- 博客(34)
- 收藏
- 关注
RSS订阅
原创 ipsec~strongSwan
应该这俩个导致启动失败, 其实都是一个原因arm没tun, 但一般内核是有的就是没开启 需要重新编译一下了, 每个平台不一样 ,所以自己搞吧 //1 ( 建个文件去就行,不过正常应该自己能生成啊 不用手动建,建完了 后面还是报错 )//2 ( 系统里没tun的问题上面也是~~ )
2024-10-12 14:26:13
230
原创 whaosoftの物联网各种设备协议
需要的可以联系我 仓库地址在 github=== /whaosoft/wdata-collection-lib 中自己搜吧 > 有没有感兴趣哒。准备开源-物联网各种PLC及各种非PLC设备(变频器等)协议 - go/c 语言版本 (适用于arm32/64及stm32)Arcnet 没什么资料 也没开发板 真正的环网呀~~西门子 smart200 , s1200。还有这3钟老外常用的。
2024-10-10 19:06:05
435
原创 whaosoftの各芯片各种板~使用日记
AI及非AI的开发板使用心得哦~~ 逐步完善哦~ whaosoft aiot 欢迎一起来交流哦 ~1年多过去了 记得之前东西好像不多 但还好有个微信群 看着帖子也多了 群里也很热闹 还不错哦~~美中不足 竟然cpu都不支持can rk3568还有几个 呢~~我就想知道 这个就没个带桌面的镜像吗 (发的时候还没)做了一个外围板子 准备开源一下pcb等 不知道有人需要吗。部分评估板及核心板及开发板 , 用到CAN CANFD等。这里全是cpu 不说MCU哦~atlas200 第一代。这家系统有点难用哦~~
2024-09-21 15:56:52
258
原创 51c嵌入式~mbedtls移植各MCU
我的嵌入式专辑 由于还没发完 请去这里看原贴~~ 待更新完 发回来~~ https://143ai.com/
2024-09-15 23:45:25
1259
原创 大模型~合集12
DISC-FinLLM 是基于我们构建的高质量金融数据集 DISC-Fin-SFT 在通用领域中文大模型 Baichuan-13B-Chat 上进行 LoRA 指令微调得到的金融大模型。值得注意的是，我们的训练数据和方法也可以被适配到任何基座大模型之上。DISC-FinLLM 包含四个 LoRA 模组，它们分别用于实现不同的功能：1. 金融咨询：该模组可以在中国金融语境下，与用户展开关于金融话题的多轮对话，或是为用户解释金融专业的相关知识，是由数据集中的金融咨询指令部分训练而来。
2024-10-19 13:59:18
269
原创 大模型~合集9
论文首先以最近大热的 LLaMA 模型作为代表，分析并阐述了大语言模型（LLM）和其他基于 Transformer 的模型的架构和计算流程，并定义了所需的符号表示，以便于在后文分析各类 PEFT 技术。此外，作者还概述了 PEFT 算法的分类方法。作者根据不同的操作将 PEFT 算法划分为加性微调、选择性微调、重参数化微调和混合微调。图三展示了 PEFT 算法的分类及各分类下包含的具体算法名称。各分类的具体定义将在后文详细讲解。
2024-10-17 12:09:57
658
原创 51c大模型~合集3
和当前主流基于扩散模型的方法不同，LivePortrait探索并拓展了基于隐式关键点框架的潜力，从而平衡了模型计算效率和可控性。LivePortrait聚焦于更好的泛化性，可控性和实用的效率。为了提升生成能力和可控性，LivePortrait采用69M高质量训练帧，视频-图片混合训练策略，升级网络结构，并设计了更好的动作建模和优化方式。
2024-10-15 09:48:25
948
原创 嵌入式分享合集192~干货篇
传感器（Sensor）是指将收集到的信息转换成设备能处理的信号的元件或装置。人类会基于视觉、听觉、嗅觉、触觉获得的信息进行行动，设备也一样，根据传感器获得的信息进行控制或处理。传感器收集转换的信号（物理量）有温度、光、颜色、气压、磁力、速度、加速度等。这些利用了半导体的物质变化，除此之外，还有利用酶和微生物等生物物质的生物传感器。不仅智能手机、个人电脑等通信设备，还包括医疗设备、可穿戴式设备、车载、自然环境、基础设施等，所有物体都能联网共享信息，从而创造更便利、更安心、更安全的社会。
2024-10-15 09:26:33
