FPGA IMPLEMENT 1Gb/10Gb ETH(三)

一般来说,以太网两种情况

  1. 使用外部PHY芯片实现PCS/PMA/PMD,FPGA实现MAC通过GMII/SGMII访问外部PHY芯片;

使用FPGA内部的tranceiver实现PMA,FPGA实现MAC通过GMII访问PCS,PCS通过tranceiver实现的PMA来访问外部PMD;

Gig_eth_pcs_pma_0这个IP有两种模式:

1000base-x: IP内集成了以太网pcs/pma,只要外接SFP的PMD就可以实现通讯;

SGMII:需要外接PHY芯片来完成编解码、状态机和AN协商;此时IP不实现以太网的pcs/pma,仅仅提供一个GMII转SGMII的桥功能,以太网的PHY层功能要在外接PHY芯片中实现;

我们选择1000base-x模式,则Gig_eth_pcs_pma_0这个IP实现的部分是以太网的PCS/PMA:

 

PMD层就是物理SFP光收发器这种类似的器件,802.3中的描述:The Physical Medium Dependent (PMD) sublayer is defined in IEEE 802.3-2008 clause 38 for 1000BASE-LX and 1000BASE-SX (long and short wavelength laser). This type of PMD is provided by the external GBIC or SFP optical

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
引用\[1\]:这个错误可能表示您正在尝试将符号化的Keras输入/输出转换为NumPy数组,这是不支持的。或者,您可能正在尝试将Keras符号化的输入/输出传递给未注册调度的TF API,这会阻止Keras自动将API调用转换为函数式模型中的lambda层。解决此问题的方法是检查您的numpy和tensorflow版本是否符合要求,并确保正确导入所需的模块。\[1\] 引用\[2\]:使用函数式API建模时,可以按照以下形式创建模型:model = keras.Model(inputs=...)。例如,您可以使用以下代码创建一个简单的函数式API模型: inputs = keras.Input(shape=(608, 608, 3)) x = keras.layers.Conv2D(16, 3)(inputs) x = keras.layers.BatchNormalization()(x) outputs = keras.layers.LeakyReLU()(x) functional_api_model = keras.Model(inputs=inputs, outputs=outputs, name='demo_functional_api_model') 请注意,不要使用NumPy函数,而是使用TensorFlow的函数来代替。\[2\] 引用\[3\]:在使用函数式API创建模型时,不要使用NumPy函数。如果需要使用一些NumPy的功能,可以使用TensorFlow的函数来替代,例如使用tf.reduce_max代替np.amax,使用tf.concat代替np.concatenate等。这是因为Keras默认以静态计算图的方式运行深度学习模型,而NumPy不知道如何处理KerasTensor。如果在建模时使用了NumPy函数,可能会出现报错。\[3\] 问题: Keras symbolic inputs/outputs do not implement `__len__` 回答: 这个错误通常表示您正在尝试对Keras符号化的输入/输出执行`__len__`操作,但Keras符号化的输入/输出并不支持该操作。要解决此问题,您可以检查您的代码,确保没有对Keras符号化的输入/输出执行`__len__`操作。如果需要获取输入/输出的长度,可以使用其他适当的方法或属性来获取。 #### 引用[.reference_title] - *1* [Debug Tensorflow: TypeError: Cannot convert a symbolic Keras input/output to a numpy array.](https://blog.csdn.net/weixin_38812492/article/details/123797479)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [用 Keras/TensorFlow 2.9 创建深度学习模型的方法总结](https://blog.csdn.net/drin201312/article/details/125098197)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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