CSC7136E 应用注意事项

CSC7136E 5V2.4A 电源方案
CSC7136E 是一款高效率低待机功耗原边反馈小功率电源AC/DC驱动电路,无需光耦、TL431及相关器件。采用开关频率调制和初级电流峰值振幅(FM和AM)多模式工作技术,保证了全负载和线性范围内的较高的转换效率。恒压模式下的线缆补偿以及恒流模式下的线电压补偿和负载补偿保证了恒压、恒流环路的稳定度和高性能。CSC7136B 内部集成了高压大功率的BJT、PFM控制器以及多种保护回路;集成度高,外围应用极为简单,可以被简单的设计成为一种典型的反激式开关变换器,其特有的驱动技术可显著提高其转换效率。
CSC7136E 电路采用SOP7的标准封装形式。
CSC7136E 主要特点:
内部集成 850V 功率三极管
原边反馈恒流控制,无需光耦及 TL431
高精度的 CV/CC 控制
内置线电压补偿、负载补偿和恒流补偿
过温保护(OTP)
输出电压保护(OVP)、短路保护(SLP)
VCC 过压保护和钳位(OVP&Clamp)
可编程式线缆补偿
待机功耗<75mW
自动重启设置
低启动电流
良好的 EMC 特性
 

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在PyTorch中,CSC(Compressed Sparse Column)和CSR(Compressed Sparse Row)是用于稀疏矩阵存储和操作的格式。CSC和CSR都是将稀疏矩阵压缩为三个数组,分别存储非零元素的值、列索引和行指针。 要使用CSC和CSR格式,首先需要安装SciPy库,因为PyTorch不直接支持这两种格式。使用以下命令安装SciPy: ```python pip install scipy ``` 安装完成后,可以使用SciPy的`csr_matrix`和`csc_matrix`函数将稀疏矩阵转换为CSR和CSC格式。例如,将一个二维稀疏矩阵转换为CSR格式: ```python import torch from scipy.sparse import csr_matrix sparse_matrix = torch.sparse_coo_tensor(indices, values, size) csr_matrix = csr_matrix(sparse_matrix.to_dense().numpy()) ``` 在上面的代码中,`indices`是一个包含非零元素的索引的张量,`values`是一个包含非零元素值的张量,`size`是稀疏矩阵的形状。首先,使用PyTorch的`sparse_coo_tensor`函数创建一个COO(Coordinate)格式的稀疏张量,然后使用`to_dense`方法将其转换为密集张量。最后,使用SciPy的`csr_matrix`函数将密集矩阵转换为CSR格式。 类似地,可以使用`csc_matrix`函数将稀疏矩阵转换为CSC格式: ```python from scipy.sparse import csc_matrix csc_matrix = csc_matrix(sparse_matrix.to_dense().numpy()) ``` 转换为CSR或CSC格式后,可以使用SciPy提供的各种函数对稀疏矩阵进行操作和计算。 请注意,这里的示例代码是将PyTorch的稀疏张量转换为CSR或CSC格式。如果你已经有一个稀疏矩阵的CSR或CSC表示,可以直接使用相关的SciPy函数进行操作。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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