【笔记】74HC573的一些记录

74HC573是一款八路透明锁存器,常用于数码管显示,节省引脚资源。其工作状态受OE(输出使能)和LE(锁存允许)控制。当OE低且LE高时,Dn输入状态决定On输出;OE低LE低时,保持之前状态;OE高时,输出进入高阻态。了解其真值表有助于理解其工作原理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在一些需要锁存信号的数码管中,经常可以见到74HC573。使用74HC573可以节省我们的引脚的使用。

在这里插入图片描述

74HC573是拥有八路输出的透明锁存器,输出为三态门,是一种高性能硅栅CMOS器件。
如图,OE为三态允许控制端(低电平有效),通常叫做输出使能端
1D–8D为数据输入端; 1Q–8Q为数据输出端;LE为锁存允许端,或锁存控制端。

其内部原理图:
在这里插入图片描述

真值表在这里插入图片描述

图为74HC573的真值表,真值表中字母代码含义如下:
H一高电平,
L一低电平;
小写的h、l为离开的瞬间保存的电平状态
X一任意电平,
Z一高阻态输出
QO一上次的电平状态。
NC—无变化,状态锁存在从高到低的转换的时候

从真值表可以看出:

当OE为低,LE为高的时候,Dn输入的电平状态为高,On输出的状态就为高,Dn输入的电平状态为低,On输出的状态就为低。

当OE为低,LE为低的时候,Dn的电平状态离开之前为高,On输出的状态就为高,Dn的电平状态离开之前为低,On输出的状态就为低。

当OE为低,LE为低的时候,Dn的电平状态离开之前没变化(X),On输出的状态无变化,On状态锁存在从高到低的转换的时候。

当OE为高,LE为高的时候,Dn输入的电平状态为高,On输出的状态为高阻态的高电平状态,Dn输入的电平状态为低,On输出的状态为低阻态的高电平状态。可以高阻态可以理解为,基本没有输出了!

当OE为高,LE为低的时候,Dn电平状态离开之前为高,On输出的状态为高阻态的高电平状态,Dn的电平状态离开之前为低,On输出的状态为低阻态的高电平状态。可以高阻态可以理解为,基本没有输出了!

LE为高时,就不锁存了,也就是说On输入什么,Dn就输出什么。
OE为片选信号,当OE为低时,锁存器为正常的工作状态,当OE为高时,锁存器为高阻态的工作状态(没有输出了,相当于不使能了)。

### 使用 huggingface_hub 在 AutoDL 环境中进行模型或数据集操作 为了在AutoDL环境中成功使用`huggingface_hub`库执行模型或数据集的操作,需注意几个关键点: 安装合适的`huggingface_hub`版本对于避免兼容性问题是必要的。如果遇到类似“No module named 'huggingface_hub.inference._text_generation'”这样的错误消息,则可能是由于版本不匹配引起的问题[^1]。因此建议先降级到稳定版来规避此类问题的发生。 针对具体的应用场景,在AutoDL平台上部署并运行基于Hugging Face的项目时,比如ChatGLM3,可能会碰到验证失败的情况,这是因为仓库ID格式不符合规定所造成的。正确的做法应该是确保repo_id遵循'repo_name'或是'namespace/repo_name'的形式,并视情况调整参数设置以满足需求[^3]。 另外,当处理受保护资源访问权限不足引发的异常(如GatedRepoError),则要确认已通过合法途径获取相应授权令牌,并正确配置环境变量以便于程序能够顺利连接至目标存储库完成下载任务[^4]。 下面给出一段Python脚本示范怎样利用`transformers`和`datasets`这两个依赖于`huggingface_hub`的包加载预训练模型以及公开可用的数据集合: ```python from transformers import AutoModelForCausalLM, AutoTokenizer from datasets import load_dataset model_checkpoint = "your_model_path_or_repo" dataset_name = "your_dataset" tokenizer = AutoTokenizer.from_pretrained(model_checkpoint) model = AutoModelForCausalLM.from_pretrained(model_checkpoint) raw_datasets = load_dataset(dataset_name) ``` 这段代码展示了基本的工作流程——初始化分词器与模型实例化;随后调用`load_dataset()`函数传入指定名称从而获得所需资料集对象。当然实际应用当中还需要考虑更多细节因素,例如网络状况、磁盘空间等硬件条件限制可能影响效率甚至成败与否。
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

打赏作者

创客阿蛋

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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