JingYuJingYuJingYu-CSDN博客

原创 verilog - signed 符号数与无符号

#verilog #FPGAverilog - signed 符号数与无符号数计算文章目录verilog - signed 符号数与无符号数计算原码、反码、补码的关系verilog 中的 signed不同的扩位方式结论主要参考：Verilog 中signed和$signed()的用法_长弓的坚持的博客-CSDN博客_＄signed数字IC秋招面试专题（二）verilog的signed和unsigned_王_嘻嘻的博客-CSDN博客_verilog中signed和unsignedVeri

2022-05-14 22:08:48 1227

原创 HDLBits 刷题笔记 - Exams_ece241 2013 q8 - HDLBits

HDLBits 刷题笔记 - Exams_ece241 2013 q8 - HDLBits题目原文：Exams/ece241 2013 q8 - HDLBits题意Implement a Mealy-type finite state machine that recognizes the sequence “101” on an input signal named x. Your FSM should have an output signal, z, that is asserted to l

2022-04-27 09:46:18 989 3

原创 verilog 时刻卡死，$time 不递增解决方案

#verilog #问题记录 #已解决verilog 时刻卡死，$time 不递增解决方案先说结论，在写testbench 时，需要注意在一些 always 中加上延时，避免某个 always 不间断的一直仿真运行，导致仿真时刻卡住，时刻不递增。经过查阅一些资料，个人理解，iverilog 仿真为伪并发，所以某个时刻，多个块的执行会按照优先级执行，某个块执行结束切换到下一个块，这个时刻块执行结束换下一个块。如果某一个块一直占用一直循环会导致 time 无法增加，即仿真卡在这个时刻这个块。（个人理解

2022-04-24 17:39:14 1675

原创蓝桥杯 2019-A-修改数组（C++ 并查集解法）

题目第一版哈希表暴力模拟（超时）#include <bits/stdc++.h>#include <iostream>using namespace std;int main() { // map<int, int> index; bool index[1000002] = {0}; int n; cin >> n; vector<int> num(n, 0); for (int

2022-03-13 17:22:16 2103

原创 scikit-learn 中决策树模型-参数说明、注解

目录scikit-learn 中决策树算法类库介绍重要参数`criterion` 特征选择标准对于分类决策树：关于基尼指数对于回归决策树以 squared_error 为例`splitter` 特征划分点选择标准`max_depth` 最大深度`max_features` 划分时考虑的最大特征数`min_samples_split` 叶子节点允许拆分的最小样本数`min_samples_leafi` 叶子节点的最小样本点数`min_weight_fraction_leaf` min_weight_fract

2022-01-25 01:23:08 2831

原创机器学习：决策树 -- 学习笔记

参考文章决策树算法原理(上) - 刘建平Pinard - 博客园决策树算法原理(下) - 刘建平Pinard - 博客园李航《统计学习方法》第二版决策树算法决策树学习算法包含：特征选择决策树生成决策树的剪枝下面会分别对三个部分进行一定的总结，参考资料主要来自于《统计学习方法》。决策树模型基本思想决策树学习本质上是从训练数据集中归纳出一组分类规则。与训练数据集不相矛盾的决策树（即能对训练数据进行正确分类的决策树）可能有多个，也可能一个也没有。我们需要的是一个与训练数据

2022-01-19 17:13:53 915

原创图像增强 -- 直方图均衡化及其python实现

直方图均衡化及其python实现#数字图像处理文章目录直方图均衡化及其python实现展示效果理论简介什么是直方图均衡化流程图：代码：展示效果先上一下均衡化的效果：左图是均衡化之前，右图是均衡化之后。理论简介代码在最下面，没有使用 opencv，主要基于numpy，这里主要方便我之后回顾以及同我一样的初学者整理。若相对纯粹的理论来由学习，建议详细了解相关资料什么是直方图先引出《数字图像处理-第三版-冈萨雷斯》中3.3节第一段对直方图的介绍，我再简单介绍一下。简单来说，直方图可以看做

