- 博客(121)
- 收藏
- 关注
RSS订阅原创 BMP图片与VGA（HDMI）时序互转
BMP（Bitmap）是一种用于存储位图图像的文件格式，广泛应用于 Windows 操作系统中。BMP 文件可以存储高质量的图像数据，包括颜色深度较高的图片，同时支持无压缩或可选的简单压缩方式。BMP格式文件头文件类型：2 字节，通常为BM。文件大小：4 字节，整个 BMP 文件的大小。保留字段：4 字节，保留字段，值为 0。像素数据偏移量：4 字节，图像数据开始的位置。信息头头大小：4 字节，信息头的大小。图像宽度：4 字节，以像素为单位。
2024-09-14 21:43:26
1091
原创 chapter2_逻辑代数基础
在前面的章节中，主要是讲了数码来表示数量的不同大小，也能用来表示不同的事物。在数字逻辑电路中，可以用1位二进制数码的0和1表示一个事物的两种不同逻辑状态。所谓“逻辑”，这里是指事物间的因果关系。当两个二进制数码表示不同的逻辑状态时，他们之间可以按照指定的某种因果酸洗进行推理运算，我们称菏泽中运算为逻辑运算。本章所讲的逻辑代数是布尔代数在二值逻辑电路中的应用，虽然有些逻辑代数的运算公式在形式上和普通代数的运算公式雷同，但是两者包含的物理意义有本质的不同。逻辑代数中也用字母表示变量，这种变量称为逻辑变量。而逻辑
2024-09-04 20:46:13
879
原创 chapter1_数制和码制
数字信号某物理量在时间上的变化是不连续的，变化的数值大小和每次增减的变化都是某一个最小数量单位的整数倍，小于这个歌最小数量单位没有任何物意义。我们把这一类物理量成为数字量，而表示数字量的信号称为数字信号。模拟信号物理量的变化在时间上或树枝上则是连续的。我们把这类物理量称为模拟量，把表示模拟量的信号称为模拟信号。
2024-08-22 12:06:39
945
原创 04.阻塞赋值和非阻塞赋值
阻塞赋值的赋值号是用"="表示,对应的电路结构往往与触发沿没有关系,只与输入电平的变化有关系.它的操作结构可以认为是只有一个步骤的操作,即计算赋号右边的语句并更新赋值号左边的语句,此时不允许有来自任何其他verilog语句的干扰,直到现行的赋值完成,才允许下一条的赋值语句的执行.锁存器不推荐使用,但如果非要使用,一定要采用非阻塞赋值的方式,因为采用非阻塞赋值实现时序逻辑,进而实现锁存器是最安全的。在计算非阻塞语句赋值号右边的语句和更新赋值号左边的语句期间,允许其他的verilog语句同时进行操作.
2024-07-16 20:56:48
317
原创 03.时序逻辑
D触发器的工作原理:在一个脉冲信号(一般为晶振产生的时钟脉冲信号)上升沿或者下降沿的作用下,将信号从输入端D送到输出端Q,如果时钟脉冲信号的边沿信号未出现,即使输入信号改变,输出信号仍然保持原值,且寄存器拥有复位清零功能,其复位又分为同步复位和异步复位.而在时序逻辑中,输出信号会延迟输入信号一个时钟周期.当我们在表达组合逻辑时,如果时钟和数据是对齐的,就默认当前时钟沿,采集到的数据是在该时刻上升沿同一时刻的值;如果是表达时序逻辑时,如果时钟和数据是对齐的, 默认当前时钟沿采集到的数据是在该时刻前一刻的值,
2024-07-16 20:55:54
304
原创 02.组合逻辑
同步电路是有时序电路(寄存器和各种触发器)和组合逻辑电路构成的电路, 其所有操作都是在严格的时钟控制下完成的. 这些时序电路共享同一个时钟 CLK,而所有的状态变化都是在时钟的上升沿(或下降沿)完成的.锁存器在 数据未锁存时,输出端的信号随输入信号变化,就像信号通过一个缓冲器,一旦锁存信号有效,则数据被锁存,输入信号就不起作用.因此,锁存器也被称为透明锁存器,指的是不锁存时输入对于输入时透明的.全加器是在半加器的基础上的升级版, 除了加数和被加数加和外,还要加上上一级传进来的进位信号.