845
原创 51c大模型~合集2
用户能够详细定义数字人各项属性，包括职业背景、对话情境、交流风格、专业领域、语气倾向以及知识库内容等，尝试创建适应特定交流需求的数字人。如模拟一位资深雅思考试专家，能够根据雅思考试的标准，对考生回答进行专业评估和提问，提供更为专业化的交互体验。实时数字人技术在直播、远程教育、客服、社交媒体内容创作和营销等多个领域都有应用潜力，其技术的发展也离不开多项关键技术的积累。如。
2024-10-14 13:47:23
864
原创 51c~嵌入式~SPI~合集1
SPI 的工作时序模式由CPOL（Clock Polarity，时钟极性）和CPHA（Clock Phase，时钟相位）之间的相位关系决定，CPOL 表示时钟信号的初始电平的状态，CPOL 为0 表示时钟信号初始状态为低电平，为1 表示时钟信号的初始电平是高电平。SPI是由“单个主设备+多个从设备”构成的系统。（1）主设备出、从设备入（Master Out Slave In，MOSI）：由主设备向从设备传输数据的信号线，也称为从设备输入（Slave Input/Slave Data In，SI/SDI）。
2024-10-14 09:38:46
513
原创 C++从零实现神经网络
前一章节中，大部分还是比较简单的。因为最重要事情就是生成各种矩阵并初始化。神经网络中的重点和核心就是本文的内容——前向和反向传播两大计算过程。每层的前向传播分别包含加权求和（卷积？）的线性运算和激活函数的非线性运算。反向传播主要是用BP算法更新权值。本文也分为两部分介绍。在之前的章节中我们已经实现了Net类的设计和前向传播和反向传播的过程。可以说神经网络的核心的部分已经完成。接下来就是应用层面了。
2024-10-14 03:30:00
731
2
原创 嵌入式~CAN-专辑2
CAN节点发送数据不成功，首先分析是不是CAN控制器本身的问题，查看CPU中的CAN core的状态寄存器，分析是否有BUS OFF, 如果存在BUS OFF, 则进一步查看具体的错误信息。是主动的错误还是被动的错，发送错误计数有没有超限，最后一次发生的错误状态是什么，查看是位填充错误还是格式错误等其他错误，然后具体问题具体分析。
2024-10-13 15:01:30
1252
原创 嵌入式分享~IO相关1 ##
上图是随便找到的两个不同型号的继电器。继电器就是个开关，这个开关是由它内部的线圈控制的，给线圈通电，继电器就吸合，开关就动作了。绝大部分的继电器反面都会有如下图一样的标识，看标识也就能看出，下图中1脚2脚之间是线圈，3脚和5脚在继电器不动作的时候是连一起的，当1脚2脚上加电压后，继电器动作，此时3脚就断开5脚，吸合到了4脚上去。比如你要控制一条线的通断，就可以把这条线故意搞断以后，一端接到3脚，一端接到4脚，然后通过给线圈通电和断电，就可以控制这条线的通断了。
2024-10-13 14:39:15
900
原创 51c视觉~合集34
整的特征蒸馏对于提高教师在密集图像理解任务中的性能至关重要，例如在ADE20K上相对提高了18%。SAM与DINOv2的对比。还有个有趣的结论，SAM 其实并不适合下游任务，而DINOv2在零样本和少样本任务中明显优于前者，这大概还是得益于其强大的表征能力。不过，u1s1，SAM 在检测边缘和分割对象方面的表现还是非常出色的，但在高层对象描述和结合多个对象语义方面表现不佳。本文提出的 RADIO 能够产生高分辨率和低噪声的特征。然而，我们可以发现的一个问题是，RADIO 似乎具有潜在的“低分辨率”和
2024-10-12 00:10:46
1269
原创 51c大模型~合集68
视觉信息智能学习实验室（VILLA）由张健助理教授于2019年创立并负责，主要围绕“智能可控图像生成”这一前沿领域，深入开展高效图像重建、可控图像生成和精准图像编辑三个关键方向的研究。创立至今已在Nature子刊Communications Engineering、TPAMI、TIP、IJCV、SPM、CVPR、NeurIPS、ICCV、ICLR等高水平国际期刊和会议上发表论文90余篇。
2024-10-11 17:51:46
796
原创 51c自动驾驶~合集3