2021-11-25 22:57:18 8660 1

原创图像缩放--双线性内插法及其python实现（图文代码）

双线性内插法#数字图像处理理论简介双线性插值是图像内插缩放的一种方法。简单来说，双线性插值即对于目标像素进行两个方向上的线性插值。比如，首先在x上进行一次线性插值得到两个点，即上图得到的 R1R_1R1，R2R_2R2。再在y方向上进行一次线性插值，由 R1R_1R1，R2R_2R2 得到目标点PPP。故双线性插值需要四个最近邻像素点（原像素点，即已知灰度值），即上图中的 Q11,Q12,Q21,Q22Q_{11},Q_{12},Q_{21},Q_{22}Q11,Q12,Q21,

2021-11-24 00:06:53 3893

原创感知器算法及其python 实现 V2.0

感知器算法及其python 实现2.0#机器学习/学习算法先直接上效果图这是我第二次重新写。之前第一次写的，说实话很多毛病（能跑、能训练，但训练效果和训练速度都很慢，我猜测原因是我 pandas 和 numpy 数据类型混用了，且混得很难看）相比之前的版本，训练速度快的不是一点半点，保守估计至少快了10倍。（之前那个我一般epoch 设置 10、20、100这样，都很慢。现在设置5000 都和之前 10 时间差不多）当然都是在 cpu 上跑的。epoch=10000,l_rate= 0.00001

2021-11-16 11:21:20 2016

原创 ResNet 论文阅读笔记

ResNet 论文阅读笔记#机器学习/深度学习文章介绍论文地址：https://arxiv.org/pdf/1512.03385.pdf原文题目：Deep Residual Learning for Image Recognition作者： Kaiming He 团队（微软亚洲研究院）该文是2016年CVPR 最佳论文，拿下来当年 ImageNet 等数据集以及各项比赛第一名。提出的 ResNet 是基于残差学习，让神经网络训练起来更加容易。直观上来说，神经网络可以越做越深、准确度也可以越来

2021-11-15 17:06:54 2859

原创感知器算法及python实现

感知器算法及python实现通俗来讲，感知器算法可以完成如下这类线性可分的二分类分类任务。即找出一条超平面，将两类数据进行划分。在输入特征为二维的数据集中，即一条直线。理论依据感知机二类分类的线性分类模型，根据输入特征，输出类别 1 和 0。（也有为 +1、-1）下面搬运一个图片，需要注意将左下角的 x0x_0x0 改成 xnx_nxn。（懒就不做图了。。。）为方便优化，我们也采用激励函数输出为 +1、-1 的形式。整个算法留存即：对输入特征加权求和：∑i=0nwixi=z

2021-11-14 00:27:16 6313 3

原创联合综述《Deep Learning》阅读笔记

Deep Learning 阅读笔记文章介绍作者：作者：Yann LeCun、Yoshua Bengio 、Geoffrey Hinton。三人被称为深度学习三巨头，共获2018年图灵奖。2015年为纪念人工智能提出60周年，《Nature》杂志专门开辟了一个“人工智能 + 机器人”专题，发表多篇相关论文，其中包括了Yann LeCun、Yoshua Bengio和Geoffrey Hinton首次合作的这篇综述文章“Deep Learning”文章被引用次数：24488 。访问次数：658k

2021-11-08 20:24:11 2713

原创＜机器学习中的梯度下降＞-随机梯度下降（SGD）以及mini-batch \batch Gradient Descent

<机器学习中的梯度下降>-随机梯度下降（SGD）以及mini-batch \batch Gradient Descent梯度下降是机器学习中的基石，我们可以利用梯度下降算法，对损失函数(loss function)求最值，来得到一个对于系统模型最好的参数或者说权重(weight)。我们定义一个线性回归模型：f(x)=wTx+b f(x) = w^Tx+bf(x)=wTx+b其中 x=(x1;x2;...;xd)Tx = (x1; x2 ;...;xd)^Tx=(x1;x2;...;xd)T

2021-10-29 10:23:56 365

原创 sklearn——转换器（Transformer）与预估器（estimator）

sklearn——转换器（Transformer）与预估器（estimator）文章目录sklearn——转换器（Transformer）与预估器（estimator）转换器 Transformerfit 与 fit_transform 与 transform值得注意的是扒拉了下源码（可以不看这部分，看上面结论就够了）预估器 Estimator在我之前接触的sklearn中，有 SimpleImputer 、OrdinalEncoder、OneHotEncoder,他们的共同点是都用于对数据特征预处理

