关于4020和深圳

SK6805MICRO-2427RGB灯珠 2427RGB内置IC灯珠 适用显示领域、智能应用、蓝牙WiFi装饰 深圳市日不落灯光科技有限公司专业内置芯片LED及方案产品开发。专业生产4020侧发光/SK6812、6822/2813断点续传LED、4020侧发光LED、2427RGB/3535MINI小尺寸封装等全系列内置IC灯珠、幻彩灯条及显示器等,(因为专业,所以卓越) 我司是中国领先的集LED封装与LED应用产品为一体的综合性光电高新技术企业,拥有高效精准的生产、研发和检测设备,先进的生产管理技术。... 阅读详情

最近去了一趟深圳,主要是为客户提供sep4020开发的支持,上午一家下午一家,行程还是蛮紧凑的,几天跑下来有一点小体会,关于4020,关于深圳。

 

既然是出差,当然是公务为主,所以先说4020:

 

1.4020很好的满足了工业控制这个市场的需求,定位很好。

这么几天跑下来,可以说4020完全的满足了客户的需求,以前做单片机的,发现单片机的性能跟不上了,选择4020;以前用2410或者2440的,发现批量生产成本实在是太高了,选择4020。

可以预期只要我们的工作跟上,4020必将得到广泛的使用和更多客户的信赖。

 

2.我们工作的不足:

这次发现我们工作的不细致,一些细节问题极大的遏制了4020的推广和发展。比如,代码的一些很小的bug;文档的粗制滥造;代码中的注释乱七八糟,让客户很confuse,等等等等很多很细节的地方。其实我们做了大量的工作,但是正是一些小细节没有做好,让我们之前所有的工作得不到认可。在客户那儿只有好还是没好这种判断标准,但是我们在开发的时候往往容易放松自己的标准,认为功能实现就大功告成了,这种做法将会对我们以后的工作留下很多大量的后患。其实这些都是老话常谈了,但是这次深圳之行真正的让我体会到了这一点,我们做的是产品,是直接面向客户的!!

 

3.细节,还是细节

这次暴露了一些问题,我把我记得的陈列如下:

1.版本混乱,没有严格的管理机制:

有时候给客户解决问题,到最好发现客户用的是我们修订前的代码。代码版本在程序中没有说明,我们自己都不知道是什么版本,结果浪费了大量时间在修正我们之前已经修正过的工作上。软硬件代码版本统一发布,几点几的板子配什么代码,全部要说清楚。现在我们就是版本太多,而且有时候硬件都不向下兼容,导致需要维护的代码更多。

建议:统一代码版本,统一代码发布的窗口,只有专人才能发布代码并做严格说明。

 

2.代码内部细节存在隐患,没有经过严格的测试环节:

我们学生写得代码就是风格不好,基本上没有注释,或者更糟的,注释是错的(其实这个问题大家经常容易犯,一般是因为太懒了没有改正),代码分模块没有经过严格的测试把关,往往都是自己检查自己写的代码,导致一到客户那测试环境一变,问题就不断。

建议:强化测试环节,代码传递到公司时,公司一定要对代码做大量不同环境测试,一定要测量代码的健壮性,同时完善代码中的注释。

 

3.文档简单,操作起来非常好复杂:

这次暴露的很大一个问题就是我们的文档实在是太太简单了,用客户的话来说“用你们的文档,根本就没发用”,强雷建议修正文档,更详细,更人性化,更易操作,要做到客户即使不懂,按照我们的文档也能用起来,很让我感触的是有一家客户直接拿了周立功的一本文档对我说“我们希望的就是这种”,厚厚几百页,连怎么配置主频都说得清清楚楚,客户不想看芯片手册,更不想读我们的代码,他们只想知道完成某个工作需要做什么就可以了,向周立功学习!!

 

4.大平台的建设还需要完善:

pos的平台建设还是不够,很多功能都没有相对完整点的应用程序样例,在平台上还需要精细耕耘。

 

 

再谈深圳:

深圳是个移民城市,非常年轻,非常现代化,走在路上看到的更多是年轻人,不像在普通的城市,什么年龄段的都有。所以深圳也很有活力,design house 非常多,有的甚至只有几个人,但是没有人会说你人少,或者说你年轻来怀疑你的实力,更多的是在乎你能不能很好的完成目标,一次拜访客户,代理商介绍说“这是王总”,我定睛一看,站在眼前的就是一个很年轻很年轻,甚至看上去比我都小的年轻人。所以说深圳是一个很适合创业的城市。

 

