4.全志H3-选型

上面是我的微信和QQ群,欢迎新朋友的加入。

除了之前的NUX980的板子,目前玩的都是别人的板子,几经折腾,决定要自己画一个板子

最终在全志A33和全志H3之间纠结。

全志A33

全志H3

两者对比

1.全志H3在淘宝上有较多的资料,主要是友善之臂有多款板子使用的是这个芯片,从资料来说,全志H3的资源更丰富

2.全志H3支持HDMI,全志A33不支持

3.封装,全志H3是0.65的脚距,全志A33是0.8的脚距,A33板子容易画一点

 

最终结论,选用全志H3,理由是,资料相对来说多一点

 

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: b'values.reshape(-1,1)'是一个NumPy函数,它会将一个一维数组(values)转换为一个二维数组,其中第二个维度的大小为1。参数"-1"是用来告诉函数自动计算第一个维度的大小,以保证数组元素的数量不变。这个函数通常用于将数据转换为某些机器学习算法需要的格式。 ### 回答2: reshape()是一个numpy函数,它用于改变数组的形状。其中,-1表示维数由系统自动确定。而在values.reshape(-1,1)中,将数组values按照列数为1的方式重新排列。 例如,有一个一维数组[1, 2, 3, 4, 5, 6],如果想将其变成一个二维数组,可以使用values.reshape(-1, 2),此时数组将会变成[[1, 2], [3, 4], [5, 6]],其中-1表示将数组形状调整为由函数自动确定行数,2表示列数。 在values.reshape(-1,1)中,1表示将数组形状调整为只有一列,即将一维数组values变成了一个列向量。举例来说,如果一个一维数组[2, 4, 6, 8, 10]想要变成一个二维数组,可以使用reshape(-1, 1),得到的结果是[[2], [4], [6], [8], [10]]。 这种形式的列向量通常用于机器学习中,比如在特征向量化的过程中,将一组相关联的数据放在同一列中,方便数据分析和特征提取。同时,reshape(-1,1)也可以使数据格式适合于一些需要2D数据格式的机器学习算法。 ### 回答3: values.reshape(-1,1)是一种Numpy库中的数组操作。在使用Numpy库中的一维数组时,我们经常会遇到需要将数组转换为二维数组的情况,这时候就可以使用这个函数。 该函数的作用是将原数组重新调整为一个新的数组,新数组的形状为(-1,1),其中-1表示不确定的维度,1表示新数组的列数为1。具体来说,它将原数组重新排列并组织成由一列元素组成的二维数组。 例如,如果原数组是[1,2,3,4],那么使用values.reshape(-1,1)函数后,会得到如下形状为4行1列的数组: [[1] [2] [3] [4]] 这个函数常用于机器学习模型中,一些算法需要输入的数据必须是二维的,但是原始数据可能是一维的,因此使用该函数将数据转换为二维是必要的。另外,在进行数据分析时,该函数也经常用于将数据从一维转换为二维,方便进行可视化处理。 总之,values.reshape(-1,1)是一种很实用的Numpy数组操作,它可以快速地将一维数据转换为二维数据,在数据分析、机器学习和科学计算等领域中广泛使用。
评论 2
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
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