- 博客(8)
- 资源 (8)
- 收藏
- 关注
原创 Vivado FFT IP核学习
FFT IP核配置1.点击ip catalog,输入FFT,选择FFT IP核,打开如下界面进行配置:2.点击implementation,进行如下配置3.点击detailed implementation,可进一步配置4.查看配置完的情况以及IP核例化编写如下代码`timescale 1ns / 1ps//////////////////////////////////////////////////////////////////////////////////// Compa
2021-07-30 14:25:08 2015 1
原创 基于System Verilog的8点FFT实现
我们采用system verilog实现一个8点的基于蝶形运算单元的FFT变换,如下图,是蝶形运算单元的示意图。然后,由于FFT涉及复数运算,因此,我们编写如下复数类型以及运算符的一个包:`timescale 1ns / 1ps//////////////////////////////////////////////////////////////////////////////////// Company: // Engineer: // // Create Date: 2021
2021-07-22 14:10:30 2251 2
原创 Vivado与SDK联合调试
1.在block design中选中要debug的信号,右键选择debug。2.重新点击Run connection automation ,可以看到,生成了system ila IP核3.综合,综合结束后点击set up debug4.点击find nets to add5.选择刚刚标记的信号(mark_debug is true),点击OK6.添加所需信号7.若有信号无时钟域,右键选择时钟域8.候选捕获,触发等高级功能,选择采样深度.
2021-07-19 16:35:37 4409 1
原创 Pytorch--自己动手实现模型剪枝
pytorch剪枝尽管Pytorch自带了剪枝的工具,但是其在灵活性上终究敌不过自己手写的剪枝代码,以下就是博主模型剪枝的一次简单尝试。代码:import torch.nn as nnimport torchimport torch.nn.functional as Ffrom torch import optimfrom torchvision import datasets,transformsfrom torch.utils.data import DataLoaderdevice
2021-07-15 01:05:24 6024 9
原创 卷积神经网络FFT变换后数据的方差分布情况探究
import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimfrom torchvision import datasets, transformsBATCH_SIZE=512 # 批次大小EPOCHS=10 # 总共训练批次DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu") # 让t
2021-07-14 12:34:28 384
原创 FFT实现卷积运算
2D卷积的实现:import numpy as npdef fft_conv(x,weight,padding,stride): x_padded=np.pad(x,((padding,padding),(padding,padding))) h_pad,w_pad=x_padded.shape kx,ky=weight.shape weight_padded=np.pad(weight,((0,h_pad-kx),(0,w_pad-ky))) x_ffted=n
2021-07-14 09:29:40 2136 3
原创 Pytorch GCN入门
实验环境pytorch1.7.1 ,cu101和torch-geometric,其中torch-geometric是pytorch的一部分,使用它可以很方便的进行有关图神经网络的训练和推理,安装过程略,torch-geometric的详细信息可参见官方文档链接简单GCN的搭建图数据的表示图(Graph)是描述实体(节点)和关系(边)的数据模型。在Pytorch Geometric中,图被看作是torch_geometric.data.Data的实例,并拥有以下属性:以及更详细的,可以参考博客
2021-07-08 18:31:30 1389
原创 多边形向内收缩指定距离的实现
import mathimport numpy as npdef calc_cos_angle(a,b): #计算两个向量的夹角余弦 inner_ab=a[0]*b[0]+a[1]*b[1] abs_a=math.sqrt(a[0]**2+a[1]**2) abs_b=math.sqrt(b[0]**2+b[1]**2) return inner_ab/(abs_a*abs_b)def calc_point(p1,p2,p3,d):
2021-07-07 00:28:59 1057 1
基于FPGA的HLS CNN加速器
2022-03-26
pingpang_block_mm.rar
2020-11-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人