深圳的城市很漂亮,温度也很舒服,在南京还是几度的时候,深圳已经是30度的高温了,(事先信息不够充分,竟然还带了外套过去,结果整个过程在箱子里面躺着),四处一片绿油油的热带树木,路上开满了号称是深圳市花的一种红色的花朵,在这2月间看到,甚是舒服。深南大道很是宽广和漂亮,高楼林立,还看到了传说中的M大厦(其实就是招商银行的大楼,标准特像摩托罗拉的标志,呈M型,故曰M大厦)。深圳靠海,城市比较卫生,而且公园很多,基本都是免费的,在红树岭那儿能直接看到香港,很近。

 

我们的宾馆在一个度假村里面,很安静,晚上睡觉的时候都是伴随着青蛙叫和鸟叫声,非常甜蜜,不幸的是深圳已经有蚊子了,第一天没有经验,开着窗子,结果半夜蚊子大军来袭,我是累的很,把被子捂上头继续睡,哭了吴义勇,在那边和蚊子大战,英勇负伤,早上起来发现血迹斑斑,第二天一天都很萎靡,呵呵。

走的那天,度假村里面开名车展,我们吃去早饭还去瞧了几眼,果然是名车,劳斯莱斯,沃尔沃,奔驰,讴歌,路虎,标的价格都是我要板着手指算要多少年不吃不喝才能买到的那种,买不起看看也是可以的,好歹我也是潜在客户么,呵呵,最好还是在服务人员鄙夷的眼光下昂首挺胸的拍了一大斧子照片扬长而去。

 

hahha ,剧终!

 

 

sep4020芯片所册 pdf格式 sep4020芯片所册,全面详细介绍东南大学自主研发的芯片sep4020和汇编语言。对于使用sep4020芯片的开发人员是必备的。 立即下载

相关推荐

sep4020用户手册

本文档是对SEP4020芯片作介绍,各个模块的使用。

SEP4020中RAMDISK的加载

<br />SEP4020中RAMDISK的加载<br /> <br />文档修订记录<br />版本<br />时间<br />修订者<br />修订内容<br />1.0<br />2010-4-26<br />沈立<br />创建文档<br />2.0<br />2010-4-27<br />沈立<br />指导:刘伟民  修改一些具体细节<br />              添加RAMDISK制作意义<br />一、        文件系统制作<br />1.      用BusyBox制作简易的

lsf0129的专栏 879

SEP4020用户手册

SEP4020 由东南大学国家专用集成电路系统工程技术研究中心设计,使用0.18um 标准 CMOS 的工艺设计,内嵌ASIX CORE(32 位RISC 内核,兼容ARM720T,带8KB 指令数 据Cache 和全功能MMU),采用冯诺依曼结构,SEP4020 芯片中集成各种功能包括:

关于linux的音频驱动(二)

 3.       关于sep4020_audio_write函数:这个是整个驱动的核心,也是难点,牵涉了dma操作,buffer ring的思想,linux中信号量的思想。一下内容读起来会有点吃力,请好好理解代码●关于dma:对dma的操作,在这里使用了一个buffer ring的思想,这里我们来看一下建立dma缓冲环的代码来理解这种buffer ring:static

技术点亮人生,成功通向卓越 1555

SEP4020 金手指接口核心板AD设计硬件原理图PCB工程+AD集成封装库.zip

SEP4020 金手指接口核心板AD设计硬件原理图PCB工程+AD集成封装库,4层板设计,大小为67x49mm,Altium Designer 设计的工程文件,包括完整的原理图及PCB文件,可以用Altium(AD)软件打开或修改,可作为你产品设计的参考。集成封器件型号列表: Library Component Count : 12 Name Description ---------------------------------------------------------------------------------------------------- AMS1117 U? CAP Capacitor CAPACITOR POL Capacitor CRYSTAL Crystal DIMM144 DIODE Diode G4 PLUS LED RES2 SST39VF1601 TC58512FT W981216BH-6

KMS服务器一键部署与激活实战指南

本文详细介绍了KMS服务器的一键部署与激活实战指南,包括快速入门、安装步骤、服务管理技巧及常见问题排查。特别针对Windows和Mac用户提供了Office激活的具体操作步骤,并分享了高级配置与优化方案,帮助IT管理员高效管理批量授权激活。

weixin_29305313的博客 461

SEP4020 spi 总线驱动的实现

我们的SEP4020 spi总线驱动在Linux-2.6.27内核中实现,内核里的测试程序spidev_test.c(位于Linux/documentation/spi)经交叉编译(交叉编译的操作:进入到Linux/documentation/spi 目录下[root@local

prothes 的专栏 1179

vCenter Server出现no healthy upstream的解决方法

可以通过"VMware vCenter Server Management(服务)"来排查问题,在网页里面找到“服务”模块,会发现有很多服务没有启动起来,而且手动启动也无法启动。7.0 地址后,页面出现“no healthy upstream”,无法正常登录vCenter,重启后依旧如此,该故障的前提是没有对vCenter做过任何配置,如下图所示。于是用命令查询是否有证书过期,发现真有多个服务依赖的证书在当天早上过期。使用如下命令尝试打开服务发现不分服务可以打开,不分服务无法打开。