2021-10-29 09:26:19 1661

原创 LeNet-5 卷积神经网络论文笔记-Gradient-Based Learning Applied to Document Recognition第Ⅰ、Ⅱ部分笔记

LeNet-5 卷积神经网络论文笔记-Gradient-Based Learning Applied to Document Recognition第Ⅰ、Ⅱ部分笔记文章目录LeNet-5 卷积神经网络论文笔记-Gradient-Based Learning Applied to Document Recognition第Ⅰ、Ⅱ部分笔记文章介绍理论基础及现状损失函数，聚焦在模型在训练集和测试集上的表现差异。论文中提到的方法，正则化 regularizationB.Gradient-Based Learn

2021-10-24 14:05:53 4028

原创字典树（前缀树）（Trie）-C++简单实现

字典树（前缀树）（Trie）-C++简单实现文章目录字典树（前缀树）（Trie）-C++简单实现字典树是什么特点优点我自己的一些理解实现（c++）TrieNode：Trie:能力有限，希望本文能对你有些许帮助????。之前在刷 leetcode 的时候有遇到一道需要用到字典树的题目，具体是啥我给忘了，但是当时确实是第一次了解到字典树的概念，在初步了解后，并跟着别人的代码复现了一篇后就放下了。今天的 leetcode 每日一题：添加与搜索单词 - 数据结构设计。很基础的一道字典树的题目，借此机会我想

2021-10-19 15:51:11 482 3

原创（西瓜书）《机器学习-周志华》-学习笔记：（2-0）第二章模型评估与选择

（西瓜书）《机器学习-周志华》-学习笔记：（2-0）第二章模型评估与选择文章目录（西瓜书）《机器学习-周志华》-学习笔记：（2-0）第二章模型评估与选择概括2.1经验误差与过拟合一些名词术语过拟合与欠拟合2.2评估方法以测试误差作为泛化误差的近似2.2.1 留出法2.2.2 交叉验证法留一法 : 交叉验证法的特殊情况2.2.3 自助法概括主要总结到了 2.3 新能度量之前。内容有：误差等术语，欠拟合与过拟合的概念。三个从数据集中划分训练集与验证集的方法：留出法、交叉验证法（包括留一法）、自

2021-10-18 22:55:24 313

原创（西瓜书）《机器学习-周志华》-学习笔记：（1）第一章 --- 假设空间与版本空间等

西瓜书笔记：（1）第一章文章目录西瓜书笔记：（1）第一章简述1.2 基本术语独立同分布理解**示例——抛骰子****为什么需要满足i.i.d.假设？****扩展**1.3 假设空间版本空间1.4 归纳偏好NFL定理数据挖掘与机器学习关系机器学习领域期刊简述开始一种新的学习方式，顺便帮助总结，方便之后的回顾，以及也起到一个监督自己打卡的作用。1.2 基本术语数据集（data set）：记录的数据集合，其中的每一条记录成为示例（instance）或者样本(sample)特征（feature）\

2021-10-17 23:30:01 571

原创 AlexNet 经典论文阅读报告 -ImageNet Classification with Deep Convolutional Neural Networks 文献综述

ImageNet Classification with Deep Convolutional Neural Networks 文献综述阅读时间：2021年10月15日论文基本信息作者在当时借助这篇论文提出了AlexNet ,奠定了深度学习在计算机视觉领域中的地位。AlexNet被认为是计算机视觉领域最有影响力的论文之一，它刺激了更多使用卷积神经网络和GPU来加速深度学习的论文的出现[17]。截至2020年，AlexNet论文已被引用超过54,000次。 --

2021-10-17 23:12:33 3335 1

原创＜动态规划＞leetcode每日一题：解码方法 II，动态规划解答思路

<动态规划>leetcode每日一题：解码方法 II，动态规划解答思路题目描述题目来源链接解码方法 II一条包含字母 A-Z 的消息通过以下的方式进行了编码：‘A’ -> 1‘B’ -> 2…‘Z’ -> 26要解码一条已编码的消息，所有的数字都必须分组，然后按原来的编码方案反向映射回字母（可能存在多种方式）。例如，“11106” 可以映射为：“AAJF” 对应分组 (1 1 10 6)“KJF” 对应分组 (11 10 6)注意，像 (1

