- 博客(28)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 嵌入式系统学习笔记（8）——定时器计数器
定时器计数器的操作是通过对SFR的赋值实现的，定时器计数器的结果是通过对SFR的读取得到的。注意T0和T1并不是16位寄存器而是4个8位寄存器，单片机内部只有一个真正意义上的16位寄存器：DPTR。实际上定时器就是计数器，定时是通过对固定周期的脉冲进行计数达到的，这个固定周期就是机器周期。计数是加计数，溢出时会置溢出标志位为1，可以通过这个特性来实现定时。 计数是对外部管脚计数，也就是P3...
2020-03-27 12:50:30
777
原创 NLP学习笔记（1）
实现word2vec 的方法包括skip gram 和 continuous bag of words（CBOW）模型skip gram模型这是skip gram模型，中间dx1的向量就是单词的representation vcv_cvc，Vx1的向量是对所有单词出现在某个单词的语境中的可能性，其中的第o行是uoTvcu_o^Tv_cuoTvc，表示U这个矩阵的第o行和vcv_cvc...
2020-03-24 23:15:22
338
原创 嵌入式系统学习笔记（7）——码制
-ORL是用或实现低四位BCD码和30H的相加，30H就是48，只要事先吧高四位清零，就可以把BCD码变成8位的ASCII码
2020-03-21 23:35:17
159
原创 嵌入式系统学习笔记（6）——MCS51汇编语言程序设计
有汇编程序和反汇编程序，可以由机器语言得到汇编语言 不是所有都会默认从0000H开始，保险起见，还是要在开头用ORG 0000H，然后加一条跳转指令到程序存放起始地址 交叉汇编，在一台电脑上汇编，在另一台电脑上运行 注意，除了51单片机之外，其它单片机上电后PC值并不一定是0000H，所以需要根据实际情况放第一条指令的位置。此外，0003H到0023H是中断入...
2020-03-16 20:52:06
297
原创 嵌入式系统学习笔记（5）——指令系统（2）
一般在多个数据连加的时候用到ADDC指令，比如三个数相加，先前两个数用ADD，然后再用ADDC指令加上第三个数 即使溢出也不会使得进位寄存器改变，算一种循环加一的操作，加满了就归0 压缩BCD码的意思是用高4位BCD码表示10进制数的十位，低4位表示个位，而普通BCD码只有4位 ...
2020-03-15 22:05:33
355
原创 嵌入式系统学习笔记（4）——指令系统（1）
注意不能MOVR0,R1MOV R_0, R_1MOVR0,R1 或是反过来 当采用Ri时，要先把高8位写入P2口，所以尽量避免用Ri来访问外部RAM存储器，而使用DPTR MOVC指令只用于从外接ROM中读，不用于对外接ROM写，而MOVX可读可写 ...
2020-03-15 20:57:07
215
1
原创 嵌入式系统学习笔记（3）——I/O口电路结构、时钟周期、复位
P1口写数据时，将数据写到D0口，向P1W发写信号，这时Q口输出D0，Q非口输出D非，导致P10口输出D0。读数据时，可以从锁存器读，也可以直接从P10管脚读，取决于P1R1和P1R2，而且读锁存器和读管脚可能读到不同的结果，这取决于外接电路。但是读数据之前，要先对D0口写1，使得场效应管截止，这时才能读到P10的电平状态，这就是“准”双向口的意思所在。所以当使用准双向口时，要么自始至终作为...
2020-03-15 12:39:12
672
原创 嵌入式系统学习笔记（2）——单片机的硬件结构：引脚、CPU、存储器
8大部件，单一总线：微处理器、数据存储器、程序存储器、I/O口（P0-P3）、特殊功能寄存器、中断系统、定时/计数器、串行口 P0-P3是4个8位并行I/O口，其中P0口数据地址分时复用，要特别注意串行口是全双工异步串行的，可以同时输入和输出51系列有2个16位定时/计数器，52系列有3个51系列有5个中断源，2个优先级51系列一共有21个特殊功能寄存器双列直插只能背面焊接，方形封装...
2020-03-14 23:19:01
827
原创 数电学习笔记（2）
TTL逻辑器件分成54系列和74系列两大类，其电路结构、逻辑功能和电气参数完全相同。不同的是54系列工作环境温度、电源工作范围比74系列的宽。74系列工作环境温度为00C～ 700C,电源电压工作范围为5V±5%；而54系列工作环境温度为－550C～ +1250C,电源电压工作范围为5V±10%...
2020-03-11 11:00:38
261
原创 week2课堂笔记
搜索技巧： 必应国际版在谷歌用不了的时候用 知乎好过百度 快照功能 + 表示一定包含，-表示剔除，要加个空格 “ ”内的内容表示不可拆分 *表示通配符，表示不确定内容，模糊搜索，比如how * you， 或者吴*豪 intitle：关键词 是一个指令，表示标题要有该关键词 site： 网站 限定在某个网站内搜关键词 filetype: ppt 限定搜索特...
2020-03-11 10:31:16
134
原创 服务器gpu_v100跑X-Chest-Ray 14笔记
显存估计：每张卡16G的显存，一共4张，跑32的batch size，3*1024*1024的输入，densenet161，改classifier为14分类并sigmoid输出（多标签），导致显存不足，所以改成densenet121，可以，但是不能加载预训练模型，因为v100集群是不联网的 时间估计：我跑的是X-Chest-Ray 14的全集，取94999张作为训练集，17121张作为验证集，之...
