解决方案：这里我把依赖文件上传到这里了，免费积分下载：https://download.csdn.net/download/bjbz_cxy/16153740下载完成之后解压解压之后有两个文件解压Video_Codec_SDK_9.1.23.zip文件把include目录下的nvcuvid.h文件copy到/usr/local/include目录下就可以了...

一.开发环境开发板：核心板：TQ210CoreB底板：TQ210 V4CPU：s5pv210内核：Linux_kernel_3.0.8交叉编译系统环境：操作系统：ubnutu16.04编译器：arm-embedsky-linux-gnueabi工具链4.4.6所需知识点：若你是刚入门的学生不太看得懂原理图与芯片手册，请先看下这篇文章中针对电路原理与芯片文档这块的教程：详细介绍如何读懂STM32开发

在核心板上若工作的时钟频率不同则无法正常驱动工作，这是很关键的知识点。频率我们可以通过开发板的原理图查看，或者在soc（CPU）的原理图上得到也可以。这里我用的是开发板的原理图，我使用的是TQ210开发板上接到soc的时钟这块有XXT1,XXTO等，soc是靠时钟提供主频率的，若接到这块上面的就代表要与这个频率一致，否则无法正常工作，产生调频的情况。我们在原理图上看下clock这块，可以看到PLL

前言在Linux内核中设备号的作用是用来区分不同的设备类型。比如：设备号23，对应的是LED设备号17，对应的是某个存储设备等等...主次设备号主设备号：对应设备的主号码次设备号：对应设备的子号码比如：你有两个LED，你注册了主设备号14，代表使用这个设备号的驱动都是LED设备，那么怎么区分1和2呢？就是子设备号，通过子设备号来区分是LED1还是LED2。内核只认主设备号，最终调用时内核会通过主设

在神经网络中卷积是最常见的操作，通常情况下它应用在神经网络的Input层后面，所以我们多数情况下称这一层为卷积层或隐藏层，这里提一句什么是隐藏层，在神经网络中有输入层和输出层，这两层对于外界是可见的，并且它接收来自外界的输入或输出到外界里去，当然一个完整的神经网络不可能只有输入层和输出层，就以CNN卷积神经网络来说当图像输入到输入层之后会被传递给下一层做特征提取下一层一般是卷积层，随后卷积层会传递

很久没有更新博客了，最近比较忙，后续会为大家更新更多丰富的文章，例如单机游戏外挂教程以及WiFi监控软件，WiFi管理软件源代码！  这个要看博主最近做什么学什么啦！~如果有感兴趣的可以在评论下面艾特一下博主，如果博主会这方面的话，会写文章进行相关教程！下面这段代码是国外github上某位大神分享的但是没有对代码做介绍以及unix内核的内存保护和safari的css解析内核的方式，也就是为什么..

收敛的意思是指某个值一直在往我们所期望的阈值靠，就拿深度学习中loss损失来做示例，如下一张图是loss在每轮训练时的一个曲线图，可以看到loss一直从一开始的1.8在往1.0降，1.0就是我们期望的阈值，而1.8是最开始loss最大损失值。可以看到在训练过程中损失值一直在往我们期望的阈值上靠近，这个曲线非常平滑，没有出现曲线一直卡在某个点不下降或突然曲线上升了（这个情况是跑飞了）的原因，如果有可

一、Sensor模型介绍Zephry针对传感器这一类设备定义了一套统一传感器驱动接口，如果你的传感器想要在Zephry上实现自己的驱动，那么需要遵守这一套接口模型标准。因为市面上的传感器大多数所反馈的数据基本上都是差不多的，如水平X、Y轴，温度、气压等一些数据，Zephry为了统一管理实现了一套标准API与宏定义，要求开发者们根据去实现这一套标准API，在结合对应的宏定义来反馈传感器对应的值。Ze

本篇文章使用开发板与上一篇文章一致：实战！手把手教你如何编写一个Linux驱动并写一个支持物联网的LED演示demo首先第一步打开电路原理图，找到蜂鸣器部分首先可以看到VDD 5V也就是说这个蜂鸣器电路需要至少5V的电流才能驱动,后面跟了一个CON2通过原理图可以看到上面有两个孔，是针孔可以在上面焊排针，或者排母把这个接口引出来，然后它接到BUZZER上面，这部分接口我的PCB板上没有引出来，所以

诞生概念batch-size中文翻译是批量大小，所谓的批量是指学习样本的数量，因为在训练模型时需要将样本图像全部读入到内存中，这么做的原因是提升收敛速度。如果每次读一个图像到内存然后提取特征然后在取下一张，这样有一个问题：深度学习中是随机取样本，并且每次从磁盘读出来也挺耗时的，如果这次是一张图像，下次随机取样本不能保证图像不会重复，所以最好的方式是一次性将图像全部读入内存中然后进行特征提取。但是这