na__D的博客

原创 【HDLBits】Circuits: Sequential Logic 1—Latches and Flip-Flops合集（包含答案推导过程）

A D flip-flop is a circuit that stores a bit and is updated periodically, at the (usually) positive edge of a clock signal.对于边沿触发的D触发器，具有两个稳定状态（“0"和"1”），D触发器在时钟脉冲CP的前沿（正跳变0→1）发生翻转。D flip-flops are created by the logic synthesizer when a clocked always b

原创 【HDLBits】Circuits—Combinational Logic合集（包含答案推导过程）

第一步：从真值表内找输出端为“1”的各行，把每行的输入变量写成**乘积(&)**形式;遇到“0”的输入变量上加非号。卡诺图的相关知识可以去这里看：https://zhuanlan.zhihu.com/p/158535749。实现8位有符号数据的二进制补码加法，并通过检测符号位变化来判断是否发生溢出。与上题不同的是，该卡诺图中出现d，其值可以有自己随意设定来方便化简。第二步：把各乘积项相加( | )

原创 【HDLBits】More Verilog Features合集（Conditional，for loop）

定义genvar，作为generate种的循环变量。generate语句中定义的for语句，必须要有begin，为后续增加标签做准备。begin必须要有名称，也就是必须要有标签，因为标签会作为generate循环的实例名称。i < 100;

原创 【HDLBits】Procedures合集

由于数字电路是由用导线连接的逻辑门组成的，因此任何电路都可以表示为模块和赋值语句的某种组合。然而，有时这不是最方便的方式来描述电路。过程（以always块为例）为描述电路提供了另一种语法。对于综合硬件，两种类型的 always 块是相关的：Combinational：始终为 @（ * ）Clocked：总是 @（posedge clk）例如，赋值和组合总是块描述相同的电路。两者都创建了相同的组合逻辑。每当任何输入（右侧）改变值时，两者都将重新计算输出。

原创 【HDLBits】Module合集（练习均用两种方法解决）

因此，ripple carry adder随着位宽的增加，延迟逐渐增大。构成的，每个全加器负责计算两个二进制位的和，并考虑进位输入和进位输出。根据它的功能，可以列出它的真值表。CI：前一次运算后是否有进位，有进位则为1，无进位则为0.(如果忘记全加器的知识，题干中间有我对这部分内容的补充）即使端口顺序改变，通过名字连接信号和端口也是正确的。在实例化一个模块时，端口根据模块位置的声明从左到右。本质上是在上一个练习的基础上加一个全加器模块。语法：.端口名（信号名）CO：输出本次运算的进位。

原创 【HDLBits】Vectors合集

逻辑运算符具有短路特性，即如果前面的表达式已经确定了结果，后面的表达式将不会被执行。例如，在 False && (b = 30) 中，由于 False 已经确定了结果，b = 30 不会被执行。位运算没有短路特性，即使前面的表达式已经确定了结果，后面的表达式仍然会被执行。：宽度为1位的变量，变量声明中没有指定位宽，默认标量（1位）用·default_nettype none 禁用隐式网络。在代码中没有明确声明但被使用的信号，在设计中会导致错误。：向量的宽度大于1位（如net型和variable型）

原创 事件（event） SystemVerilog

在数字逻辑仿真中，事件（event）是一种机制，用于触发模型中的更新或计算。这种机制是仿真器用来追踪信号的变化以及调度进程执行的核心。

原创 Python小项目：Personal Finance Manager System 个人财务管理应用

本项目旨在开发一款个人财务管理应用软件，帮助用户有效跟踪其收入、支出和储蓄情况。目标是提供一个简化财务管理的工具，让用户深入了解支出模式，并协助用户设定和实现财务目标。本应用程序的目标用户是年轻人，他们可能是毕业生，也可能是初入职场者。这类用户通常对财务规划了解有限。他们往往在跟踪日常开支、管理收入和计划储蓄方面面临挑战。

原创 Stanford-Coursera 算法Week1 笔记

Big-O notation 关注 T(n)，n = 1, 2,....

