自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

友友们好呀

欢迎光临

  • 博客(87)
  • 资源 (3)
  • 收藏
  • 关注

原创 灵感-日常

2025-09-21 21:44:24 124

原创 python中的self

2025-09-21 21:32:24 125

原创 计算机组成原理

ROM和RAM和CPU之间分别走不同的数据线,这也就是大家早已听闻的两大计算机结构之二的哈佛结构,也是我们本次主要研究的对象,因为简单好学。对于初学者而言,为了效率,我们还是力求不必要的困难,这是战术上的智慧。Cpu从ROM中取出第一部分程序,创建一条蛇,为了贯彻力求避免不必要困难,所以战术上的智慧啊,我们先创建一个长度为一的蛇,换句话说,这个蛇只有一个舌头。目前,大部分的计算机工作,是这样的,程序放在硬盘,在执行程序之前,把程序放到内存,再从内存中读取执行,同时产生的数据也存放在内存中。

2025-09-21 21:31:28 221

原创 DCC-GARCH模型与代码实现

临时起意,后续整理是一种用来分析多变量时间序列间动态相关性的模型。它结合了和,用于描述金融时间序列数据中的波动聚类效应和相关性的变化。

2025-09-21 21:29:10 639 1

原创 Linux基操

一个操作系统,内核是LInux内核,也就是说,乌班图是基于linux内核操作系统的发行版。

2025-09-21 21:26:58 554

原创 CPU硬件物理结构

分享一个查看CPU硬件物理结构的好网站http: //en. wikichip. org,

2025-09-21 21:17:05 218

原创 风险预测模型原理

临时起意,后续整理是用于评估和预测在未来事件中可能发生的风险的数学或统计模型。它广泛应用于金融、保险、医疗、工程等领域,以帮助决策者提前了解潜在的风险并采取相应的措施。

2025-09-21 21:15:38 1081

原创 github十大开源FPGA项目

临时起意,后续整理GitHub上拥有众多优秀的FPGA开源项目,这些项目涵盖了从基础学习、教育工具到高性能计算、处理器设计等多个方面。

2025-09-21 21:14:43 1354

原创 linux命令--迭代积累

2025-09-21 21:12:29 142

原创 样本量估计原理与python代码实现

样本量计算的原理涉及统计学中的多个核心概念,目的是确定进行研究或实验时所需的样本量,以确保研究结果的精确性、可靠性和统计学显著性。例如,使用两组独立样本t检验时,如果效应量较小,方差较大,研究人员可能需要更多的样本以确保能够检测出差异。通过合理的样本量计算,研究人员能够优化资源分配,减少研究的浪费,同时提高结果的可靠性和有效性。R²(决定系数)通常用作效应量的度量,效应量越大,需要的样本量越小。样本量估计的原理是在研究过程中,为了达到一定的统计检验水平和效应大小,需要确定合理的样本大小。

2025-09-21 21:11:28 711

原创 linux-环境配置-指令-记录

【代码】linux-环境配置-指令-记录。

2025-09-21 21:09:26 160

原创 git环境操作指南

git环境操作指南。

2025-09-21 21:02:21 266

原创 makefile原理

临时记录,后续整理。

2025-09-21 21:00:51 156

原创 QEMU官网安装教程

按步骤操作,即可使用。

2025-09-21 20:59:09 185

原创 macport安装qemu

macport安装qemu。

2025-09-21 20:55:21 200

原创 从麦卡洛克-皮茨模型到rosenblatt

麦卡洛克-皮茨模型是最早的神经元模型,其历史发展与基本原理,请阅读下面这篇文章。神经网络始祖:感知器、溯源、原理、代码。

2024-11-06 08:32:49 384

原创 Cortex-M内核M0,M0+,M3,M4,M7之间的区别

的数据(这里可以认为是浮点数)处理的指令;重点解释一下:对于CPU(不是SOC)来说,运算浮点类型的数据是很麻烦的一件事,在选型的时候,如若用应用的领域需要大量浮点数据的运算的时候,那么就要选择M4的内核,M4会大大提高处理器性能和运算速度,而如果要要处理的浮点数据不多,则可以直接选择M3内核处理器;Cortex-M分为:M0,M0+,M3,M4,M7。M7:性能好和功耗高兼具,适合追求极致性能项目;M3:目前最主流的设计内核选型,应用范围广;M4:比较着M3的内核来说,M4处理器添加了。

2024-07-27 22:31:16 2542

原创 基于BP神经网络的PID自适应控制——simulink平台(详细分析过程+完整代码+仿真结果)(二)

先把一小部分代码放在这,后面再写。

2024-04-22 07:52:44 3016 2

原创 独立样本t检验——python完整代码(直接运行就行)

【代码】使用python脚本对数据做独立样本t检验——完整代码(直接运行就行)