2021-09-28 15:56:15 205

原创基础算法实现：快速排序

基础算法实现：快速排序基础算法实现：快速排序一级目录二级目录三级目录为什么写本文参考资料代码实现C++实现python实现一级目录二级目录三级目录在平均状况下，排序 n 个项目要 Ο(nlogn) 次比较。在最坏状况下则需要 Ο(n2) 次比较，但这种状况并不常见。事实上，快速排序通常明显比其他 Ο(nlogn) 算法更快，因为它的内部循环（inner loop）可以在大部分的架构上很有效率地被实现出来。即在大多数情况下，快速排序的表现比大多数时间复杂度为O(nlogn)的排序算法要好，例

2021-09-25 16:06:20 88

原创算法入门笔记（一）--初识动态规划，leetcode按摩师问题和最小路径和问题

文章目录写在前面什么是动态规划经典典型题目（来自力扣）按摩师提出问题细分问题成小问题求解小问题得出状态转移方程代码实现（C++）：最小路径和提出问题细分成小问题求解小问题得出状态转移方程代码实现（C++）end如果本文对你有其到帮助，希望可以得到点赞收藏鼓励????????写在前面最近都有在力扣上刷题，开始注重自己算法和数据结构的学习。所以在这里开个新坑，整理自己这个计划的收获和经验，供读者以及之后的自己回头来回顾。希望你也可以在我的算法入门笔记中得到收获，一起进步。有不对的地方欢迎指出改正。什么是

2021-04-08 22:05:25 260

原创 DS3231时钟模块使用，IIC协议实践。（基于STM32）

写在前面因为毕业设计，需要用到记录时间的功能，对时钟模块一直只闻其名，却从未用过。之前的在使用其他模块的时候，总是一个劲的拿来主义，经常是在别人现成的代码上改改宏定义就直接进行使用，一旦项目需要用到的模块多了起来，每个模块别人写好一个库，在不清楚其基本原理的情况下整个项目就变得臃肿不堪了。（据我所知很多同学本科阶段使用模块都是这样一个模式）。那么现在在刚回顾和复习完IIC通讯协议下，在这里我将IIC协议实践在DS3231时钟模块上。文件结构，方便扩展和代码管理。这里建立两个库： software

2021-03-20 21:35:36 11345 34

原创 IIC(I2C)通讯协议详解（7位寻址）

写在前面IIC总线（在有些资料中也写作I2C总线），之前在很多模块中都有用到。初步接触的时候，看了其定义和逻辑，最后在使用上时却直接使用了现车的库函数。最近在别人问上关于什么是IIC,具体的机制等等时，我却一时间没办法答上来，只能支支吾吾的将脑海生成的内容翻出来，没法让人满意和信服，故这里准备将关于IIC 和 SPI（之后的计划）通讯协议进行一个整理。方便初学者初步掌握以及我之后的学习回顾。注：之后通称IIC。什么是IICIIC( Inter-Integrated Circuit (集成电路总线

2021-03-18 22:12:48 7306 6

原创 csdn博客搬家：及其方便的博客迁移、搬家工具，支持主流博客平台----CsdnSyncHexo。

工具： CsdnSyncHexo开门见山，

2021-02-19 15:58:03 2391 3

原创 git常用指令，附说明。

git 常用指令及其说明前言设置与配置git configgit help获取与创建git initgit clone快照基础git addgit statusgit diffgit difftoolgit commitgit resetgit rmgit mvgit clean分支与合并git branchgit checkoutgit mergegit mergetoolgit loggit stashgit tag项目分享与更新git fetchgit pullgit pushgit remotegi

2021-02-19 01:24:41 139

原创借助nginx实现反向代理，并通过SSL证书实现https访问以及http调整https访问。

目录前言nginx反向代理为什么我们需要用到反向代理？开始配置软件版本申请SSL证书首先安装nginx上传.crt和.key证书创建配置文件验证配置文件并重启nginx服务成功前言这段时间借助hexo粗略的搭建了一个自己的个人博客，通过域名访问时发现浏览器一直不安全，最后发现是因为一直通过的http访问。想着既然如此一步到位，完善成https访问方式。正巧腾讯云域名申请报备后， SSL证书的申请很容易，查阅了不少资料，作为小白最后也完成了这一目标。所以在这里将踩过的坑，以及经验步骤总结如下，欢迎指正

2021-01-23 14:57:20 13222

Sail的博客