2024-07-16 20:53:16
1031
原创 01.Verilog基础语法
VerilogHDL是一种硬件描述语言，以文本形式来描述数字系统硬件的结构和行为的语言，用它可以表示逻辑电路图、逻辑表达式，还可以表示数字逻辑系统所完成的逻功能。Verilog语法分为可综合的语法和不可综合的语法，可综合的意思是可以综合成实际电路，同理不可综合就是不能形成实际的电路。VHDL语法自由,易学易用语法严谨,上手较难适合算法级,门级设计适合系统级设计代码简洁代码冗长发展较快发展缓慢。
2024-07-16 20:52:12
1647
原创 Verilog奇技淫巧（二）
time用来查看当前仿真时刻，返回一个64bit的整数来表示的当前仿真时刻；$ realtime和$time的作用相同，$realtime但是返回的时间数字是一个实型数；$readmemb，用来从文件中读取数据到存储器中；名称运算符优先级（数字越大越高）按位取反，逻辑取反~、!12乘除，取模*、/、%11加，减+、-10移位>>、<<9比较运算符>、>=、<、<=8等式=、=、！==7按位与&、~&6按位异或、~5按位或|、~|4逻辑与&&3。
2024-04-04 15:30:54
927
原创 Verilog奇技淫巧（一）
同步级别决定了在FIFO的输入和输出之间插入多少级同步缓冲区，以确保数据的可靠传输，同时避免数据丢失或不同步。和函数一样，automatic关键字也可以用于对任务进行声明，以便当调用任务时分配的存储空间是动态的——即不同的任务实例对应的不同的存储空间。因为timescale 前面是时间单位，后面是时间精度，而时间单位是10ns,所以，在test模块中，所有的时间值应为10ns的整数倍，且以1ns为时间。2）没有输入变量，函数是要求必须有一个输入变量的，因此当没有输入变量的时候，只能用任务。
2024-04-04 15:27:50
1151
原创 python之Pandas
Pandas 是 Python 语言的一个扩展程序库，用于数据分析。Pandas 名字衍生自术语 “panel data”（面板数据）和 “Python data analysis”（Python 数据分析）。Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。
2023-08-21 21:24:24
440
原创 python之Numpy
计算机科学家edsger w.djkstra(艾兹格·W·迪科斯彻)，delattr这一风格的解释应该是比较好的:- 当只有最后一个位置信息时，我们可以快速看出切片和区间里有几个元素: range(3)和my_list[:3]- 当起始位置信息都可见时，我们可以快速计算出切片和区间的长度，用有一个数减去第一个下表(stop-start)即可- 这样做也让我们可以利用任意一个下标把序列分割成不重叠的两部分，只要写成my_list[x]和my_list[x:]就可以了。
2023-08-21 21:11:58
391
原创 标量和向量的导数
梯度下降是通过不断沿着梯度的相反方向接近损失函数最小的点，从而不断的更新参数来求解小批量随机梯度下降算法是深度学习默认的求解算法两个重要的超参数是学习率η\etaη和批量大小b。
2023-08-21 20:49:04
242
原创 09强化学习
agent可以直接或间接的与之交互的一切，Agent执行操作时，Environment会发生变化；polocoes:策略是agent用来决定采取什么action的规则，可以是确定的，也可以是随机的。Reward:agent从环境中接收的数值，作为对agent操作对未来局势影响的判断。reward一般是人为定义的，reward定义的好坏可以直接影响结果。 在观察一种S时，根绝策略函数，Agent的A是随机的。Ut只是一个随机变量，在t时刻，并不知道它是什么，它依赖于未来所有的action和state。
2023-08-21 20:41:54
140
原创 08无监督学习——聚类
类别：无监督学习目的：通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础。分层聚类擅长于发现数据中的嵌入式结构。基于密度的方法在寻找具有相似密度的未知数量的聚类方面表现优异。K-means考虑在整个数据集中找到"共识”，K-means考虑数据集中的每个点，并使用该信息在一系列迭代中进化聚类。高斯混合模型考虑重合数据的聚类。