原创 吴恩达深度学习l3week2自动驾驶（最新超全）

原创 吴恩达深度学习l3week1Peacetopia 市的鸟类识别（最新）

选择C。

原创 吴恩达深度学习l2week3超参数调整、批量规范化、编程框架测验（最新超全）

第10题选择：假的。

原创 吴恩达深度学习l2week2编程作业—Optimization Methods（最新中文跑通版）

具有动量的梯度下降通常可以有很好的效果，但由于小的学习速率和简单的数据集所以它的影响几乎是轻微的。另一方面，Adam明显优于小批量梯度下降和具有动量的梯度下降，如果在这个简单的模型上运行更多时间的数据集，这三种方法都会产生非常好的结果，然而，我们已经看到Adam收敛得更快。Adam的一些优点包括相对较低的内存要求（虽然比梯度下降和动量下降更高）和通常运作良好，即使对参数进行微调（除了学习率α）

原创 吴恩达深度学习l2week2优化算法测验（最新超全）

使用更大的β 值可以提高过程效率，从而减少水平方向的摆动，使步进更多地向垂直方向移动。注意：此题错的，虽然有可能是局部最小值，但不递减行为与此无关。减少β会在产生更多的振荡。增加β会使红线稍微向右移动。

原创 （已解决）python出现进程已结束，退出代码为-1066598274 (0xC06D007E)

Anaconda Prompt右击以管理员身份运行。

原创 吴恩达深度学习l2week1编程作业—Gradient Checking（中文跑通版）

你是一个致力于在全球范围内提供移动支付的团队的一员，并被要求建立一个深度学习模型来检测欺诈行为——每当有人付款时，你都想看看付款是否可能是欺诈性的，比如用户的账户是否被黑客接管。因为这是一个任务关键型应用程序，您公司的首席执行官希望真正确定您的反向传播实施是正确的。请注意，grad是使用函数gradients_to_vector计算的，该函数使用backward_propation_n函数的梯度输出。也就是，计算关于𝜃的导数𝐽(𝜃)=𝜃𝑥 ，得到𝑑𝑡ℎ𝑒𝑡𝑎=∂𝐽/∂𝜃=x。numerator 分子；

原创 吴恩达深度学习l2week1编程作业—Regularization（中文跑通版）

请注意，正则化会影响训练集的性能！这是因为它限制了网络过拟合到训练集的能力。但是，由于它最终提供了更好的测试准确性，它正在帮助您的系统。我们希望您从此笔记本中记住的内容：正则化将帮助您减少过度拟合。规则化会使权重降低。L2正则化和Dropout是两种非常有效的正则化技术。

原创 吴恩达深度学习l2week1编程作业—Initialization

您已经尝试了三种不同类型的初始化。

原创 深度学习吴恩达l2week1quiz（题目全）

原创 吴恩达深度学习Deep Neural Network for Image Classification: Application 第四周编程答案及讲解（中文）

您可能会注意到，在较少的迭代次数（比如1500次）上运行模型可以在测试集上获得更好的准确性。输入是一个（64，64，3）图像，它被展平为大小为（12288，1）的矢量。相应的矢量：[𝑥0，𝑥1.𝑥12287]𝑇然后乘以权重矩阵𝑊[1] 然后加上截距𝑏[1]。如果您的代码通过了上一个单元格，请运行下面的代码来训练您的参数。输入是一个（64，64，3）图像，它被展平为大小为（12288，1）的矢量。然后，添加一个偏置项并取其relu，得到以下向量：[𝑎[1] 0，𝑎[1] 1，。代码在下面的单元格中给出。

原创 吴恩达 week4 Building your Deep Neural Network: Step by Step 编程作业及讲解（中文）

如图5所示，您现在可以将dAL输入到您实现的LINEAR->SIGMOID向后函数中（该函数将使用L_model_forward函数存储的缓存值）。堆叠[LINEAR->RELU]正向函数L-1层（对于层1到L-1），并在末尾添加[LINEAR->SIGMOID]（对于最终层𝐿).这将为您提供一个新的L_model_forward函数。使用𝐴[𝐿]，您可以计算预测的成本。在下面的代码中，变量AL将表示𝐴[𝐿]=𝜎(𝑍[𝐿])=𝜎(𝑊[𝐿]𝐴[𝐿−1]+𝑏[𝐿])（有时也称为Yhat）

原创 week4 吴恩达深度学习作业答案

原创 Neural Networks吴恩达第三周

以第一个node为例，可以看出：上标是第l层，下标是在该层的第i个neuron。它通常被称为列向量，因为它的形状类似于一个包含四个元素的列。这里有两层神经网络，因为input layer不算一层。（4，）表示一个一维数组，其中有四个元素。上标[1]和[2]如下图，表示神经网络层数。x^（i）表示第i个训练样本。无keepdims是（4，）

