ZXCVBNNHU的博客

原创 一张图看懂DC ICC PT的关系

原创 一张图看懂ASIC Port和Pin；一张图理解reference和cell

理解port和pin，可以认为port是整个设计的输入输出端，即连接金线的实际物理端口pin是设计中例化模块的端口理解design reference 和 cell

原创 关于target_library和link_library的理解

首先 讲DC中的设计层次1 top层 包含很多小的module（或者实例化的ip）2 小的module（不同的.v，会在加载设计时和top一起被 read_verilog .v 加载）3 例化的ip（就比如 买的一个解码器的ip）4 最小的门级单元，比如OR XOR之类的target_library即目标工艺库，由台积电 中兴国际等芯片加工厂确定，用谁家生产芯片，就用他家的目标工艺库。 指定命令为 set target_library TSMC.db， 层次中的 4 即最小的元件在此处找

原创 在keras下自定义激活函数及AttributeError: ‘Activation’ object has no attribute ‘__name__’问题的解决

因为需要移植神经网络，需要将一些激活函数转变成容易在数字电路上实现的形式，所以需要自定义一些激活函数https://blog.csdn.net/qq_44876051/article/details/107685034https://blog.csdn.net/qq_44876051/article/details/107685034创建完成，在保存模型的时候遇到了错误，AttributeError: ‘Activation’ object has no attribute ‘__name__’，解决方

原创 C语言中for循环加速

在进行神经网络移植过程中，多处用到for循环，并且多有循环嵌套存在，在讨论加速时，老板针对整体思路提出解决方法。①将大的循环次数拆开。例如for(i=0;i<8001;i++){}可以拆解成四个两千的循环，即for(i=0;i<2000;i++){}for(i=2000;i<4000;i++){}for(i=4000;i<6000;i++){}for(i=6000;i<8001;i++){}②将循环次数

转载 Verilog中+：和-：对向量的选取

wire[15:0]data_ref; //15-0这个排序方式，影响选取之后的数据的顺序，选取之后的顺序与定义时的顺序一致wire[4:0]data_get;assigndata_get = data_ref[7 -: 5];//(1)//assigndata_get = data_ref[7 +: 5];(2)其中，+（-）：之前的数字为基地址，后面的数据为选取得位宽data_ref[7 -: 5]表示将data_ref中以dat...

原创 SCI中图片的自动编码和链接方法

总结：图片的自动编码（在编码之前不需要每个图片命名，会自动产生）https://zhuanlan.zhihu.com/p/65515334图片的链接，先给图片添加 书签（在插入中，再在正文中选中“Figure 1”，右键链接 “本文中的位置”，选择图片， 成了（让我想想，还能加什么，祝成功）...

原创 利用STM32cubeMX实现神经网络的移植

利用STM32cubeMX实现神经网络的移植介绍了简单的神经网络移植，可以在stm32上运行神经网络，根据输入得到预测结果（有喷麦十分抱歉），分享下经历，希望对大家有所帮助自己一开始做的时候，发现相关的教程很少，很难入手，写了一个小的总结，录制为视频链接：stm32cubeMX实现神经网络移植x-cube-ai_哔哩哔哩_bilibili介绍了简单的神经网络移植，可以在stm32上运行神经网络，根据输入得到预测结果（有喷麦十分抱歉），分享下经历，希望对大家有所帮助https://www.bili

原创 STM32中arm_math.h库中fft的相关使用

①rfft实数傅里叶变换 uint16_t fftSize = 2048; //定义rfft的长度 uint8_t ifftFlag = 0; //表示fft变换为正变换,1则为逆变换 arm_rfft_fast_instance_f32 S; //定义rfft的结构体 arm_rfft_fast_init_f32 (&S, fftSize); //例化fft结构体，确定fft点数 arm_rfft_fast_f32(&S,data_frame_l

原创 在STM32上实现Keras中的LSTM网络

首先在keras环境中训练参数，得到lstm的权重和偏置（此处推荐不选择使用LSTM的bias选项，这样可以在剪枝等操作时更好地对比变化后的影响）①查看keras的LSTM计算过程self.kernel_i = self.kernel[:, :self.units] self.kernel_f = self.kernel[:, self.units: self.units * 2] self.kernel_c = self.kernel[:, self.units

原创 STM32 调试时，出现:cannot access memory!问题的解决方法

在我的例子中，将target中的每一个选项分别设置Defaults 然后重新配置，就可以访问了看到过相似的一个帖子，正是这个帖子帮助我解决了问题，但是找不到链接了