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

ARM 低功耗架构

当遇到Linux没有权限的事情的时候(eg: 当Linux想要关机或者休眠的时候,这涉及到整个系统电源状态的变化,为了安全性Linux内核没有权利直接执行,需要陷入到EL3等级去执行),需要给SCP打报告,SCP审批后去执行。PSCI是工作在non secure EL1(linux内核)/EL2 hypervisor和EL3(bl31)之间的一组电源管理接口,PSCI在EL3实现。PSCI是ARM

文章图片
#架构
神经网络 Output Shape 每层输出矩阵解读

Output Shape:使用tf.keras自定义模型建模后model.summary()中Param的计算过程详解keras的model.summary()输出参数Param计算过程

vs2019 opencv安装 附加依赖项

vs2019 opencv安装 附加依赖项的坑:需要附加依赖项

GAN 原理

D loss 和 G loss :LossD = Loss_fake + Loss_realLossG = Loss_G_fake_D + 其他约束项BCE loss的说明参考GAN的loss导致问题判别器 loss(BCE): BCE loss全称: Binary Cross Entropy 二元交叉熵      BCE接近0说明Discriminator可以非常容

划分原始数据集 / 模型评估

数据挖掘之模型评估划分原始数据集的方法保持方法交叉验证模型评估混淆矩阵性能度量ROC 曲线划分原始数据集的方法将原始数据按一定比例分割为训练数据和检验数据,通过训练数据来构建模型,检验数据进行模型评估,通过测试模型在检验集上的准确率和错误率来评估分类模型的分类性能和泛化能力。通常使用的几种划分原始数据集的方法:保持方法将类标号己知的全量样本分割为两个无重叠的子集,其中训练集用于学习构建模型,检验集

#算法#机器学习#数据挖掘
tensorflow 加载数据集

tf.data.Dataset.from_tensor_slices:使用tf.data.Dataset.from_tensor_slices五步加载数据集import tensorflow as tffrom tensorflow import kerasdef load_dataset():# Step0 准备数据集, 可以是自己动手丰衣足食, 也可以从 tf.keras.datasets 加

UVM sequence 3种启动方式

在build_phase中将某个sequence配置成某个sequencer的动态运行的phase中(如main_phase)的default_sequence, 那么在仿真执行到main_phase的时候,squencer的default_sequence就会启动。第二类:uvm_do_on类。第一类:uvm_do类。

Dev-C++安装OpenCV

windows+CMake+mingw 搭建c c++开发环境 :https://www.cnblogs.com/herelsp/p/8679200.html为Dev-C++安装设置OpenCV:https://blog.csdn.net/wadefelix/article/details/1334515

人脸关键点检测dlib python

脸特征点检测工具 dlib:其中in Classes 表示采样(upsample)次数,返回值<class ‘dlib.dlib.rectangle’>,是一个矩形,坐标为[(x1, y1) (x2, y2)]。通过left,right,top,bottom方法分别获取对应的x1, x2, y1, y2值。# dlib.get_frontal_face_datector(PythonF

到底了