原创 Gradient Descent

上图是gradient descent的本质：以J（w)为例，w更新就是不断用前一个w-（learning rate·导数）用由loss function组成的cost function J来寻找最合适的w、b，从而降低J(w,b)这里要注意，导数用“dw”表示。

原创 Python学习笔记

列表的第一个元素，即索引为0的元素；列表的最后一个元素，即索引为-1的元素。5.牛牛有一个列表，记录了他和同事们的年龄，你能用for循环遍历链表的每一个元素，将其累加求得他们年龄的总和与平均数。6.for i in range(0, 20, 2)：2代表步长，i从0开始，每次增加2，直到达到19。2、使用内置函数tuple()，例如 t = tuple((s1,s2)) -- 注意是两层括号。9.元组：python内置的数据结构之一，是一个不可变列表（没有增、删、改的操作）如果列表为空，则跳出循环。

原创 Neural Networks and Deep Learning 第一周作业

原创 Python生日祝福-美丽蛋糕+祝福语

呈现效果如下：如果有用，给个点个小赞，谢谢b(￣▽￣)d

原创 判断列表是否为空

创建一个空列表my_list，如果列表为空，请使用print()语句一行输出字符串'my_list is empty!否则使用print()语句一行输出字符串'my_list is not empty!在Python中，False,0,’’,[],{},()都可以视为假。

原创 Python中删除函数的应用

现输入一行多个字符串表示按分数排名的该班级同学的名字（数量一定不少于三个），请你使用list将其封装为列表，然后使用三次pop函数，去掉末三位同学的名字，最后输出淘汰后的班级名字列表。牛妹有一个坏习惯，一旦与朋友吵架了，她就要删除好友。现在输入一个行多个字符串表示牛妹的朋友，请把它们封装成列表，然后再输入与牛妹吵架的朋友的名字，请使用remove函数帮她从列表中删除这个好友，然后输出完整列表。牛牛在各大互联网公司投入了简历，公司的名字通过字符串的形式在一行中输入，请用列表记录。

原创 Python中insert函数和append函数实现

为庆祝驼瑞驰在牛爱网找到合适的对象，驼瑞驰通过输入的多个连续字符串创建了一个列表作为派对邀请名单，在检查的时候发现少了他最好的朋友“Allen”的名字，因为是最好的朋友，他想让这个名字出现在邀请列表的最前面，你能用insert函数帮他实现吗？为庆祝驼瑞驰在牛爱网找到合适的对象，驼瑞驰通过输入的多个连续字符串创建了一个列表作为派对邀请名单，在检查的时候发现少了他最好的朋友“Allen”的名字，你能使用append函数将这个名字加到列表末尾吗？因此，insert(x,‘y’)中x是位置，y是字符串。

原创 Gradient descent algorithm学习

如果换顺序会导致theta0被更新，temp1中cost function得到错误结果。

原创 关于anaconda里有matplotlib但import matplotlib仍然飘红的问题

确保解释器路径指向 Anaconda 解释器。，然后导航到正确的路径。（我就是因为路径不正确，显示不出来package(;´༎ຶД༎ຶ`) ）激动人心的时刻来了！这次我成功了，我夺回属于我的一切！打开cmd，输入where python，复制第一个。尝试3：删掉原本配置好的matplotlib，失败。尝试1：upgrade pip，失败。检查 PyCharm 中的解释器设置。如果路径不正确，请单击齿轮图标，选择。尝试2：加了镜像还是失败。Anaconda 安装。

原创 南邮最新电装实习ESP8266 源码

【代码】南邮最新电装实习 源码

原创 数字电路 时序逻辑电路 看这一篇就够啦

任意时刻的输出不仅取决于当时的输入信号，而且还取决于电路原来的状态，或者说，还与以前的输入有关。结构特点：有反馈回路结构单元：触发器（这里是关于触发器的文章：）

原创 数字电路 组合逻辑电路 看这一篇就够啦

有助于更好理解数字电路中的组合逻辑电路

原创 Supervised Learning监督学习 And Unsupervised Learning不监督学习

“right answers” givenNote:Identify the most fitted curve under the influence of multiple variables to predict the resultsPredict continous valued output. Like the following curvePredict discrete valued output(Set 0 1).The figure has discrete points(output)

原创 数模美赛Latex必会公式排版，简单易学

数模美赛Latex必会公式排版：一行、多行公式大括号类型公式行间、行内公式