arduino踩坑记录-02 闪烁的LED

Arduino基础入门篇(让LED亮起来) LED 阅读详情

Hello!
我们试着用ARDUINO控制板来实现一个很小很小的实验,我将它称之为闪烁的LED,来吧,让我们跨出尝试生活的第一步。
实验所需硬件

  • Arduino控制板*1
  • LED*1
  • 220欧姆电阻器*1

实验电路
要建立电路,请将电阻器的一端连接到Arduino引脚13。将LED的长腿 (正极腿,称为阳极) 连接到电阻器的另一端。将LED的短腿 (负极腿,称为阴极) 连接到Arduino GND。
电路的连接如下图所示:
在这里插入图片描述
大多数情况下Arduino板已经有一个焊接到本身13号引脚的LED。如果运行此实验时你没有连接硬件LED,则应看到板子上面一盏LED闪烁。

千万注意!与LED串联的电阻不是220欧姆电阻; LED也可以点亮。
还有,如果你想闻到香喷喷的炸鸡味,可以不用连接电阻(必须连接电阻,如果你的LED本身阻值够大,能够直接承受5V输出,可以不用连接)
原理图:
在这里插入图片描述
实验代码:
连接好电路后,将Arduino连接计算机,启动Arduino软件 (IDE) 并输入以下代码。您也可以从菜单文件/示例/01找到它!
代码如下:

void setup ( ) { 
  // initialize digital pin 13 as an output. 
  pinMode ( 13 , OUTPUT ) ; 
} 

// the loop function runs over and over again forever 
void loop ( ) { 
  digitalWrite ( 13 , HIGH ) ;   // turn the LED on (HIGH is the voltage level) 
  delay ( 1000 ) ;               // wait for a second 
  digitalWrite ( 13 , LOW ) ;     // turn the LED off by making the voltage LOW 
  delay ( 1000 ) ;               // wait for a second 
}

无论天空如何阴霾,太阳都一直存在,不在这里,就在那里,只要你去寻找!
No matter how cloudy the sky is, the sun always exists, not here, just there, as long as you go to find it!
我们下一篇实验不见不散!
——麦克大炮

Arduino UNO R3入门实战:从点亮LED到闪烁控制的完整踩坑记录 单片机开发入门往往从控制GPIO引脚开始,而LED作为最直观的反馈元件,是理解硬件与代码交互的理想切入点。掌握限流电阻计算、数字引脚输出以及延时控制,是构建复杂嵌入式项目的基础能力。Arduino UNO R3凭借低门槛、高容错和丰富的学习资源,成为零基础开发者接触硬件编程的首选平台。通过实现LED点亮与闪烁,可以深入理解setup/loop程序结构、阻塞式delay与非阻塞式millis时间管理的区别,并进一步探索PWM呼吸灯等进阶玩法。本文结合实际操作中的典型踩坑经验,系统梳理硬件连接细节、代码逻辑及编 阅读详情

相关推荐

【物联网(IoT)开发】Arduino 入门 Hello World(LED闪烁)

Hello World ,中文意思:你好,世界。世界上的第一个程序就是Hello World,由Brian Kernighan创作。然而在单片机、微控制器的学习上的Hello World 就是通过程序控制LED灯(通常是发光二极管)闪烁。准备我的系统:Windows 7 x64Arduino IDE:1.6.11 点击链接查看下载及安装开发板:本例分别介绍三种型号的开发板1、Arduino NAN

无知人生,记录点滴 1万+

Arduino点亮LED灯

点亮LED灯两种方式:     第一种是将Led灯的正极接在Arduino的输出端,将Led灯的负极接在Arduino的GND端,如果让Arduino的输出端输出高电平,那么灯就会亮。     第二种是将Led灯的负极接在Arduino的输出端,将Led灯的正极接在Ardui

gouxf_0219的博客 7681

Arduino之数字处理:无延时LED闪烁

Arduino之数字处理:无延时LED闪烁 本示例演示了如何在不使用delay()来点亮LED。点亮LED,并记录下时间。然后,每次通过loop()时,检测是否已经超过设定的闪烁时间。如果是,则改变LED的打开或关断状态,并设定新的时间。通过这种方式,LED连续闪烁的同时示例执行不会错过任何一条指令。 所需硬件 Arduino或者Genuino开发板 Arduino IDE 1.8.9 LED ...