2023-08-20 16:11:08
663
原创 07无监督学习——降维
维数灾难(Curse of Dimensionality):通常是指在涉及到向量的计算的问题中，随着维数的增加，计算量呈指数倍增长的一种现象。1.降维(Dimensionality Reduction)是将训练数据中的样本(实例)从高维空间转换到低维空间。2.有很多种算法可以完成对原始数据的降维，在这些方法中，降维是通过对原始数据的线性变换实现的。
2023-08-20 16:10:31
924
原创 06有监督学习——迁移学习
当两个域是相似的时候，那么它们之间会共享某种相似关系，将源域中学习到的逻辑网络关系应用到目标域上来进行迁移，比方说生物病毒传播规律到计算机病毒传播规律的迁移。当源域和目标域含有一些共同的交叉特征时，我们可以通过特征变换，将源域和目标域的特征变换到相同空间，使得该空间中源域数据与目标域数据具有相同分布的数据分布，然后进行传统的机器学习。基于模型的迁移，源域和目标域共享模型参数，也就是将之前在源域中通过大量数据训练好的模型应用到目标域上进行预测。（2）基于特征的迁移学习。（3）基于模型的迁移学习。
2023-08-20 16:09:46
561
原创 05有监督学习——神经网络
比方说对数线性回归(log-linear regression)，令g(.) = In(.)，此时模型预测值对应的是真实值标记在指数尺度上的变化。1986年，Rumelhart和McClIelland为首的科学家提出了BP( Back Propagation )神经网络的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，目前是应用最广泛的神经网络。神经网络模型可以非常方便地对数据进行升降维，随着特征数量的增多，样本的密度就下降了，继续升维度，就会过拟合，不适用于真实情况。1.能够自适应、自主学习。
2023-08-20 16:09:13
601
原创 04有监督算法——支持向量机
支持向量机( Support Vector Machine ）要解决的问题什么样的法策边界才是最好的呢?特征数据本身如果就很难分,怎么办呢?计算复杂度怎么样?能实际应用吗?支持向量机（ Support Vector Machine , SVM)是一类按监督学习( supervised learning )方式对数据进行二元分类的广义线性分类器( generalized linear classifier )。
2023-08-20 16:06:32
1488
原创 03.有监督算法——决策树
后剪枝:通过一定的衡量标准，具体来说:C4.5采用的悲观剪枝方法，用递归的方式从低往上针对每一个非叶子节点，评估用一个最佳叶子节点去代替这课子树是否有益。对于任意划分特征A，对应的任意划分点s两边划分成数据集D1和D2，求出使D1和D2各自集合的均方差最小，同时D1和D2的均方差之和最小所对应的特征和特征值划分点。表示特征X使得类Y的不确定性减小的程度（表示分类后的专一性，希望分类后的结果是同类在一起）如果目标变量是离散的，称为分类树。2.更新子集，在自己中选取新的特征，求信息增益的最大的特征。
2023-08-20 16:05:26
1019
原创 02.有监督算法——朴素贝叶斯
根据已经发生的事件来分析得到的概率。以P(Y | X)代表在假设X成立的情况下观察到Y数据的概率。根据以往经验和分析得到的概率。我们用P（Y）来代表在没有训练数据前，假设Y 拥有的初始概率。拉普拉斯平滑是一种用于平滑分类数据的技术。引入拉普拉平滑法来解决零概率问题。
2023-08-20 16:04:53
190
原创 01.机器学习引言
例如，平均损失函数（Quadratic Loss Function）L(Y,f(x)) = (Y- f(x))监督学习：输入的数据中有监督信息，以概率函数、代数函数或人工神经网络为基函数模型，采用迭代计算方法，学习结果为函数。提取目的：自动地构建新的特征，将原始数据转换为一组具有明显物理意义（例如，几何特征、纹理特征）或统计意义的特征。强化学习：以环境为反馈（奖/惩信号）作为输入，以统计和动态规划技术为指导的一种学习方法。4.用步骤3中选出的模型对测试集计算，得出推广误差（代价函数的值）