UniAD在自动驾驶的每个子任务中使用交叉注意力，显式指定了信息流向，且只能利用nuScenes类的封闭数据集。与之相对的，基于多模态基础模型的自动驾驶架构只使用自注意力层，将视觉信息映射为tokens，和多模态prompt的tokens一起输入自注意力层，多模态prompt隐式指定了信息流向，基础模型也已经用开放数据集进行了预训练。这是一种与UniAD互补的思路。
2024-10-10 09:23:54
1953
原创 51c自动驾驶~合集2
1）地图构建。Q: 你好，我看代码加了一个衰减参数保证Temporal的anchor能够尽可能传到下一帧，但是是怎么保证在下一帧中它能够继续传递，而不是由下一帧的top 300个anchor中产生?因为非temporal的部分也是正常产生所有的检测，取topk后也是基本上是当帧所有的检测，temp_gnn是如何保证最后输出的结果是从temporal的600个而不是当前top k的300个anchor产生?我的理解是通过与temporal anchor做cross attention达到隐式去除？但这一部分并
2024-10-08 10:05:43
1583
原创 大模型~合集8
通过使用xformers库[12]中的causal multi-head attention（通过不存储注意力权重和不计算由于语言建模任务的因果性质而被屏蔽的key/query.分数来实现的）的高效实现，减少了内存占用和计算时间，显示了在处理大量数据时对效率的关注。这些优化措施特别适合于训练参数庞大的模型，如650亿参数的模型，能显著减少训练时间，提高整体的运算效率。对于语言的代表性和毒性的分析，Llama-2使用了相应的工具和数据集，以了解预训练数据的特征，为模型的安全调整提供指导。
2024-10-07 11:15:11
1298
原创 大模型~合集7
这检验了与 μ 子（质量大约是电子的 200 倍）有关的某个物理量的测量值与标准模型（即用于描述基本粒子世界的模型）的预测之间的有趣差异。有趣的是，通过在模型隐藏状态上使用线性探针，可以在一定程度上预测模型在未来 token 上的输出，而干扰隐藏状态则可以对未来输出进行可预测的修改。人们可能会预测出一个矛盾的结论：经过蒸馏的大模型的采样速度快于经过蒸馏的小模型。对新物理现象的探索是对所谓的标准模型的扩展，即当前关于自然界基本成分的基本行为及其相互作用的不完整的理论知识，导致在不断增加的能量下进行实验研究。
2024-10-06 13:58:53
1315
原创 51c视觉~CV~合集3
基于深度学习的方法在某些工业产品的表面缺陷识别和分类方面表现出优异的性能, 然而大多数工业产品缺陷样本稀缺, 而且特征差异大, 导致这类需要大量缺陷样本训练的检测方法难以适用. 提出一种基于重构网络的无监督缺陷检测算法, 仅使用容易大量获得的无缺陷样本数据实现对异常缺陷的检测. 提出的算法包括两个阶段: 图像重构网络训练阶段和表面缺陷区域检测阶段. 训练阶段通过一种轻量化结构的全卷积自编码器设计重构网络, 仅使用少量正常样本进行训练, 使得重构网络能够生成无缺陷重构图像, 进一步提出一种结合结构性损失和L1
2024-10-05 22:29:36
1784
原创 51c视觉~CV~合集2
作者提出只依据已有的正常表面图像样本，通过一定的技术手段对缺陷样本进行检测，很好的将最近研究火热的GAN应用于框架中，这一年，课题组的老师也一直讨论这种方法的可行性，缺陷的检测要不要有缺陷样本，从稀疏自编码，小样本学习再到计算机视觉研究热点之一的零样本学习，得出结论：大多数工业产品表面缺陷检测是需要缺陷样本或者人为制作的缺陷样本，论文虽然是没有直接使用生产线上的缺陷样本，但是通过算法人为的产生了缺陷样本，并很好的融合和GAN在图像修复领域的强大能力，整个框架的设计很巧妙。使用前需要先安装 SAM 2。
2024-10-04 11:06:28
1362
原创 大模型~合集6
在模型连接的基础上，可以找到性能更好的其他模型，并将其作为进一步优化和融合的起点。此外，当模型共享其优化轨迹的一部分（例如，检查点平均、尾部平均、SWA [99, 149] 等）或在相同的预训练模型上进行微调时（例如，模型汤 [239] 等），插值模型的准确性表现更好[167]。特别是，随着最近新的LLM [200, 264]的出现，如GPT-3 [17, 172]，T5 [187]，BERT [41]，Megatron-LM，WA的应用[154, 212, 256] ] LLM引起了更多关注。
