ARM处理器共有37个寄存器，被分为若干个组（BANK），这些寄器包括：●31个通用寄存器，包括程序计数器（PC指针），均为32位的寄存器。●6个状态寄存器，用以标识CPU的工作状态及程序的运行状态，均为32位，目前只使用了其中的一部分。这些寄存器不能被同时访问，但是在任何时候，通用寄存器R0-R14，程序计数器PC，一个或者两个状态寄存器是可以访问的1 ARM下寄存器组织...

组成嵌入式系统嵌入式处理器是系统的核心部件。代表ARM MIPS PowerPC MC68000外设存储SRAM RAM Flash通信RS232 SPI 以太网显示LCD调试等

本文提出了卷积块的注意力模块（Convolutional Block Attention Module），简称CBAM，该模块是一个简单高效的前向卷积神经网络注意力模块。给定一张特征图，CBAM沿着通道（channel）和空间（spatial）两个单独的维度依次推断注意力图，然后将注意力图和输入特征图相乘，进行自适应特征细化。因为CBAM是一个轻量级的通用模块，可以无缝的集成到任何CNN架构中，几

group convolution（群卷积或分组卷积）假设上一层的feature map总共有N个，即通道数channel=N，也就是说上一层有N个卷积核。假设群卷积的群数目M。那么该群卷积层的操作就是，先将channel分成M份。每一个group对应N/M个channel，与之独立连接。然后各个group卷积完成后将输出叠在一起concatenate，作为这一层的输出channel。（把feat

2017本文主要提出了一个深度特征流算法，用于视频的识别。它仅在稀疏的关键帧上运行计算量极大的卷积子网络，并通过流场将它们的深度特征图传输到其他帧。由于流计算方法相对较快，所以算法得到了明显的加速。整个框架的端到端的训练明显提升了识别的精度。由于中间卷积特征图与输入图像拥有相同的空间大小（通常以较小分辨率，例如，16×更小）。它们保留了低级图像内容与中高级语义内容之间的空间对应关系。这种对应关系通

报错Cannot uninstall 'leveldb'. It is a distutils installed project and thus we cannot accurately determinewhich files belong to it which would lead to only a partial uninstall.解决sudo pip install ...

https://mirrors.tuna.tsinghua.edu.cn/ubuntu-releases/20.04/

http://lamda.nju.edu.cn/yangjw/project/drlintro.htmlhttps://www.leiphone.com/news/201802/kySbslzMWzUXIAbt.html

后边增加了Lenet-5实现MNIST识别的可视化代码先上出图：这里因为只训练了3000次，可能并没有达到最优，仅作示意。上个代码，前提先下载MNIST数据集，MNIST四个二注意改代码里两个目录，一个mnist数据存放目录，一个存放tensorboard文件目录# -*- coding: utf-8 -*-"""Created on Thu Jan 25

数据增强有区域级数据增强方法、图像级增强方法。区域级数据增强方法：它的mask或者修改是随机选择图像的矩形区域。图像级增强方法：它是利用加强学习来发现选择和组合不同的标签不变性变换的最优策略。数据增强（DA）是实现深度学习有效涨点的技巧；在计算机视觉方向，数据增强的本质是人为地引入人视觉上的先验知识，可以很好地提升模型的性能，目前基本成为模型的标配；数据增强的作用:（1）避免过拟合（2）模型鲁棒性