1万+

linux小内核系统镜像,SEP4020 Linux2.6.16.13内核移植 && 挂载 ramfs 镜像

由于要准备linux内核升级,首先要先将原来2.6.16版本的内核移植到2.6.16.13版本上,由于以前并没有进行过类似的操作,故此次首先按照前辈们的做法先来练练。1、首先参考阿虚师兄的2.16.16版本的移植方法:下载里面的压缩包,并按照里面的步骤来进行操作至第三步。在第四步:修改 /arch/arm/Kconfig文件第95行 添加:config ARCH_SEP4020bool "sep4...

weixin_36212762的博客 404

Python爬取拼多多商品数据保姆级教程(附源码及效果图)

本文介绍了使用Python爬取拼多多商品数据的完整教程。通过DrissionPage库模拟浏览器操作,利用正则表达式提取嵌入在HTML中的商品数据(关键步骤是从window.rawData变量获取),解析后转换为结构化数据并导出Excel。教程包含八大步骤:环境配置、浏览器初始化、网络监听、搜索模拟、数据提取(核心是正则匹配JSON)、数据验证、字段解析和Excel导出,最后提供了封装好的函数可直接调用。该方法特别适合课程作业或毕业设计获取电商数据,能爬取商品名称、价格、销量等关键信息,处理了价格单位转换等

weixin_46449236的博客 2078

ATM火控电容改造实战:提升速凌无刷电机动力与系统稳定性

在嵌入式系统与电机驱动领域,电源完整性是保障电路稳定运行的核心基础。其核心原理在于通过合理的电容网络设计,为负载提供瞬时大电流并滤除高频噪声,从而维持电压稳定。这项技术的核心价值在于能显著提升系统的动态响应能力与可靠性,避免因电压跌落导致微控制器复位或功率器件过应力。典型的应用场景包括无人机电调、机器人关节驱动以及各类需要快速响应的伺服系统。本文聚焦于水弹发射器ATM火控系统的硬件迭代,通过详解电容的选型、布局与焊接流程,特别是针对速凌五代无刷电机的高启动电流特性,系统性地阐述了如何通过强化电源储能与芯片去

weixin_33868027的博客 557

模压电感硬核测评:进口与国产功率电感性能相互兼容 线艺 XAL4020-102ME VS TONEVEE MVL4020-1R0M

在消费电子、工业电源、通信设备等高密度 DC-DC 转换场景中,4020 封装模压功率电感因小体积、大电流、低损耗特性成为主流选型。TONEVEE MVL4020优势:参数对标、焊盘兼容、供货稳定、成本友好,适合消费电子、笔记本 / 平板电源、快充、普通工业 DC-DC、通信设备等大批量、高性价比需求场景。在非车规的消费电子、工业控制、通信电源等主流场景,TONEVEE MVL4020 系列可与XAL4020相互兼容,在保证性能与可靠性的同时,优化 BOM 成本与供应链风险。物理尺寸接近,可实现兼容替换;

wp123_1的博客 416

从零开始讲DDR(5)——读懂Datasheet

对于开发人员来说,需要根据实际场景和使用的需要,使用不同厂家,不同型号的DDR,虽然原理上大同小异,但是还是有一些细节上的需要注意的地方,接触一个新的DDR芯片,首先就是需要找到对应的datasheet,而能都读懂datasheet,也是一个硬件工程师的必备技能。

apple_53311083的博客 5221

历年清华大学(深圳)计算机保研上机真题

2025历年清华大学(深圳)计算机保研上机真题 2024历年清华大学(深圳)计算机保研上机真题 2023历年清华大学(深圳)计算机保研上机真题

u014339447的博客 946

vue项目表格甘特图开发

🧩 甘特图可以管理项目进度,生产进度等信息,管理者可以更直观的查看内容。

qq_35946021的博客 991

STM32 实现 4*4 矩阵键盘扫描(HAL库、标准库 都适用)

本文实现的代码是基于STM32HAL库的基础上的,不过标准库也可以用,只是调用的库函数不同,逻辑跟配置是一样的,按我这里的逻辑来配置即可。 1、键盘原理图: 原理举例:先把 F0-F7 内部拉高,这样这个8个引脚都是高电平,然后就进行列扫描。例如:假如按下3按钮,Y3 列扫描,把F4先拉低,然后读取F0-F3的状态,就会读出为1110,这就可 以知道是F3行拉低了,同时这时候是程序控制F4拉低的,这样就可以知道是F4列导致它转态变化了的,这样就可以定位出是F4列F3行的按键按下了;其他的列也是这样子扫描

lhh_qrsly的博客 7058

日不落灯光科技内置IC灯珠XT1511/SK6812系列驱动IC灯,256灰度内置集成电路IC,智能指示、显示装饰类应用

深圳市日不落灯光科技有限公司专业内置芯片LED及方案产品开发。专业生产4020侧发光/SK6812/XT1511、6822/2813断点续传LED、4020侧发光LED、2427RGB/3535MINI小尺寸封装等全系列内置IC灯珠、幻彩灯条及显示器等,(因为专业,所以卓越) 我司是中国领先的集LED封装与LED应用产品为一体的综合性光电高新技术企业,拥有高效精准的生产、研发和检测设备,先进的...