2024-04-21 23:02:15 853

原创 python环境下 调用openai chatgpt进行对话

【代码】python。

2024-04-21 19:33:40 388

原创 利用python进行矩阵运算

【代码】利用python进行矩阵运算。

2024-04-21 18:23:15 223

原创 pip安装的python包放在哪里了?—— ubuntu系统

【代码】pip安装的python包放在哪里了?—— ubuntu系统。

2024-04-20 13:14:43 331 1

原创 大模型开发轻松入门——(1)从搭建自己的环境开始

【代码】大模型开发轻松入门——(1)从搭建自己的环境开始。

2024-04-17 22:03:41 415

原创 ubuntu 环境下安装 jupyter notebook 详细教程

【代码】ubuntu 环境下安装 jupyter notebook 详细教程。

2024-04-17 00:23:08 2336

原创 下载anaconda

https://www.anaconda.com/download/success

2024-04-16 23:40:37 382

原创 深度学习中的数学——卷积神经网络

留作记录,后面再写。

2024-04-08 08:19:05 182

原创 深度学习中的数学——误差反向传播法

留作记录,后面再写。

2024-04-08 08:18:21 174

原创 深度学习中的数学——神经网络最优化

留作记录,后面再写。

2024-04-08 08:17:23 173

原创 深度学习中的数学——神经网络初探

留作记录,后面再写。

2024-04-08 08:16:16 155

原创 人工智能简史

向自然学习:从遗传算法到强化学习。先写出框架,后面迭代补充。从专家系统到知识图谱。人工智能的计算理论基础。

2024-04-08 08:11:20 167

原创 操作系统调度是什么

留作记录,后面再写。

2024-04-08 07:51:01 133

原创 进程与线程到底是什么

留作记录,后面再写。

2024-04-08 07:47:58 265

原创 操作系统——进程间通信到底是什么

留在此,慢慢写。

2024-04-05 21:06:24 160

原创 计算机内存是如何管理的

想一下我们平常使用的笔记本电脑吧,高考那年,家里买了第一个笔记本,去门店那天,内存 硬盘 电池,店员小姐姐对我是一顿讲解,性能与参数齐飞,秋水共长天一色。各种数据吧,cpu的计算结果啦,程序执行过程中的产生的数据啦,等等吧,anyway,反正就是能存东西。cpu、memory、peripherals,这是计算机的主要部件,三者之间通过system bus勾搭在一起。在Soc中,processor registers用的是SRAM,片内的main memory用的是DRAM。内存和硬盘有啥区别?

2024-04-05 20:58:13 480

原创 虚拟内存到物理地址的映射,是CPU做的,还是操作系统做的?

为了加速地址翻译的 过程,现代CPU都引入了转址旁路缓存(Translation Loopaside Buffer, TLB)。实现得,具体来说,就是CPU的内存管理单元 (Memory Management Unit,虚拟地址到物理地址的转换,是。

2024-04-01 13:27:54 217

原创 一文了解 操作系统 内核架构

​ ​MSDOS(MicroSoft Disk Operating System)就是这个结构,​ ​ ​ ​缺点:任何一个应用或操作系统出现问题,整个系统就会崩溃。简要结构:将应用程序与操作系统放在用一个地址空间,无需底层硬件提供复杂的内存管理、特权隔离。MSDOS(MicroSoft Disk Operating System)就是这个结构,

2024-03-28 20:40:59 388

原创 CPU和指令集架构

指令集架构(instruction set architecture, ISA)是CPU和软件之间的桥梁。ISA包含指令集、特权级、寄存器、执行模式、安全扩展、性能加速扩展等多个方面。

2024-03-28 10:21:55 255

原创 中断、异常和系统调用,到底是什么意思

中断有两种:cpu外部产生的,以及,cpu执行程序过程中产生的。

2024-03-26 10:27:58 485

原创 ARMv8 寄存器有哪些

2024-03-24 23:16:23 149

原创 为什么安装了4GB的内存条,却显示只有3.8GB?

CPU 访问内存,是通过地址总线,理论上,如果你让CPU的32位地址总线,全部去访问内存,自然,没话讲,能访问4GB内存。明白了吧,电脑显示只有3.8G内存,是因为抵制总线只能访问到3.8G,实际上你的内存条依然是4GB的。第二,存储器(内存、物理内存);第三,输入设备、输出设备。但是,除了内存,还有一些外设,需要通过地址总线去访问,朋友们,对于计算机而言,其基本包含三部分。32位的地址总线,其地址范围就是。

