logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

半导体数据分析:GPR算法小白入门(二)晶体管I-V特性分析

本文介绍了高斯过程回归(GPR)在半导体晶体管IV特性分析中的应用。通过三个模块化的案例演示,展示了如何从有限噪声数据中预测完整IV曲线:1)数据生成与对数预处理;2)GPR模型配置与训练;3)预测结果可视化与评估。结果表明,GPR能有效捕捉指数级变化的电流特性,并提供95%置信区间的不确定性量化,但高电压区域存在欠拟合。文章还提出了增加数据密度、调整内核参数等优化建议,为后续的工艺参数优化和产量

文章图片
#数据分析#算法#数据挖掘 +2
AI开发:卷积神经网络CNN原理初识,简易例程 - 机器学习

今天说的CNN,并不是我们熟知的美国有线电视新闻网。那什么是CNN呢? Convolutional Neural Networks, CNN)简单来说,就是用一个筛子来筛面粉的。筛子就是卷积核,面粉就是被筛的信息,晒出来的面粉就是新生成或者说被抽离的特征。有很多把筛子组成的网络一起来筛信息,就组成了一个卷积神经网络。卷积神经网络(CNN)是一种模仿人类视觉系统的算法,常用于图像和视频处理。它的基本

文章图片
#人工智能#机器学习#cnn
IC 设计私有化 AI 助手实战:基于 Docker + OpenCode + Ollama 的数字前端综合增强方案(实战篇)

本文介绍了在IC设计中使用OpenCode实现跨服务器协同调用EDA工具的全流程方案。重点包括:1)建立SSH免密信任链,实现OpenCode容器透明访问远端EDA服务器;2)通过NFS共享目录实现数据流通;3)实战演示远程调度综合任务、监控进度和分析报告;4)提供多服务器负载均衡、自动化时序收敛迭代等高级功能。该方案将传统耗时数天的设计迭代缩短至当天完成,显著提升IC设计效率,同时强调密钥权限管

文章图片
#人工智能#docker#python
IC设计私有化AI助手实战:基于Docker+OpenCode+Ollama的数字前端综合增强方案(基础版)

本文探讨如何利用Docker容器化技术解决数字前端业务中RTL资产保护与AI工具兼容性的矛盾。通过构建多用户隔离的本地AI集群,在CentOS系统上部署OpenCode助手,实现GLIBC冲突规避和用户权限隔离。文章详细介绍了镜像构建、多用户配置、性能优化等关键技术,并展示了在SDC约束生成、RTL综合等场景的应用方案,最后提供运维维护建议,为团队协作提供高效AI支持方案。

文章图片
#人工智能#docker#前端
IC设计私有化AI助手实战:基于Docker+OpenCode+Ollama的数字前端综合增强方案(进阶版)

本文介绍了一种在物理隔离的EDA环境中部署本地AI辅助综合工作站的方案。通过Docker容器化技术,在CentOS/RHEL等老旧系统上构建隔离运行环境,结合Ollama本地大模型服务(Qwen2.5-Coder:14B),实现RTL资产零外泄的AI辅助设计。方案采用四层架构设计,支持多用户隔离配置,提供SDC生成、时序分析等功能,并优化了模型参数和文件索引规则。文章详细阐述了环境部署、容器构建、

文章图片
#人工智能#python#语言模型
AI开发 - 算法学习: 大模型时代,还要不要学算法?

摘要: 随着AI编程工具的高效普及,算法学习的必要性引发争议。反方认为AI可快速生成正确代码,人工刷题意义下降;正方指出AI代码存在隐蔽错误,需算法能力校验。核心矛盾在于:AI擅长生成代码,但人类需具备算法思维判断其正确性。真正的关键在于区分"编码熟练度"(可被替代)与"建模分析能力"(更显重要)。建议根据场景调整策略:面试仍需手写代码,业务开发可借助AI但需审查,系统设计依赖人类判断力。当前阶段

文章图片
#人工智能#算法#学习
IC设计私有化AI助手实战:基于Docker+OpenCode+Ollama的数字前端综合增强方案(进阶版)

本文介绍了一种在物理隔离的EDA环境中部署本地AI辅助综合工作站的方案。通过Docker容器化技术,在CentOS/RHEL等老旧系统上构建隔离运行环境,结合Ollama本地大模型服务(Qwen2.5-Coder:14B),实现RTL资产零外泄的AI辅助设计。方案采用四层架构设计,支持多用户隔离配置,提供SDC生成、时序分析等功能,并优化了模型参数和文件索引规则。文章详细阐述了环境部署、容器构建、

文章图片
#人工智能#python#语言模型
AI开发 - 算法学习: 大模型时代,还要不要学算法?

摘要: 随着AI编程工具的高效普及,算法学习的必要性引发争议。反方认为AI可快速生成正确代码,人工刷题意义下降;正方指出AI代码存在隐蔽错误,需算法能力校验。核心矛盾在于:AI擅长生成代码,但人类需具备算法思维判断其正确性。真正的关键在于区分"编码熟练度"(可被替代)与"建模分析能力"(更显重要)。建议根据场景调整策略:面试仍需手写代码,业务开发可借助AI但需审查,系统设计依赖人类判断力。当前阶段

文章图片
#人工智能#算法#学习
深度报道:AI编程席卷中国科技行业,程序员如何在“超级台风”中突围?

《AI编程风暴:中国程序员如何应对挑战与机遇》 2025年中国科技行业正经历一场AI编程革命,传统开发模式被颠覆。数据显示,70%科技企业已引入AI工具,其效率远超人工,部分项目开发周期从数月缩短至几天。这导致65%的企业减少初级岗位招聘,程序员群体普遍面临职业焦虑。然而,案例显示主动拥抱AI的程序员成功转型:前端工程师将AI作为"超级助手"提升效率,测试工程师借AI实现自动化

文章图片
#科技
IC设计私有化AI助手实战:基于Docker+OpenCode+Ollama的数字前端综合增强方案(基础版)

本文探讨如何利用Docker容器化技术解决数字前端业务中RTL资产保护与AI工具兼容性的矛盾。通过构建多用户隔离的本地AI集群,在CentOS系统上部署OpenCode助手,实现GLIBC冲突规避和用户权限隔离。文章详细介绍了镜像构建、多用户配置、性能优化等关键技术,并展示了在SDC约束生成、RTL综合等场景的应用方案,最后提供运维维护建议,为团队协作提供高效AI支持方案。

文章图片
#人工智能#docker#前端
    共 40 条
  • 1
  • 2
  • 3
  • 4
  • 请选择