wb794697118的博客 2076

YOLOv11改进 | 主干/Backbone篇 | 利用RT-DETR主干网络PPHGNetV2助力yolov11有效涨点(轻量化目标检测网络)

本文给大家带来利用RT-DETR模型主干HGNet去替换YOLOv11的主干,RT-DETR是今年由百度推出的第一款实时的ViT模型,其在实时检测的领域上号称是打败了YOLO系列,其利用两个主干一个是HGNet一个是ResNet,其中HGNet就是我们今天来讲解的网络结构模型,这个网络结构目前还没有推出论文,所以其理论知识在网络上也是非常的少,我也是根据网络结构图进行了分析(精度mAP提高0.05)。YOLOv11改进系列专栏——本专栏持续复习各种顶会内容——科研必备​目录一、本文介绍。

Snu77的博客 3721

酷毙了,SK6812/2813断点续传芯片LED,智能编程LED灯

深圳市日不落灯光科技有限公司专业内置芯片LED及方案产品开发。专业生产4020侧发光/SK6812/WS2812、6822/2813断点续传LED、4020侧发光LED、2427/3535MINI小尺寸封装等全系列内置IC灯珠、幻彩灯条及显示器等,(因为专业,所以卓越) 我司是中国领先的集LED封装与LED应用产品为一体的综合性光电高新技术企业,拥有高效精准的生产、研发和检测设备,先进的生产管...

wb794697118的博客 8537

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

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")

圆心科技旗下药房再被处罚:两次递表港交所,腾讯、红杉等为股东

近日,贝多财经获悉,圆心科技旗下药房再遭处罚。其中,深圳市圆心友和医药大药房有限公司(下称“圆心友和大药房”)宝城药店违反药品分类摆放规定,于2022年5月23日被罚款1000元。据了解,这并非该药房首次被罚。 据从深圳市市场监督管理局披露,圆心友和大药房宝城药店存在药品违法行为,被深圳市市场监督管理局宝安监管局处以罚款1000元,行政处罚决定书文号为“深市监宝处罚〔2022〕新安235号”。 来源:深圳市市场监督管理局。 处罚依据为:深圳市药品零售监督管理办法/第五章法律责任/...

beiduocaijing的博客 2718

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

一通电话,一个急促的声音,一场72小时的黄金救援……

申耀的科技观察读懂科技,赢取未来!赢“我也没想到,6.5PB存储,还有配套的服务器和网络,这样一个双活方案的高要求,可以不到72小时就实现了成功部署并上线。”与戴尔易安信...

申耀的科技观察 1638

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

深夜,一个客户打来了电话

​ “我也没想到,6.5PB存储,还有配套的服务器和网络,这样一个双活方案的高要求,可以不到72小时就实现了成功部署并上线。”与戴尔易安信合作之后,某手机代工制造企业集团项目经理感叹道。 深夜的电话铃声响起 某代工制造企业集团,是全球知名的电子产业科技制造服务商,服务全球某著名手机品牌。 随着某著名手机品牌新品即将上市,对产能带来了新的压力。不过,之前日本工厂以高效率高品质的生产能力一直坚...

阿明观察 342

对比美国的房价, 中国的房价荒唐透顶

转: 2006年12月5日读报,偶然关注了一下从来不看的深圳的房地产价格。 一看之下,还真有了发现和感想。 4房2厅,275平方米,1000万。 4房3厅,260平方米,580万。 4房2厅,191平方米,350万。...

247

狐狸共享账号服务器查询,卫星节目共享账号,狐狸(动物号)和苹果(水果号)共享节目一览表...

该楼层疑似违规已被系统折叠隐藏此楼查看此楼狐狸号目前可以共享的加密节目:东经115.5度中星6B卫星C波段:标清:3840 H 27500:CCTV-1 综合3880 H 27500:CCTV-3 综艺、CCTV-5 体育、CCTV-6 电影、CCTV-8电视剧、CCTV-9 纪录4035 H 19580:东方财经、七彩戏剧、老年福3740 V 27500:网络棋牌、新动漫、篮球、中华美食、先锋...

weixin_35112865的博客 3414
上一篇: minigui+tslib编译全过程(3)
下一篇: 在fedora7上建立minigui的模拟开发环境
myleeming
博客等级 码龄18年 75粉丝 47原创
评论 4
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