2024-10-03 00:23:04
1390
原创 大模型~合集5
FLock 的机制设计受到了证明权益（PoS）区块链共识机制和桌面游戏《The Resistance》（一种角色扮演类游戏，该游戏的一个变种叫阿瓦隆）的启发。《The Resistance》游戏则通过投票机制，每轮游戏中玩家独立推理并投票，从而实现全局共识。《The Resistance》有两个不匹配的竞争方，其中较大的一方被称为抵抗力量，另一方被称为间谍。在《The Resistance》中，有一个投票机制，在每一轮中，每个玩家进行独立推理并为一个玩家投票，得票最多的玩家将被视为「间谍」并被踢出游戏。
2024-10-02 00:23:27
1738
原创 大模型~合集4
作者认为，通过合成数据，计算模型在训练过程中获得的知识总量的方法，可以为「评估模型架构、训练方法和数据制备」提供了一套系统且精确的打分体系。这和传统的 benchmark 比较完全不同，并且更可靠。他们希望这能帮助未来 LLM 的设计者做出更明智的决策。
2024-10-01 12:10:34
1749
原创 大模型~合集3
除了直接增大 LLM 参数量，近期火热的 MoE 架构则提供了更高效实现的可能性，即通过稀疏计算的方式，在不增大实际计算参数量的前提下提高总的模型参数量。但X轴就不一样了，设置成KL散度非常巧妙，因为RL不能像预训练/精调一样用计算量、过的Token数量等，如果RL也用训练时过的Token数量，会有一个问题：预训练和SFT只优化交叉熵损失这一个目标，而RL同时优化总奖励和KL惩罚两个目标，而且这两个目标是互相拉扯的，KL惩罚希望模型尽量不偏离太远，而模型要拿更多的奖励不可避免会有参数更新。
2024-09-30 10:42:58
1129
原创 大模型~合集2
本文的目标是更系统地分析并细致区分下一个 token 预测的两个阶段：teacher forcing 和自回归。本文作者认为，现有的论证没有完全分析出 token 预测模型无法规划任务的全部原因。
2024-09-29 19:48:37
1168
3
原创 大模型~合集1
虽然大模型对开发简化提效有所帮助，但大模型并未提高助理效果的核心因素，如理解、规划和推理等。没有数十万规模的真实的助理数据训练，无法理解其垂直场景的各种长尾情况。
2024-09-28 17:53:35
1229
原创 51c自动驾驶~合集1
MTR v3是在MTR++上进行改进的。PerlDiff 通过整合几何约束和扩散模型，在生成高保真度视觉图像的同时，提供了精确的控制信息，增强了图像生成的可控性。实验证明，PerlDiff在 NuScenes 和 KITTI 数据集上表现出色，有望在未来成为一个强大的交通模拟器。未来工作将探索视频生成，以进一步提升模型的应用潜力。
2024-09-27 10:01:30
1270
原创 51c嵌入式~电路~合集1
布局 元器件布局的10条规则：1. 遵照“先大后小，先难后易”的布置原则，即重要的单元电路、核心元器件应当优先布局．2. 布局中应参考原理框图，根据单板的主信号流向规律安排主要元器件．3. 元器件的排列要便于调试和维修，亦即小元件周围不能放置大元件、需调试的元、器件周围要有足够的空间。 4. 相同结构电路部分，尽可能采用“对称式”标准布局；5. 按照均匀分布、重心平衡、版面美观的标准优化布局； 6. 同类型插装元器件在X或Y方向上应朝一个方向放置。同一种类型的有极性 分立元件也要力争在X或Y方向上保持一致，
2024-09-19 10:07:30
3284
原创 51c视觉~合集28
参数量减少40倍，推理速度提高6倍！结合变形卷积的网络如何克服SSM的内存问题？这篇文章介绍了一种名为UV-Mamba的新型神经网络模型，该模型结合了变形卷积和状态空间模型，用于高分辨率遥感图像中精确检测城市村庄边界。I Introduction城市村庄，作为城市化过程中的历史遗留物，由于其低层建筑和密集的建筑物，不理想的环保条件，以及过时的市政基础设施，在城市建设与经营管理中带来了较大的挑战。城市村庄的问题不仅关系到城市的形象美感和清洁，而且直接影响着居民的生活方式，公共安全和社会稳定 。传统收集城市村庄
2024-09-18 00:54:59
1787
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人