weixin_42096253的博客 1377

Arduino按键点亮LED实验

Arduino按键点亮LED实验 用了两个电阻,一个为220Ω与LED灯串联,防止电流过大烧毁LED,为限流电阻。另一个电阻为10kΩ与按键并联,为下拉电阻。当按键未按下时,2号引脚悬空,此时用digitalRead()函数读取2号引脚状态。 可直接选择02.Digital->Button /* Button Turns on and off a light emitting di...

汽水味橙子的博客 1393

数字处理:无延时LED闪烁

数字处理:无延时LED闪烁 无延时LED闪烁(Blink Without Delay) 有时你需要同时做两件事情。例如,您可能想要在点亮LED的同时读取按钮是否按下。在这种情况下,您不能使用delay(),因为在delay()时Arduino会暂停你的程序。如果Arduino在等待delay()暂停时按钮按下,那么你的程序将会错过按钮按下。 本示例演示了如何在不使用delay()来点亮LED。点亮...

logolman的博客 766

【Arduino入门】NO.2,使用不同的电阻值来改变LED的亮度-电路方案

在本课中,您将学习如何使用不同的电阻值来改变LED的亮度。 材料清单 l5mm Red LED 1个 l270Ω电阻(红色,紫色,棕色条纹)1个 l470Ω电阻(黄色,紫色,棕色条纹)1个 l2.2kΩ电阻(红色,红色,红色条纹)1个 l10kΩ电阻(棕色,黑色,橙色条纹)1个 l半面包板1个 lArduino Uno R3 1个 l跳线组1根 LED简述 LED可以制造出色的指示灯。 他们使用很少的电力,他们几乎永远持续下去。 在本次会议中,您将使用所有LED中最常见的5mm红色LED。 5Mm是指LED的直径以及5mm,其他常见尺寸是3mm和大型有趣的10mm LED。 您不能直接将LED连接到电池或电压源。 首先,因为LED具有正极和负极导线,并且如果其方向不正确,则不会发光;其次,LED必须与电阻一起使用以限制或“阻塞”流过LED的电流量 - 否则 LED可能会烧坏! 如果您不使用带LED的电阻,那么它很可能会立即被破坏,因为太多的电流会流过LED,加热它并破坏产生光线的'连接点'。 有两种方法可以判断哪个LED是正面的,哪个是负面的。 首先,正极管脚长。 其次,当负极导线进入LED的主体时,LED的外壳有一个平坦的边缘。 如果你碰巧有一个LED在较长的导线旁边有一个平坦的一面,你应该假设较长的导线是正极。 电阻简述 顾名思义,电阻抵抗电流,电阻值越高,阻抗越大,电流越小。 我们将用它来控制通过LED的电流量,从而控制LED的亮度。 阻力单位称为欧姆,通常缩写为Ω希腊字母Omega。 由于欧姆是电阻值较低的电阻(它根本无法抗拒),我们还给出了电阻值(kΩ(1000Ω)和MΩ(1000,000Ω))。 这些被称为千欧姆和兆欧姆。 在本课中,我们将使用四个不同的电阻值,270Ω,470Ω,2.2kΩ和10kΩ。 这些电阻看起来都一样,只是它们上面有不同的彩色条纹。 这些条纹告诉你电阻的值。 电阻器的颜色代码就像这样工作,对于这样的电阻器有三条彩色条纹,然后在一端有金条。 每种颜色都有一个数字,如下所示: l黑色0 l棕色1 l红色2 l橙色3 l黄色4 l绿色5 l蓝色6 l紫色7 l灰色8 l白色9 前两个条纹是该值的前两位,因此红色,紫色表示2,7。下一个条纹是前两位数字后面需要的零的数量,因此如果第三条纹为棕色,则为 在上面的照片中,则会有一个零点,所以电阻为270Ω。 条纹棕色,黑色,橙色的电阻为10和三个零点,所以10,000Ω换句话说就是10kΩ。 与LED不同,电阻器没有正负极导线。 它们可以通过任何方式连接。 面包板布局 使用270Ω电阻连接您的stripboard,如下所示。 Arduino是一个方便的5V电源,我们将用它来为LED和电阻提供电源。 除了将其插入USB电缆之外,您无需对Arduino做任何事情。 使用270Ω电阻器时,LED应该非常亮。 如果换出470Ω电阻的270Ω电阻,那么LED将显得有点暗淡。 使用2.2kΩ电阻器时,LED应该非常微弱。 最后,使用10kΩ的电阻器,LED将可见。 将红色跳线从面包板中拉出并将其接触到孔中并将其取下,以便它像开关一样工作。 你应该能够注意到不同之处。 熄灯可能会更有帮助。 移动电阻 此时,5V电阻连接到电阻的一端,电阻的另一端连接到LED的正极,LED的另一端连接到GND。 但是,如果我们移动电阻使其位于LED之后,如下所示,LED仍将点亮。 请注意,您可能希望将270Ω电阻器放回原位。 所以,只要在某个地方,我们放置电阻器的哪一侧是无关紧要的。 闪烁LED 通过对面包板的简单修改,我们可以将LED连接到Arduino的输出引脚。 将红色跳线从Arduino 5V连接器移至D13,如下所示: 现在加载第1课的“闪烁”示例草图。您会注意到内置的“L”LED和外部LED现在应该闪烁。 让我们尝试使用Arduino的另一个引脚 - 比如D7。 将红色跳线从D13引脚移动到D7引脚,并在草图顶部附近修改以下行: int led = 13; 改为int led =7; 将修改后的草图上传到Arduino板,LED应该仍然闪烁,但是这次使用引脚D7。 在下一课中,我们将再次使用LED,这一次,Arduino将控制LED。