2020-03-11 10:30:54
851
原创 调MURA数据集keras CNN模型笔记
永远不要再把sigmoid写错成softmax cnn层最后加三个fc层比加1个效果要好得多 如果参数太多，可以在最后一个cnn层后面加一个maxpooling整个图 要记得指定data_format=“channel_first"，此时batch_norm层要指定axis=1 20w参数的模型在GTX1050上用 tf2 勉强能跑的 tf2 性能比 pytorch好太多了，首先在显存和...
2020-03-11 10:30:41
739
原创 DBPN
这篇blog讲得很好就不自己写了https://blog.csdn.net/Gavinmiaoc/article/details/80664967
2020-03-11 10:30:24
275
原创 Orientation-aware Deep Neural Network for Real Image Super-Resolution
Orientation-aware Deep Neural Network for Real Image Super-Resolution结果就只有比赛的由于卷积层过多，为了防止梯度消失，训练时对中间的输出也进行监督，但是真正的输出只是最后一层的输出一开始用L1loss，随着训练的收敛改为L2Loss测试的时候，把输入产生其它三个方向的输入，所以一共产生4个输出，把那三个旋转的旋回...
2020-03-11 10:30:04
265
原创 Embedded Block Residual Network: A Recursive Restoration Model for Single-Image Super-Resolution阅读笔记
Embedded Block Residual Network: A Recursive Restoration Model for Single-Image Super-Resolution结果论文作者一直在强调，本网络是将图片的低级纹理和复杂纹理分别用不同复杂度的网络取处理，所以效果很好，对低级纹理就应该用简单的网络去处理，高级纹理用更深的网络去处理，这就是本网络的出发点。将每个层次...
2020-03-11 10:29:54
311
原创 Hierarchical Back Projection Network for Image Super-Resolution
Hierarchical Back Projection Network for Image Super-Resolution结果：模型图
2020-03-11 10:29:27
243
原创 Edge-Informed Single Image Super-Resolution
Edge-Informed Single Image Super-Resolution性能：把sr任务描述为一个 in-between pixels inpainting task，并分为两个阶段，一个是edge enhancement，一个是image completion，两个阶段用两个GAN来完成，两个G都是encoder-decoder，先downsample两次再upsampl...
2020-03-11 10:29:16
651
1
原创 Second-order Attention Network for Single Image Super-Resolution
Second-order Attention Network for Single Image Super-Resolution性能：SSRG是提出来的一个新的backbone，看图就行，每个块就是Fg=WSSC(F0)+Hg(Fg−1)F_g = W_{SSC}(F_0) + H_g(F_g−1)Fg=WSSC(F0)+Hg(Fg−1)其中WSSCW_{SSC}WSSC就是共...
2020-03-11 10:29:03
1060
原创 Image Super-Resolution by Neural Texture Transfer
Image Super-Resolution by Neural Texture Transferhttps://blog.csdn.net/wangchy29/article/details/88566724用的是ref-SR，不适用，我们没有ref
2020-03-11 10:28:52
183
原创 画froc曲线代码，供参考
import pandas as pdimport numpy as np import jsonimport matplotlib.pyplot as pltfrom decimal import Decimalfrom matplotlib.ticker import FixedFormatterimport osresult_csv_file_path = 'xxx.csv'...
2020-03-10 19:47:29
1138
3
原创 将deeplesion数据集转化为coco格式的检测数据集，可参考
"""Created on 2/261. read csv，save as cocostyle dataset：--dataset/ --trainset/ --image/ --***.jpg ***.jpg ... --annotation/ --annotation.json --validset/ -...
2020-03-10 19:42:03
1022
4
原创 python项目经验
项目编排心得写一个庞大的项目时，可以把model和其它设置所需参数，集中到一个config file，在主程序读取该file并作为一个字典变量自始至终传递，就避免了过多的参数传递，而且把所有函数的参数细节用一个很轻松简洁的方式提供了接口。而且当项目开源作供他人修改以作他用时，可以保留一些默认值而不需要去考虑他们要善于利用pandas处理csv文件作为中间处理结果和日志等基础python部...
2020-03-10 17:29:16
928
原创 根据deeplesion给的官方标注文件的 Measurement_coordinates 生成伪mask的代码
import numpy as npimport pandas as pdimport cv2import osann_file_path = 'xxx/DL_info.csv'output_path = 'xxx/fake_masks'def findIntersection(list_in): vector0 = [] vector1 = [] vect...
2020-03-10 17:16:47
273
原创 根据分割图生成bbox的csv标注：
根据分割图生成bbox的csv标注：import numpy as npimport skimagefrom skimage.measure import label,regionpropsfrom skimage.filters import robertsimport osimport cv2import pandas as pddef get_patch_csv(filen...
2020-03-10 16:56:22
574
9
原创 linux操作笔记
linux 查看当前路径下文件和文件夹 lslinux统计当前路径下文件数量（非递归）ls -l |wc -llinux后台运行 nohup somecommand > log 2>&1 &复制：cp删除：rm移动/重命名：mv显示当前路径 : pwd*代表匹配到的所有文件，比如，rm * 代表删除当前路径下所有文件，rm *.jpg代表删除当前路径下...
2020-03-10 15:24:43
146
facebook开源目标检测框架所用到的R-101预训练的权重文件 R-101.pkl
2020-05-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人