11.1 读图的思路和步骤

本文讲述了如何通过读图技巧理解电子电路,包括理解电路用途、分解为独立部分、分析功能、构建框图以及性能估算。强调了结合理论与实践,利用软件辅助分析的重要性。

所谓 “读图”,就是对电路进行分析。读图的能力体现了对所学知识的综合应用能力。通过读图,开阔视野,可以提高评价性能优劣的能力、系统集成的能力和设计能力,为电子电路在实际工程中的应用提供有益的帮助。
在分析电子电路时,首先将整个电路分解成具有独立功能的几个部分,进而弄清每一部分电路的工作原理和主要功能,然后分析各部分电路之间的联系,从而得出整个电路所具有的功能和性能特点,必要时再进行定量估算;为了得到更细致的分析,还可借助于各种电子电路计算机辅助分析和设计软件。详细思路和步骤如下:

一、了解用途

了解所读电路应用于何处及其所起作用,对于分析整个电路的工作原理、各部分功能以及性能指标均具有指导意义。因而 “了解用途” 是读图非常重要的第一步。通常,对于已知电路均可根据其适用场合大概了解其主要功能,有时还可已知电路的主要性能指标。

二、化整为零

将所读电路分解为若干具有独立功能的部分,究竟分为多少部分,与电路的复杂程度、个人所掌握基本功能电路的多少和读图经验有关。有些电路的组成具有一定的规律,例如通用型集成运放一般均有输入级、中间级、输出级和偏置电路四个部分,串联型稳压电源一般均有调整管、基准电压电路、输出电压采样电路、比较放大电路和保护电路等部分,正弦波振荡电路一般均有放大电路、选频网络、正反馈网络和稳幅环节等部分。
模拟电子电路分为信号处理电路、波形产生电路和电路的供电电源电路等。其中信号处理电路是最主要、也是电路形式最多的部分,而且不同电路对信号处理的方式和所达到的目的各不相同,例如可对信号加以放大、滤波、比较、转换等。因此,对于信号处理电路,一般以信号的流通方向为线索将复杂电路分解为若干基本电路。

三、分析功能

选择合适的方法分别分析所分解的每部分电路的工作原理和主要功能。因而不但需要能够识别电路的类型,如是放大电路、运算电路、电压比较器 ⋯ ⋯\cdots\,\cdots;而且还需要能够定性分析电路的性能特点,如放大能力的强弱、输入和输出电阻的大小、振荡频率的高低、输出量的稳定性⋯ ⋯\cdots\,\cdots。它们是确定整个电路功能和性能的基础。

四、统观整体

首先将每部分电路用框图表示,并用合适的方式(文字、表达式、曲线、波形)扼要表述其功能;然后根据各部分的联系讲框图连接起来,得到整个电路的方框图。方框图不但直观地看出各部分电路应如何相互配合以达到整个电路的功能,还能够根据前面的分析定性分析出整个电路的性能特点。

五、性能估算

对各部分电路进行定量估算,从而得出整个电路的性能指标。从估算过程可知每一部分电路对整个电路的哪一性能产生什么样的影响, 为调整、维修和改进电路打下基础。
应当指出,读图时,应首先分析电路主要组成部分的功能和性能,必要时再对次要部分作进一步分析。对于不同的具体电路,分析步骤也不尽相同,上述思路和步骤仅供参考。

### 安装 CUDA 11.1 及其对应的 cuDNN(Windows) 在 Windows 系统上安装 CUDA 11.1 及其对应的 cuDNN 是使用深度学习框架(如 PyTorch)进行 GPU 加速的前提。以下是详细的安装步骤。 #### 安装 CUDA 11.1 确保系统已安装支持 CUDA 11.1 的 NVIDIA 显卡驱动。访问 NVIDIA 官网,根据显卡型号下载并安装合适的驱动程序。确认驱动版本兼容 CUDA 11.1 后,前往 NVIDIA 官方 CUDA 下载页面,选择适用于 Windows 的 CUDA 11.1 安装包并下载。 运行安装程序后,选择自定义安装选项,确保勾选 CUDA Toolkit 11.1 组件。安装完成后,CUDA 默认安装路径为 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1`,环境变量将自动配置[^1]。 #### 配置 cuDNN 访问 NVIDIA 开发者网站并注册账号,进入 cuDNN 下载页面。选择与 CUDA 11.1 兼容的 cuDNN 版本,并下载适用于 Windows 的 ZIP 压缩包。下载完成后,解压文件包,得到 `bin`、`include`、`lib` 三个文件夹。 将这三个文件夹复制到 CUDA 11.1 的安装目录中,与同名文件夹合并。具体路径为 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1`。完成复制后,cuDNN 即完成配置,可与 CUDA 11.1 协同工作[^3]。 #### 安装 PyTorch 并启用 GPU 支持 安装完 CUDA 11.1 cuDNN 后,可使用 Conda 安装与之兼容的 PyTorch 1.9.0 版本: ```bash conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=11.1 -c pytorch ``` 安装完成后,运行以下代码验证 GPU 是否被正确识别: ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 若输出 `True`,则表示 PyTorch 已成功启用 GPU 加速。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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