ARDUINO教程:使用Arduino控制RGB LED

在这个教程中,我们将使用Arduino控制RGB LED,实现灯光颜色的变化。RGB LED包含红、绿、蓝三个颜色的发光二极管,通过控制三个颜色的亮度可以调配出丰富的颜色。通过这个项目,你将学到如何连接RGB LED、了解各个信号线的功能、掌握通信原理,并最终实现通过Arduino控制RGB LED的颜色。

ByteBox的博客 4583

GEE AI: 利用 Satellite Embedding 语义搜索快速识别研究区目标斑块

摘要 本文介绍了一种基于Google Earth Engine的遥感语义搜索技术,利用Satellite Embedding数据集快速识别目标地物。该方法通过将光谱信息转化为高维向量,在武汉市的案例中展示了如何:1)定义研究区和样本点;2)加载预处理的Embedding数据;3)计算向量相似度;4)结合面积过滤优化结果。相比传统监督分类,该技术具有响应快速(无需模型训练)、抗季节干扰和精准界定等优势,特别适用于森林碳储量监测和土地利用检测等应用场景。文中提供了完整的GEE代码实现流程,包括样本定义、相似度计

此星光明博客 622

关于Arduino Nano 9,10引脚pwm不能输出问题。

暑假期间做了一个关于阿克曼地盘的遥控车,通过pwm控制电机转速,当时我先调了后轮行走电机的程序,当调好后,我开始调转向舵机程序,当全部调好后开始整合的时候发现倒车不能调速。最后才知道,当时我调用了#include<Servo.h>,这是一个控制舵机的库,这个库用的是定时器1,当调用这个库时,他会屏蔽一些pwm引脚的输出,当屏蔽这个库和相关的函数时,这些pwm引脚能正常输出pwm,不光这个库会影响,包括一些伺服库什么的也会影响,把这些都屏蔽掉就好了。

gunglifang的博客 1370

用Coze平台30分钟打造《花光10亿》小游戏:零代码AI开发实战

本文详细介绍了如何利用字节跳动推出的Coze平台,在30分钟内零代码开发一款名为《花光10亿》的AI小游戏。通过配置提示词、集成图像生成插件、构建自动化工作流以及使用数据库功能,即使没有编程基础的用户也能快速将创意转化为可交互的智能应用,体验AI开发的便捷与高效。

weixin_29313547的博客 206

常微分方程 (ODE) 和 随机微分方程 (SDE)

常微分方程(Ordinary Differential Equations, ODE)和随机微分方程(Stochastic Differential Equations, SDE)是数学中描述系统动态行为的重要工具。它们有一些相似之处,但在处理随机性方面存在显著差异。

weixin_39699362的博客 4384

用Arduino控制两个交替闪烁的LED灯

实验过程: 电路部分:设计并联电路,两个LED灯公用一个电源信号端口,通过控制数字引脚端的输出电压的高低控制LED的亮灭(高则灭,低即亮)。 程序部分:读取程序运行的时间,判断时间间隔,分别实现两个LED灯不同频率的闪烁 代码 unsigned long time1;//记录程序运行时间(灯1) unsigned long time2;//记录程序运行时间(灯2) unsigned long pr...

qq_43627025的博客 1万+

SAP数据导入工具(LSMW) 超级详细教程(批量导入内部订单)

用户提了个需求,让我批量导入内部订单几百个内部订单。我本打算用写段ABAP 代码来调用 BAPI (BAPI_INTERNALORDER_CREATE)就可以了。但想到我很久没有用过LSMW 了,都快要忘记了。于是我采用LSMW的方式,完成了任务。并把过程记录下来,形成教程方便我以后回头查看,分享出来也希望对大家有帮助。

IT小职员 2万+

Arduino 编程 - LED灯闪烁

Arduino 初级编程示例 硬件平台:使用Arduino NanoV3.2开发板。 软件平台:使用Arduino 官方 IDE。 硬件 I/O:D13。 示例:详细记录Arduino 控制LED灯闪烁的编程,烧录,验证等步骤。 目录 Arduino 编程 : LED灯闪烁 第一步:开发板选择: 第二步:通讯端口选择: 第三步:编写代码: 第四步:编译代码: 第五...

严文年 - 原创笔记 1万+

Labview项目01:标准可配置序列测试框架

摘要:本文介绍了一个基于LabVIEW2020开发的通用测试框架系统。该系统采用模块化设计,包含主界面、调试界面、设置界面和登录界面。主功能包括:1)可配置测试序列,支持延时、预定值输出、随机值输出等操作;2)单步测试功能自主添加;3)界面支持测试序列编辑和权限管理。系统采用队列机制处理事件和测试流程,通过CSV文件存储测试序列,支持参数化配置。用户可自定义测试VI(A_.vi和N_.vi格式),并通过调试界面验证测试序列。最终测试结果在主界面显示,提供整体判断功能。该系统既可作为学习参考,也可用于实际测试

weixin_38637405的博客 1552

群晖如何安装软路由OpenWrt/iStoreOS作为旁路由(含网络设置、设置密码、还原出厂设置等linux命令ipk包)

openwrt的固件。

XiaoqiangClub的博客 7017

Arduino小白学习记录:双色LED灯实验

目录一、介绍二、材料准备三、实验原理四、实验过程五、代码六、效果展示七、总结分析 一、介绍 双色发光二极管(LED)能够发出两种不同颜色的光,通常是红的和绿色的,而不是仅有一种颜色。它采用3mm或5mm环氧树脂封装。它有3个引脚,共阴极或者共阳极可用。双色LED具有两个LED端子或者引脚,以反向平行方式排列在电路中并通过阴极/阳极连接。正电压可以指向LED端子之一,使该端子发出相应颜色的光;当电压的方向反转时,发出另一种颜色的光。在双色LED中,一次只能有一个引脚接受电压。因此,这种LED经常用作各种设备(

XWA_nanyou的博客 8372

【数据集】中国各类水文专业常用数据集合集

对中国各类水文专业常用数据集进行整理并总结

WW、forever的博客 9300

第一个Arduino项目:双LED交替闪烁系统

接线方案:用杜邦线连接Arduino D11口和面包板1列H口--220Ω电阻接1列F和E口--LED长脚接1列D口,短脚接3列D口--用杜邦线连接Arduino GND口和面包板3列A口。本人是电子信息学院的新生,我在学习Arduino的基础学习中完成了一个实验项目,我记录了实验步骤和所使用的代码,并对潜在的问题做出了分析和它的解决办法,希望对你有所帮助。1.所有LED不亮 ,可能电源未接通 ,建议检查USB连接/GND线。4.程序无法上传 ,可能驱动未安装 ,建议安装CH340驱动(百度可下载)

