训练模型，包含pos文件夹（内有550个正例样本）和neg文件夹（内有500个负例样本）；
Test文件夹中的数据用于测试。
在Test测试集中的总体检测性能的评价指标为Recall、Precision和F-measure，写出对算法的性能评价和对实现中遇到问题的理解。
需使用机器学习方法。
代码可以通过一个主函数直接运行出实验结果。
Data文件夹中包含train_34x94（训练集）和test（测试集）两个文件夹。
其中，train_34x94文件夹中的数据用于训练模型，包含pos文件夹（内有550个正例样本）和neg文件夹（内有500个负例样本）；
Test文件夹中的数据用于测试。
在Test测试集中的总体检测性能的评价指标为Recall、Precision和F-measure，写出对算法的性能评价和对实现中遇到问题的理解。
2023/7/26 22:03:20
9.55MB
1
目录摘要 IAbstract II第一章 前言 1第二章 移动AdHoc网络及路由协议 22.1 AdHoc网络概述 22.2 AdHoc网络的历史 22.3 AdHoc网络的节点特点 22.4 AdHoc网络的自身特点 22.5 AdHoc网络的组织结构特点 32.6 AdHoc网络的应用 32.7AdHoc网络路由协议特点及要求 32.8 AdHoc网络路由协议的分类 42.9 AdHoc网络路由协议的性能评价标准 5第三章 AODV协议及其改进方案 63.1 AODV协议概述 63.2 AODV工作流程概述 63.3 AODV报文格式 73.4 AODV源码详析 83.5 AODV协议性能分析 103.6 改进方案设计 11第四章 NS2与网络模拟 154.1 NS2的简介 154.2 NS2的软件构成 154.3 NS2的功能模块 164.4 NS2现有的仿真元素 164.5 NS2的安装 174.6 NS2模拟无线数据发送的流程 18第五章 网络模拟仿真及结果分析 235.1 模拟及验证方式简介 235.2 TCL脚本的编写与注释 235.3 gawk程序脚本的编写与注释 265.4 模拟仿真场景设计 295.5 网络模拟动画演示效果 315.6性能对比与分析 32第六章 结束语 37参考文献 38致谢 4
2023/7/26 0:32:12
547KB
1
Windows下的usb转串口驱动程序CP210x（内含x64以及x86版本安装包）适用于openmv等多种usb转串口场景
2023/7/23 9:02:30
6.18MB
1
为充分利用数据资源中心在自动驾驶虚拟仿真平台建设中的经验，迎合企业在智能网联汽车研发验证方面的场景需求，解决行业在本土化功能安全评价方面的痛点问题，数据资源中心对基于驾驶场景大数据的自动驾驶虚拟仿真平台建设研究进行了全面总结，从驾驶场景研究和分类、场景数据采集、场景数据处理和分析、场景数据库建设以及虚拟仿真平台搭建这五个层面进行深入分析和阐述，进而为行业提供切实可行的技术支持。
2023/7/22 16:38:30
12.56MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB