- 博客(361)
- 收藏
- 关注
RSS订阅
原创 whaosoftのipsec~strongSwan~3~国产系统适配
慢慢开始写~ 完善中 strongSwan ~ ipsec vpn 适配恶心的国产系统。一、开源欧拉 openEuler。
2024-11-22 11:14:33
344
1
原创 嵌入式※~MCU~LWIP~TCPS/HTTPS等
单片机MCU中的加密通道, 使用各种的加密通道, http / tcp / mqtt 等。可能不在重复发了 ~~ 请看链接吧~~~
2024-10-24 14:36:09
655
1
原创 51c嵌入式~mbedtls~rsa
RSA算法在计算过程中存在较多的取模运算和幂运算，计算速度比对称加密算法要慢，所以不适合对大量数据进行加密和解密，在实际中常用于加密或解密小数据片段。mbedtls RSA算法中的生成秘钥对比较占用空间，再加上RSA算法计算过程涉及到大数运算，所以RSA算法对内存的消耗比较大。实际使用RSA算法中需要包含填充方案，在计算之前会对明文进行随机注入，这样在公钥和明文相同的情况下，也不会生成相同的秘文。对称加密算法，比如AES算法，在发送端（加密）和接收端（解密）使用相同的一份秘钥，称为共享秘钥。
2024-10-23 14:09:34
1147
1
原创 嵌入式※~CH395Q-UDP
注:下面还有个广播IP,255.255.255.255 ,是因为执行多播通信需要把UDP的目的地址配置为广播IP。上面的引脚分配把模块的TX引脚接到了单片机的PA3上,也就是串口2的RX上,如果用户使用了串口2,请注意!多播MAC地址是为了MAC过滤,后面会讲,用户不需要设置,默认不过滤MAC。单片机程序里面写的是把接收的服务器返回给服务器,并使用串口打印接收的消息。要想模块使用SPI通信,模块的TX引脚需要在模块重启之前设置为低电平.提醒:无论是SPI,USART,并口,程序操作步骤都是一样的!
2024-10-20 00:01:06
1182
10
原创 ipsec~strongSwan
应该这俩个导致启动失败, 其实都是一个原因arm没tun, 但一般内核是有的就是没开启 需要重新编译一下了, 每个平台不一样 ,所以自己搞吧 //1 ( 建个文件去就行,不过正常应该自己能生成啊 不用手动建,建完了 后面还是报错 )//2 ( 系统里没tun的问题上面也是~~ )
2024-10-12 14:26:13
554
1
原创 whaosoftの物联网各种设备协议
需要的可以联系我 仓库地址在 github=== /whaosoft/wdata-collection-lib 中自己搜吧 > 有没有感兴趣哒。准备开源-物联网各种PLC及各种非PLC设备(变频器等)协议 - go/c 语言版本 (适用于arm32/64及stm32)Arcnet 没什么资料 也没开发板 真正的环网呀~~西门子 smart200 , s1200。还有这3钟老外常用的。
2024-10-10 19:06:05
495
1
原创 whaosoftの各芯片各种板~使用日记
AI及非AI的开发板使用心得哦~~ 逐步完善哦~ whaosoft aiot 欢迎一起来交流哦 ~1年多过去了 记得之前东西好像不多 但还好有个微信群 看着帖子也多了 群里也很热闹 还不错哦~~美中不足 竟然cpu都不支持can rk3568还有几个 呢~~我就想知道 这个就没个带桌面的镜像吗 (发的时候还没)做了一个外围板子 准备开源一下pcb等 不知道有人需要吗。部分评估板及核心板及开发板 , 用到CAN CANFD等。这里全是cpu 不说MCU哦~atlas200 第一代。这家系统有点难用哦~~
2024-09-21 15:56:52
300
1
原创 51c嵌入式~mbedtls移植各MCU
我的嵌入式专辑 由于还没发完 请去这里看原贴~~ 待更新完 发回来~~ https://143ai.com/
2024-09-15 23:45:25
1330
1
原创 w~大模型~合集1
虽然大模型对开发简化提效有所帮助，但大模型并未提高助理效果的核心因素，如理解、规划和推理等。没有数十万规模的真实的助理数据训练，无法理解其垂直场景的各种长尾情况。
2025-03-31 13:58:33
701
1
原创 51c嵌入式~单片机~合集7~※
从一块石英晶体上按一定方位角切下薄片(简称为晶片，它可以是正方形、矩形或圆形等)，在它的两个对应面上涂敷银层作为电极，在每个电极上各焊一根引线接到管脚上，再加上封装外壳就构成了晶振器，常见的有DIP(插脚类)和SMD(插片类)。这和芯片的设计有关系。一般VDD和VSS管脚均匀分布在芯片的四周的，是基于电源完整性的考虑，可以为芯片提供最好的电源质量，降低电源阻抗，保证高速数字电路可靠工作的手段。在场效应管(或COMS器件)中，VDD为漏极，VSS为源极，VDD和VSS指的是元件引脚，而不表示供电电压。
2025-03-31 13:54:34
492
1
原创 51c大模型~合集50
知情人士表示，他们还不确定 「草莓」的具体定价，但据另一位了解该产品的人士称，「草莓」可能会限制用户每小时发送消息的最大数量（即设置上限），并可能提供更高价格的等级（此前网传订阅价格最高可达每月 2000 美元，也有传言 200 美元，但最终价格尚未确定），以加快响应速度。首先，研究人员发现，如果给模型一些简单的草图（这些草图是从已经能解决问题的代码中「回译」而来），模型就能根据这些草图写出正确的最终程序。然而，在传统机器学习领域中表现出色的「搜索」策略，将如何拓展大模型的能力，还是个未知数。
2025-03-30 00:15:00
1154
1
原创 51c深度学习~合集4
本文最终的结论是：决定一个视觉骨干模型性能的最重要因素是用于训练的。https://blog.51cto.com/whaosoft/12327892
2025-03-29 00:15:00
949
1
原创 51c嵌入式~三极管~合集1
测试的第一步是先找出来这个三极管的基极。那么剩下的一次必然是正、反向电阻都较大，于是，可以得出结论，正、反向电阻都偏大的那一次，未测量的那个引脚就是这只三极管的基极（如果在“顺箭头，偏转大”的测量过程中，由于颠倒前后两次测量指针偏转角度都很小，实在难以区分，就要“动嘴巴”了，具体方法是，在“顺箭头，偏转大”的判别方法的两次测量中，用两只手分别捏住两表笔与管脚的结合部位，用嘴巴含住基极，仍用“顺箭头，偏转大”的判别方法即可区分出来集电极和发射极，其中原理是由于人体起到直流偏置电阻的作用，湿测量效果更加明显。
2025-03-29 00:15:00
1045
1
原创 51c自动驾驶~合集15
我自己的原文哦~ https://blog.51cto.com/whaosoft/11720657首个基于Mamba的端到端运动规划器（新加坡国立）运动规划是一项具有挑战性的任务，在高度动态和复杂的环境中生成安全可行的轨迹，形成自动驾驶汽车的核心能力。在本文中，我们提出了DRAMA，这是第一个基于Mamba的自动驾驶端到端运动规划器。DRAMA融合了相机、特征空间中的LiDAR鸟瞰图图像以及自我状态信息，以生成一系列未来的自我轨迹。与传统的基于变换器的方法不同，DRAMA能够实现计算强度较低的注意力
2025-03-28 11:58:41
967
1
原创 51c嵌入式~MOS~合集1
在电机控制中，电压越大，电机转速越快，而通过PWM输出不同的模拟电压，便可以使电机达到不同的输出转速。当然，在电机控制中，不同的电机都有其适应的频率 频率太低会导致运动不稳定，如果频率刚好在人耳听觉范围，有时还会听到呼啸声。频率太高的电机可能反应不过来，正常的电机频率在 6-16kHZ之间为好。输出的电压就不同，电机转速就不同。那我们可以知道，通过滑动变阻器或者更换不同电压的电源都可以实现电机的调速，但是在实际应用中显然PWM更方便些。专业一点的话就是：
2025-03-28 11:09:43
831
1
原创 51c自动驾驶~合集26
我觉的来看这篇文章的人应该是相关从业人员，所以决策规划是什么以及为什么要做决策规划就先不做赘述。虽然搞了目录，但内容还是有些多，可以搜索关键字跳着看。1. 组织架构一般会有一层环境模型（车道模型、导航推荐、红绿灯决策）并行与预测（AI组），接着是决策层（变道、绕行等），然后是运动规划motion planning（横向规划，纵向规划），最后是控制。2. 从入门到放弃2.1 坐标系FreeNet与笛卡尔FreeNet优劣势。
2025-03-23 00:42:29
1165
1
原创 51c视觉~合集26
2. 相关工作**视频对象分割 (VOS)**。VOS 任务的目标是，给定第一帧的地面真实 (GT) 对象分割掩码，在视频后续帧中跟踪和预测对象掩码。在线学习方法 [4, 7, 26, 38, 40, 41, 45, 46, 49, 52, 61, 69] 将该任务表述为一个半监督学习问题，在测试期间，模型会使用第一帧的 GT 掩码进行微调。然而，这项工作通常会遭受推理效率低、对输入敏感以及难以随着大量训练数据进行扩展的问题。
2025-03-22 03:15:00
1142
1
原创 51c~C++合集1
举一个例子，当我们的线程池中有100个任务，开了50个线程，当有49个线程都在工作时，此时还剩下一个任务没有执行，显而易见应当是剩下的那个线程去偷取剩下的一个任务，但是如果我们有30个任务组盛放了这100的任务，此时剩下的一个任务还不知道被放在哪里了呢。当然不是，我们可以设置一个缓存空间的最大任务数量，当传入的任务缓存满时，我们可以让后面的任务等一等不要着急，当任务队列中的任务减少的时候，我们就让缓存队列中的任务读出加入任务队列，同时写入新的任务。需要说明的是，真实的多线程情况远比我们刚才讨论的复杂。
2025-03-21 22:07:49
978
1
原创 51c大模型~合集73
我自己的原文哦~ https://blog.51cto.com/whaosoft/12318419 视频、图像、文本，只需基于下一个Token预测：智源Emu3发布，验证多模态模型新范式OpenAI 前首席科学家、联合创始人 Ilya Sutskever 曾在多个场合表达观点：只要能够非常好的预测下一个 token，就能帮助人类达到通用人工智能（AGI）。虽然，下一 token 预测已在大语言模型领域实现了 ChatGPT 等突破，但是在多模态模型中的适用性仍不明确，多模态任务仍然由扩散模型（如 S
2025-03-21 00:15:00
408
1
原创 51c视觉~YOLO~合集12~
我自己的原文哦~ https://blog.51cto.com/whaosoft/13602490一、其他YOLO1.1、YOLO 和 SAM 检测和分割物体
2025-03-20 13:08:22
394
1
原创 51c嵌入式~电路~合集21
01有极性的电容，原理图和PCB把管脚搞反了？02电源和地忘记接了......还有接反的......03连接器的线序搞反了...04RX、TX接反了...串口RX、TX画的时候心里默念不要接反，不要接反，板子贴片回来测试，果然串口不通。05想当然的写一个封装，结果没有这个规格的器件，百度文库下载datasheet，结果根本买不到这个器件。06。
2025-03-20 12:56:27
746
1
原创 51c自动驾驶~合集23
想象这样一个家用机器人：它能像人与人之间的互动那样，使用自然语言与人类在日常活动中协作。这种场景需要两个关键特性：机器人与人类之间的动态协作，以及使用自然语言进行交流。当前具身人工智能（embodied AI）的基准测试通常只满足其中一个条件；要么机器人是独立运作的，要么任务不是用自然语言指定的。尽管具身人工智能领域取得了显著进展，但在评估机器人在协作环境中的表现的现实基准测试方面仍存在空白。
2025-03-19 12:07:41
1045
1
原创 51c自动驾驶~合集24
今年上半年，某新势力对自动驾驶业务的组织架构进行了大调整。在这波调整中，除了智驾一号位之外最核心的感知负责人和规控负责人，两人的命运处境迥异。这家新势力的感知负责人成了“得意者”。全新的组织架构是去模块化，砍掉了感知部门、规控部门，合并成立了大模型部门，全面负责算法的研发。这个职位可谓是除了智驾一号位之外，职能权力和业务权限最大的了。原感知负责人担任大模型部门的leader
2025-03-18 12:39:39
681
1
原创 51c大模型~合集7
尽管该工作在提升多模态对抗攻击迁移性方面取得了显著效果，但如何更充分地利用对抗攻击的交集区域，以及提供更深入的理论解释，仍然是未来值得深入研究的方向。我们对对抗轨迹交集区域及其对 VLP 对抗攻击迁移性的研究还在持续探索中，欢迎大家持续关注。如果有任何问题或进一步的想法，随时欢迎讨论。
2025-03-14 23:58:53
1019
1
原创 51c大模型~合集8
图 1 DetToolChain 的整体框架如图 1 所示，对于给定的查询图像，MLLM 被指示进行以下步骤：I. Formatting：将任务的原始输入格式转化为适当的指令模板，作为 MLLM 的输入；II. Think：将特定的复杂检测任务分解为更简单的子任务，并从检测提示工具包中选择有效的提示（prompts）；III. Execute：按顺序迭代执行特定的提示（prompts）；
2025-03-14 04:00:00
967
1
原创 w~视觉~合集14
我自己的原文哦~ https://blog.51cto.com/whaosoft/13538162本文将图像视为一种“外语”，并引入了一个名为Vision-to-Language Tokenizer（V2L Tokenizer）的工具，它将连续的视觉信号映射到LLM的token空间。方法使得冻结的LLM能够在不需要在多模态数据集上进行资源密集型微调的情况下理解视觉信号。V2L Tokenizer通过生成全局和局部token来处理图像。文章链接：https://arxiv.org/pdf/2403.0
2025-03-13 12:34:50
808
1
原创 51c自动驾驶~合集54
在车道拓扑提取任务中，我们预测一个密集的邻接矩阵，用于表示车道线段和交通元素之间的关系。具体来说，车道线段之间的关系由矩阵A∈Rm×m表示，车道线段与交通元素之间的关系由矩阵A∈Rm×n表示，其中m和n分别是车道线段和交通元素的数量。尽管密集视觉提示可以实现高性能，但其高昂的成本、环境影响和低效的推理速度使其不适用于实时应用。因此，我们采用链式推理（Chain-of-Thought, COT）方法，仅对稀疏的边缘情况进行密集视觉提示，从而提高推理效率。
2025-03-12 11:37:20
1269
1
原创 51c大模型~合集10
我自己的原文哦~ https://blog.51cto.com/whaosoft/11547799美国太平洋时间 7 月 23 日，Meta 公司发布了其最新的 AI 模型 Llama 3.1，这是一个里程碑时刻。Llama 3.1 的发布让我们看到了开源 LLM 有与闭源 LLM 一较高下的能力。Meta 表示，“到目前为止，开源 LLM 在功能和性能方面大多落后于闭源模型。现在，我们正迎来一个由开源引领的新时代。”Meta 称 Llama 3.1 是目前最强的生成式 AI 产品。4 月份，Meta 已
2025-03-11 22:48:42
1079
1
原创 w~深度学习~合集7
CPAL方法通过上下文感知地捕捉对象特征的细微差异来深化对实例的理解，这一过程得益于对上下文信息的精妙利用。它不仅仅关注原型的表征能力，还通过特征分布对齐技术和一个创新的训练框架来进一步优化这种能力。这个训练框架独到之处在于它融合了传统的标签引导分类监督和新颖的原型引导自我监督，两者相得益彰。通过这种方法，在PASCAL VOC 2012和MS COCO 2014两个标准数据集上的实验不仅验证了CPAL的有效性，还展示了它在提升模型性能方面的显著优势，推动了该领域的进步至新的高度。
2025-03-11 09:26:25
357
1
原创 w~大模型~合集30
下图 2a 显示了 Mamba 模块的细节。时空扫描：为了将 B-Mamba 层应用于时空输入，本文图 4 中将原始的 2D 扫描扩展为不同的双向 3D 扫描：(a) 空间优先，通过位置组织空间 token，然后逐帧堆叠它们；(b) 时间优先，根据帧排列时间 token，然后沿空间维度堆叠；(c) 时空混合，既有空间优先又有时间优先，其中 v1 执行其中的一半，v2 执行全部 (2 倍计算量)。图 7a 中的实验表明，空间优先的双向扫描是最有效但最简单的。
2025-03-11 09:21:50
1068
1
原创 51c视觉~CV~合集5
八叉树算法应用到主题色提取可能存在的问题是，每次削减掉的叶子数不确定，但是新增加的只有一个，这就导致我们需要的主题色数量并不一定刚好得到满足，例如设定的主题色数量为7，可能上一次叶子时总数还有10个，到了下一次只剩5个了。whao开发板商城测试。中位切分算法的原理很简单直接，将图像颜色看作是色彩空间中的长方体（VBox），从初始整个图像作为一个长方体开始，将RGB中最长的一边从颜色统计的中位数一切为二，使得到的两个长方体所包含的像素数量相同，重复上述步骤，直到最终切分得到长方体的数量等于主题颜色数量为止。
2025-03-10 10:42:14
976
1
原创 51c嵌入式~电机合集1
无刷直流电机，英语缩写为BLDC（Brushless Direct Current Motor）。电机的定子是线圈，或者叫绕组。转子是永磁体，就是磁铁。根据转子的位置，利用单片机来控制每个线圈的通电，使线圈产生的磁场变化，从而不断在前面勾引转子让转子转动，这就是无刷直流电机的转动原理。下面深入一下。
2025-03-08 11:56:30
801
1
原创 51c视觉~3D~合集2
本文介绍一种新的联合优化方法，使得3DGS能够在无需相机内参和外参的情况下进行训练。为解决这一问题，我们首先推导出了相机内参的梯度，使得这些参数能够在反向传播过程中进行优化。此外，我们整合了全局轨迹信息，并选择与每个轨迹相关的高斯核进行训练。我们进一步将两种新的损失函数——轨迹损失和尺度损失，与原始3DGS的光度损失结合在一起。广泛的实验评估表明，我们的方法在公共数据集和复杂的合成数据集上均超越了以往需要相机内参的方法，并在新视角合成任务上达到了当前最优（SOTA）性能。
2025-03-08 00:15:00
1418
5
原创 51c视觉~合集47
门控循环单元 ( GRU ) 网络是一种循环神经网络，旨在高效处理顺序数据。与 LSTM 不同，GRU 的架构更简单，消除了存储单元，只使用两个门（更新和重置）。这使它们更快、更轻量，非常适合我们的情况，因为我们需要实时处理动作而不影响性能。此外，对于跌倒检测等短序列，GRU 的表现通常与 LSTM 一样好，提供了更高效的解决方案而不牺牲准确性。为了使用 GRU 识别动作，我们将每个动作表示为一系列单独的姿势 - 我们的基本单位。每个姿势都由与身体关节相对应的关键点列表组成。
2025-03-07 09:25:49
383
1
原创 51c嵌入式~电路~合集17
单片机上拉电阻的选择大家可以看到复位电路中电阻R1=10k时RST是高电平 ，而当R1=50时RST为低电平，很明显R1=10k时是错误的，单片机一直处在复位状态时根本无法工作。出现这样的原因是由于RST引脚内含三极管，即便在截止状态时也会有少量截止电流，当R取的非常大时，微弱的截止电流通过就产生了高电平。LED串联电阻的计算问题通常红色贴片LED：电压1.6V-2.4V，电流2-20mA，在2-5mA亮度有所变化，5mA以上亮度基本无变化。端口出现不够用的情况。
2025-03-06 10:36:13
1243
1
原创 51c自动驾驶~合集53
我自己的原文哦~ https://blog.51cto.com/whaosoft/13431196上交提出：以Decoder为核心的大一统架构写在前面 & 笔者的个人理解当前端到端自动驾驶架构的串行设计导致训练稳定性问题，而且高度依赖于BEV，严重限制了其Scale Up潜力。在我们ICLR2025工作DriveTransformer中，不同于以往算法Scale Up Vision Backbone，我们设计了一套以Decoder为核心的无需BEV的大一统架构。在Scale Up提出的类GPT式并行
2025-03-04 17:21:59
1029
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人