2023-08-20 16:04:23
690
原创 02.案列项目Demo
通过将共用的部分做成一个模板，然后在不同的位置插入插槽，最终通过继承共用部分，重写差异化部分，达到代码复用。格式：mysql [-h 主机名] -u 用户名 -p密码 [-P端口号] [-D数据库名][-P端口号（P大写）]或者[–port=端口号]：指定登录的MySQL的端口号；[-h主机名或ip地址]或者[–host=主机名ip地址]：指定登录的主机名；[-D数据库名]或者[–database=数据库名]：指定登录的数据库名称；[-u用户名]或者[–user=用户名]：指定用户登录的用户名；
2023-08-20 16:03:17
809
原创 01.Django入门
MySite├─MySite│ └─asgi.py 【异步式的接收网络请求】【默认不动】│ └─wsgi.py【同步式的接收网络请求】【默认不动】│ └─settings.py 【项目的配置文件：链接数据库，注册APP】【经常修改的文件】│ └─urls.py 【URL和函数的对应关系】【经常修改的文件】└─manage.py 【项目的管理：启动项目、创建app、数据管理】【默认不动，经常使用】使用tree命令显示不完全的原因：tree /f。
2023-08-20 16:00:36
832
原创 WebStorage
3.xxxStorage.getItem(key)，如果key对应的value获取不到，那么getItem的返回值是null.2.浏览器端通过Window.sessionStroage和Window.localStorage属性来实现本地存储机制。该方法接收一个键和值作为参数，会将键值对添加到存储中，如果键名已将存在，则更新其值。2.localStorage中存储的数据，需要手动清除才会消失。该方法接收一个键名作为参数，并将该键名从存储中删除。该方法接收一个键名作为参数，返回键名对应的值。
2022-12-30 13:07:05
597
原创 Vue.mixin混入
属性中以数组的方式声明，而当存在重叠的配置项时,会保留原本的配置项，其他的都跟原配置项一起混入形成新的配置项，注意：如果生命周期函数发生重叠，是都要执行，不以特定的组件为主！当两个或者多个组件存在相同的属性或方法时，将相同的特征提取出来写成一个。文件的内容是多个组件相同的部分，其内容跟组件的配置项的内容是一样的，但。局部混入：minxins:[‘XXX’]全局混入：Vue.mixin(xxx)文件里面的内容时，先在本组件中导入。文件的中是都相同的配置项。当某个组件需要使用的该。
2022-12-30 13:05:46
985
3
原创 Vue.插件
本质：包含install方法的一个对象，install的第一个参数是Vue,第二个以后的参数是插件使用者传递的数据。使用插件：Vue.use(导入的插件名)功能：用于增强Vue。
2022-12-30 13:05:42
154
原创 第一章.线性空间和线性变换
什么是数域？数域是一种数集，元素的和、差、积、商仍在数集中（具有封闭性），称为数域。如有理数域Q，复数域C，实数域R（1）两个加法定律： ① 交换律 α+β = β+α ② 结合律 α+（β +ξ） = （α+β ）+ξ（2）零元素： ③ 对于V中任意一个元素α，都有α+0 = α（3）负元素： ④ 对于V中任意一个元素α，都有V中的元素β，使得α+β = 0并且该数乘满足下面四条法则：（1）两个数乘对应加法的分配率 ⑤ 数乘法对抽象的加法的分配率：（α+β）· k = α · k + β ·
2022-12-05 17:47:24
965
原创 python之Matplotlib
数据可视化是将数据转换为图或表等信息图像,以一种更直观的方式展示和呈现数据.可视化,是通过图形化的手段进行有效地表达,准确高效,简洁全面地传递某种信息,甚至帮助我们发现某种规律和特征,挖掘数据背后的价值.matplotlib是一款用于数据可视化的Python软件包,支持跨平台运行,它能够根据Numpy ndarray数组来绘制2D(3D)图像,它使用简单\代码清晰易懂,深受广大技术爱好者喜爱.3. matplotlib的基本方法方法名说明title()设置图表的名称xlab