2502_90486706的博客 1501

基于深度学习YOLOv10的障碍物检测系统

为了方便用户使用,我们将开发一个图形用户界面(GUI),允许用户上传图像或视频流并查看检测结果。我们使用PySide6开发GUI界面,它是Qt框架的Python绑定,适用于开发跨平台的桌面应用程序。本文详细介绍了如何基于YOLOv10模型构建一个障碍物检测系统,包括数据集准备、模型训练和推理到图形用户界面的开发。通过这一系统,用户可以方便地上传图像或视频流并进行障碍物检测,广泛应用于自动驾驶、机器人导航等领域。

斌擎科技 1052

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

ESP32 Arduino入门实战:LED闪烁项目的操作指南

通过简单的代码与电路连接,利用esp32 arduino开发板快速完成LED闪烁项目,适合初学者掌握基本编程与硬件控制技巧,开启物联网开发之旅。

weixin_33480380的博客 1049

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

【Arduino萌新渡劫记2】大一菜鸟如何让LED灯“蹦迪”——LED灯光效变化及多个LED的闪烁

在经过1个星期的“沉淀”,阿猪我从老师那里学到了新的知识——Arduino板对LED灯的渐变、明暗变化以及多个LED的闪烁。今天,就把阿猪学习到的秘籍分享给各位CSBN的铁子们,包括在此”副本“中遇到的大Boss!

LuoHHHHHH的博客 1016

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

Arduino UNO Q 从 Arduino Cloud 远程控制闪烁 LED

本文介绍了通过Arduino Cloud远程控制Arduino UNO板载LED的实现方法。首先在云端配置设备、变量和仪表盘,建立控制链路;然后在AppLab中复制示例项目并填入凭证,通过Python监听云端状态变化,利用Bridge调用C++固件实现对LED的控制。文中详细解析了硬件准备、云端设置、App配置、工作原理及核心代码,重点说明了LED反相逻辑处理、凭证填写和设备关联等关键环节。该示例展示了物联网应用的完整链路:云端状态变更→Python监听→Bridge调用→硬件响应,为扩展更复杂的物联网场景

weixin_41589183的博客 1182

【Arduino实验笔记】机械臂篇(一) 控制板载LED灯闪烁

Arduino基础实验

悬铃木下的青春的博客 4397

wokwi arduino mega 2560 - 点亮LED案例

根据当前时间与上次切换时间的差值,决定是否切换LED的状态。函数记录时间,通过比较当前时间与上次LED状态切换时间的差值,决定是否切换LED状态。生成的随机数范围较大,高编号LED的闪烁频率可能过低,肉眼难以察觉闪烁。初始化每个LED的控制引脚为输出模式,并记录当前时间作为初始切换时间。记录每个LED的上次状态切换时间,结合循环实现对20个LED的独立控制。用于记录每个LED的上次状态切换时间,确保每个LED的闪烁是独立的。的随机整数,用于控制每个LED的闪烁频率。:XXXX年XX月XX日。

zhangrelay的专栏 2192

在Arduino Uno上创建FreeRTOS任务实现LED闪烁

嵌入式设备中使用的操作系统称为RTOS(实时操作系统)。在嵌入式设备中,实时任务至关重要,而定时在其中起着非常重要的作用。实时任务是时间确定性的,这意味着对任何事件的响应时间始终是恒定的,因此可以确保任何特定事件将在固定时间发生。 RTOS旨在以非常精确的时序和高度的可靠性运行应用程序。 RTOS还可以通过单个内核帮助执行多任务。 在本篇文章中,我们将开始介绍FreeRTOS。 FreeRTOS是一类用于嵌入式设备的RTOS,其规模很小,可以在8/16位微控制器上运行,它的使用范围不仅限于这些微控制器。这是

佐佐沐 1263
上一篇: python+opencv-16 图像轮廓检测和拟合
下一篇: arduino踩坑记录-03 数字串口
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值