- 博客(20)
- 问答 (1)
- 收藏
- 关注
原创 STM32学习笔记3---ADC,DMA
根据引脚定义表,PAO到PB1这10个引脚是ADC的10个通道,但是其他的这些引脚。18个输入通道,可测量16(16GPIO)个外部(最多)和2个内部(内部温度传感器,内部参考电压)信号源。,多路开关(左边通道,接入右边的规则组)(点菜)(指定通道通道0,序列,指定通道采样时间)数据转运的路径:12个独立可配置的通道: DMA1(7个通道), DMA2(5个通道)依次启动四次转换,并在转换前,指定转换通道,每次转换完成,把结果存在四个里面。,0-2的12次方减1)逐次逼近型(工作模式)ADC,1us(
2024-08-27 23:01:26
895
原创 联邦聚合算法代码详解(第四期resnetcifar.py部分)
块的设计是为了在保持计算量相对不变的同时增加模型的深度。它通常包含一个 1x1 的卷积用于减少通道数(瓶颈),然后是一个 3x3 的卷积用于提取特征,最后是一个 1x1 的卷积用于恢复通道数。这个过程模拟了数据在网络中的流动,从输入层开始,通过一系列的卷积层、批归一化层、激活函数层、以及可能的池化层和全连接层,最终产生输出。在 ResNet-18 的典型实现中,网络被划分为四个这样的阶段,每个阶段的特征图大小逐渐减小(通过步长为 2 的卷积或池化操作实现),同时特征图的数量(即通道数)逐渐增加。
2024-07-12 16:04:39
967
原创 联邦聚合算法代码详解(第三期clients.py部分)!
fromutilsimport *(自定义的模块ClientDataset() 封装数据集GetDataSet()加载不同数据集。
2024-07-12 14:39:11
504
原创 CNN卷积神经网络代码实现及解析(卷积层池化层全连接层)
在第一层卷积层提取的基础特征上,第二层卷积层能够捕捉到更复杂的图像模式。这样做的目的是为了确保模型在训练时正确地应用特定的层行为。二维卷积核(输入通道数,输出通道数,卷积核大小,移动步长,输入图像的边界填充的像素数)这会影响模型中某些特定层的行为。二维最大池化层(池化窗口的大小,移动步长,输入图像的边界填充的像素数)全连接层将卷积层和池化层提取到的特征进行综合处理,最终。随着网络层数的增加,卷积层会逐渐提取。的特征,从而更好地进行图像识别任务。在初始层,卷积层提取图像中的。池化层通过减少特征图的尺寸,
2024-07-10 15:38:37
801
原创 常见函数应用(第一期)(numpy)
目录numpy库(np)np.array([1,2]) -----创建数组 np.array([[1,2,5],[3,4,0]]) -----创建两行三列矩阵(二维[[ ]]).shape[0] -----读取矩阵行数.shape[1] -----读取矩阵列数w=W[ : , j ] -----提取矩阵第j列 np.dot(参数1,参数2) -----两向量点乘(一行一列、两行、两列)np.matmul(参数1,参数2) -----两矩阵乘法 \\\\\\\\\ (参数1
2024-07-10 14:30:27
158
原创 C51学习笔记4
unsigned char 表示无符号位的字符,一个字符在电脑中二进制占8位 ,对应P2口的8位。0000 0001 0x01<<0(左移0位)移位只能在最后一位追加0,不能加1 ,所以取反使用。(4)LED移位(按位左移 )
2024-02-16 15:46:22
382
空空如也
这到底是哪里出了错了
2024-01-03
这个结构体中数组开辟的空间有啥问题
2024-01-03
这个哪里错了错在哪里呢
2023-12-20
37这个为什么会超时呢
2023-12-20
这个哪里错了,得了80分
2023-12-16
这个错误出现是为什么
2023-12-16
这个程序哪里出了问题呢输出的为何不变
2023-12-16
为什么最大值成功输出了最小值是乱码
2023-12-13
i的值为什么等于长度而非下标
2023-12-13
这个哪里错了,得了70分
2023-12-13
这个程序哪里出了问题得了40分
2023-11-14
stm32cubemx
2023-11-13
Keil在线安Keil在线安装支持包显示叉号和感叹号是怎么回事显示叉号和感叹号是怎么回事
2023-11-13
这个错误的出现是为什么
2023-11-11
这个程序为什么不对呀,结果是正确的,给了0分
2023-11-04
这个程序为啥不对呀,给了50分
2023-10-26
TA创建的收藏夹 TA关注的收藏夹
TA关注的人