2022-11-24 20:31:02
4365
原创 python3 可变对象与不可变对象
首先,可变与不可变是指的这个对象的id当需要改变对象内部值的时候,对象的id不发生变化:不可变对象发生变化:可变对象。
2022-11-14 20:20:31
459
原创 python之numpy
NumPy定义了一个n维数组对象，简称ndarray对象，它是一个一系列相同类型元素组成的数组集合。数组中的每个元素都占有大小相同的内存块ndarray 对象采用了数组的，将数组中的每个元素到内存块上，并且按照一定的布局对内存块进行排列(行或列).1.3 numpy.empty()创建未初始化数组创建指定形状的数组,元素随机填充− 数组元素为随机值，因为它们未初始化创建指定形状的数组,数组元素以0填充创建指定形状的数组，数组元素以 1 来填充numpy.asarray 类似 numpy.ar
2022-11-13 19:37:46
1334
原创 day4.python基础下
在python中模块(module)的概念跟C语言\Java中的包很类似.要使用某个模块下的函数,就必须先使用import关键字导入模块.例如,导入math模块,就可以使用math.sqrt()函数。
2022-11-04 23:05:56
329
原创 day3.python基础中下
封装就是在创建类之前将相关的特征属性和方法打包在一起，然后通过类来生成相应的对象。注意，封装一定要注意属性和方法的相关性通过继承创建的新类称为子类，而被继承的类称之为父类，（基类或者超类）
2022-10-31 16:27:18
922
原创 day2.python基础中上
所以当power传入的值为2的时候，嵌套函数的外层保存的exp值就为2，因此power(2)函数的功能就是求某个数的平方；同理，当power传入的值为3的时候，嵌套函数的外层保存的exp值就为3，对应的返回函数的功能就是求立方。，主要放在函数声明前，当该函数被调用时，会先将该函数作为参数传入装饰器所声明的函数，然后将新的函数声明返回赋值给被调用的函数。即你需要取的时候，我才产生，并保留当前状态。是指对指定的函数进行二次包装，通常是将现有的函数部分参数预先给绑定，从而得到一个新的函数，我们称之为。
2022-10-15 15:08:28
422
原创 python实现汉诺塔问题
汉诺塔问题，这里有A，B，C三根柱子，A柱子有若干个环，要求将A柱子上的环在每次只移动一个环，且保证。的原则去移动，求移动的过程。
2022-10-13 22:55:38
293
原创 day1.python基础上
在print函数要打印的字符串之前加一个,就可以将字符串原样输出，而不必考虑其存在的转义字符，eg:2).长字符串主要是为了解决跨行字符串，或者都可以拼接 = “+ ”：复制 = “*”，eg:4)陌生运算符：运算符作用is判断两个对象的id是否相等is not判断两个对象的id是否不相等5)导入随机数模块6）处理字符串的函数关于字符串大小写字母转换的方法capitalize()：返回首字母大写casefold：返回所有字母都是小写的字符串t
2022-10-09 16:14:00
1395
原创 day6.Vue组件
使用Vue.extend(options)创建，其中options和new Vue(options)时传入的那个options几乎一样，但也有点区别;区别如下:1.el不要写，为什么?—最终所有的组件都要经过一个vm的管理，由vm中的el决定服务哪个容器。2.data必须写成函数，为什么?——避免组件被复用时，数据存在引用关系。`备注`:使用template可以配置组件结构。
2022-09-28 21:59:37
351
原创 Vue指令总结
（1）局部指令new Vue({指令名：配置对象 } }) //或者 new Vue({指令名：回调函数 } })（2）全局指令Vue . directive('指令名' ，配置对象);//或者 Vue . directive('指令名' ，回调函数);
2022-09-14 23:25:37
178
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人