中移物联M5310模组材料demo例程-已测试通过可用。
STM32F103+M5310。
STM32F103+M5310。
2023/3/5 11:39:32
9.23MB
1
滑膜变结构控制的一本非常经典的好书，特意制造了详细的目录，方便大家阅读！章节：第1章绪论第2章线性系统的滑模变结构控制第3章非线性系统的滑模变结构控制第4章离散时间系统的滑模变结构控制第5章模糊滑模变结构控制第6章神经网络滑模变结构控制第7章基于支持向量机的滑模变结构控制第8章滑模变结构控制的应用
2023/3/4 23:08:31
35.31MB
1
容提要:本书主要引见面向制造和装配的产品设计，书中对什么是面向制造和装配的产品设计、材料和工艺的选择、面向手工装配的设计、电气连接和线束总成、面向高速自动装配和机器人装配的设计、面向制造和装配的印制电路板设计、面向制造的设计、面向注射成型的设计、面向钣金加工的设计、压铸模设计、面向粉末冶金加工的设计、砂……
2023/3/4 18:15:13
112.13MB
1
软件基于HAL库，硬件基于STM32F103C8xx，使用SSD1306显示DHT11读到的温湿度数值，SSD1306移植了U8G2的库并且添加了中文显示的功能（配合取模软件取模），SSD1306使用的IIC，如要改成SPI只需改SSD1306.C文件中589行备注的接口函数即可。
2023/2/22 16:33:07
6.74MB
1
本资源是根据网上开源的matlab代码（https://www.cnblogs.com/xingshansi/p/6511916.html）编写的python代码，直接运转main.py即可进行变分模态分解
2023/2/22 11:16:26
4KB
1
近年来，目睹了卷积神经网络（CNN）在各种计算机视觉和人工智能应用中的广泛普及。
然而，功能的提高是以大量密集的计算复杂性为代价的，这阻碍了它在诸如移动或嵌入式设备之类的资源受限的应用中的使用。
尽管人们越来越关注内部网络结构的加速，但很少考虑视觉输入的冗余性。
在本文中，我们首次尝试直接从视觉输入中减少CNN加速的空间和通道冗余。
所提出的方法称为ESPACE（消除空间和信道冗余），它通过以下三个步骤起作用：首先，通过一组低秩的卷积滤波器降低卷积层的3D通道冗余度。
其次，提出了一种新颖的基于掩模的选择性处理方案，该方案通过跳过视觉输入的不显着空间位置来进一步加快卷积操作。
第三，通过反向传播使用训练数据对加速网络进行微调。
在ImageNet2012上评估了提出的方法，并在两个广泛采用的CNN（即AlexNet和GoogLeNet）上实现了该方法。
与CNN加速的几种最新方法相比，该方案已证明在AlexNet和GoogLeNet上分别以5.48倍和4.12倍的加速比提供了最新的加速功能，而分类精度的下降却最小。
然而，功能的提高是以大量密集的计算复杂性为代价的，这阻碍了它在诸如移动或嵌入式设备之类的资源受限的应用中的使用。
尽管人们越来越关注内部网络结构的加速，但很少考虑视觉输入的冗余性。
在本文中，我们首次尝试直接从视觉输入中减少CNN加速的空间和通道冗余。
所提出的方法称为ESPACE（消除空间和信道冗余），它通过以下三个步骤起作用：首先，通过一组低秩的卷积滤波器降低卷积层的3D通道冗余度。
其次，提出了一种新颖的基于掩模的选择性处理方案，该方案通过跳过视觉输入的不显着空间位置来进一步加快卷积操作。
第三，通过反向传播使用训练数据对加速网络进行微调。
在ImageNet2012上评估了提出的方法，并在两个广泛采用的CNN（即AlexNet和GoogLeNet）上实现了该方法。
与CNN加速的几种最新方法相比，该方案已证明在AlexNet和GoogLeNet上分别以5.48倍和4.12倍的加速比提供了最新的加速功能，而分类精度的下降却最小。
2023/2/21 22:04:53
384KB
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