2024-03-24 22:11:11 1117

NVIDIA-H100-GPU-Architecture-Whitepaper-zhCN.pdf

内容概要:本文详细介绍了NVIDIA H100 Tensor Core GPU的架构设计与技术创新,重点涵盖其在AI、高性能计算(HPC)和数据分析领域的卓越性能表现。H100基于Hopper架构,采用TSMC 4N工艺,集成800亿晶体管,具备132个SM(流式多处理器),支持FP8、TF32、FP64等多种数据格式,显著提升计算吞吐量。其关键特性包括第四代Tensor Core、Transformer引擎、DPX指令加速动态规划、线程块簇、Tensor内存加速器(TMA)、第二代MIG多实例GPU、机密计算、HBM3高带宽显存、50MB二级缓存以及第四代NVLink和NVSwitch互连技术,整体性能相较A100提升达6倍。此外,H100支持PCIe 5.0和先进的安全机制,适用于大规模AI训练、推理、基因组学等前沿应用场景。; 适合人群:从事人工智能、高性能计算、数据中心架构、GPU加速计算及相关领域的研发工程师、系统架构师、科研人员和技术决策者;具备一定GPU计算或CUDA编程基础的专业人士。; 使用场景及目标:①用于大规模AI模型(如大语言模型、Transformer)的高效训练与推理;②支撑HPC应用如气候模拟、量子计算、基因组学分析(如Smith-Waterman算法加速);③在多租户云环境中实现安全隔离的MIG实例部署;④构建高性能AI超算集群(如DGX H100和SuperPOD)以实现极致扩展性;⑤在金融、医疗、自动驾驶等领域实现安全的机密计算与联合学习。; 阅读建议:此文档为技术白皮书,内容详实且专业性强,建议结合NVIDIA官方CUDA文档、开发者工具(如Nsight、DCGM)及实际硬件平台进行深入研读,重点关注Transformer引擎、TMA异步传输、DPX指令优化等新特性在实际算法中的应用与性能调优。

2025-10-05

2025AI网络技术白皮书.pdf人工智能AI网络双向赋能技术体系:Network for AI与AI for Network融合架构及智能算力基础设施演进

内容概要:本文系统阐述了AI与网络深度融合的两大方向——“网络赋能AI”(Network for AI)和“AI赋能网络”(AI for Network)。前者聚焦通过高性能网络技术支撑AI训练与推理的高带宽、低延迟、确定性传输需求,涵盖Scale Up/Scale Out架构、新型互连协议(如NVLink、UALink、RoCEv2、UEC)及前沿突破技术(如确定性广域网、超节点架构、6G协同);后者探讨利用AI技术实现网络智能化升级,包括意图驱动网络(IDN)、数字孪生网络(DTN)、智能网络大模型、多智能体协同及联邦学习等关键技术,并展示了在运营商、金融、云服务等领域的典型应用实践。文章还提出了AI网络发展的十大趋势,描绘了未来智能网络的演进方向。; 适合人群:从事网络通信、人工智能基础设施、云计算、数据中心运维等相关领域的技术人员、架构师、科研人员及产业决策者。; 使用场景及目标:①理解AI大模型时代对网络基础设施的核心需求与技术挑战;②掌握高性能智算网络的关键架构与协议设计原理;③了解AI驱动网络自治的实现路径与前沿技术体系;④为构建下一代AI-native网络系统提供技术选型与架构设计参考。; 阅读建议:此资源兼具技术深度与产业视野,建议结合具体应用场景深入研读各章节关键技术

2025-10-05

神经元模型:罗森布拉特感知机

神经元模型:罗森布拉特感知机

2024-11-06

手把手-四驱智能小车设计全套资料-STM32主控-循迹-避障-2.4G遥控

01源程序 04各模块原理图 04-各模块原理图 05-芯片手册 06-各模块产品手册 07GPIO控制车轮动(coding) 08 STM32F10X-STD标准库V3.5(附带94个官方例程) 09 智能小车信号线布局

2024-07-28

在 jupter notebook中 构建多层感知器 识别 MNIST 手写字体

文件:python代码 内容:基于 anaconda+keras 框架,在 jupter notebook 中 构建多层感知器,识别MNIST数据集中的手写数字。 亲测可用,同学们可以放心下载。 MNIST数据集 (Mixed National Institute of Standards and Technology database) 是美国国家标准与技术研究院收集整理的大型**手写数字数据库**,包含 6万 个示例的训练集以及 1万 个示例的测试集。MNIST数字文字识别数据集数据量不太多,而且是单色的图像,比较简单,很适合深度学习的初学者用来练习建立模型、训练、预测。 经典的MNIST数据集包含了大量的手写数字。十几年来,来自机器学习、机器视觉、人工智能、深度学习领域的研究员们把这个数据集作为衡量算法的基准之一。你会在很多的会议,期刊的论文中发现这个数据集的身影。实际上,MNIST数据集已经成为算法作者的必测的数据集之一。有人曾调侃道:"如果一个算法在MNIST不work, 那么它就根本没法用;而如果它在MNIST上work, 它在其他数据上也可能不work!"

2022-07-19

STM32F10X固件库 STM32F10x_StdPeriph_Lib_V3.5.0

STM32F10X固件库 STM32F10x_StdPeriph_Lib_V3.5.0

2022-06-30

STM32F103C8T6引脚定义表

STM32F103C8T6C引脚定义表,里面定义芯片STM32F103C8T6的引脚功能定义,可做日常开发的参考资料。

2022-06-29

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除