因为项目用到了wk2124芯片来进行串口扩展，网上找了好多资料没有现成的，根据商家提供的demo，它是基于103写的，所以根据自己板子的实际情况进行了改写，并且学习一下里面的主要函数及我对函数的理解原理图用到5个引脚，片选CS、时钟SCK、MOSI、MISO和中断IRQ，因为RST设置的是板子连电后电容充电，所以会自动复位，不用这个引脚。一. SPI1.GPIO初始化设置GPIO_InitType

1.原理图2.管脚定义2.1OS2,OS1,OS0查阅数据手册这三个管脚组合控制过采样模式。000 表示无过采样，最大 200Ksps 采样速率。001 表示 2 倍过采样， 也就是硬件内部采集 2 个样本求平均。010 表示 4 倍过采样， 也就是硬件内部采集 4 个样本求平均。011 表示 8 倍过采样， 也就是硬件内部采集 8 个样本求平均。100 表示 16 倍过采样， 也就是硬件内部采集

计算模型参数量1.parameters法通过遍历模型的parameters获取结构以及参数：model = 你自己的模型，eg:CNN()ResNet()SegNet()....params = list(model.parameters())k = 0for i in params:l = 1print("该层的结构：" + str(list(i.size())))for j in i.siz

网速太慢，被限速经常失败，复制下面网址到迅雷下载

本文完成RTX3090Windows+Ubuntu双系统配置 ，并配置深度学习环境硬件环境为RTX3090+Z590主板，64GB RAM，2TB固态，8TB存储Ubuntu系统版本为：Ubuntu 20.04.3 LTS深度学习环境：cuda11.0.4；cudnn8.2.4；pytorch1.9

在众多机器人控制算法中,基于模型的计算力矩控制方法是十分有效的,其操作性能也是相当优秀的.然而,这种控制算法必须面对两大难题.第一,必须实现对机器人动力学模型的快速计算第二,必须事先精确了解机器人的动力学模型,因为计算转矩算法在模型未知的情况下鲁棒性较差.但是在实际应用中,即使是获得一个较为理想的机器人动力学模型也是很困难的,另外在操作过程中动力学模型中的各个参数还可能发生变化神经网络控制神经网络

功夫不负有心人，终于把这个做出来了，本项目为控制42,57两个步进电机，带动齿轮，进行上下左右转动，四个限位金属传感器限制位置。传感器配置过程步进电机配置过程从来没有接触过这方面的东西，弄了几周总算是捣鼓出来了，最终可以通过串口调试助手控制上下左右转动，移动到传感器的位置可根据需求停止，反转等。项目下载：...

记录一些因为在网络训练，测试过程中经常用到的一些脚本1.视频按帧提取可以从一段视频中截取不同帧的图片，并保存至文件夹。需要自己更改视频路径和图片保存路径import osimport cv2import shutilVIDEO_PATH = 'test.mp4'# 视频地址EXTRACT_FOLDER = 'video'# 存放帧图片的位置EXTRACT_FREQUENCY = 1# 帧提取频率d

本文完成RTX3090Windows+Ubuntu双系统配置 ，并配置深度学习环境硬件环境为RTX3090+Z590主板，64GB RAM，2TB固态，8TB存储Ubuntu系统版本为：Ubuntu 20.04.3 LTS深度学习环境：cuda11.0.4；cudnn8.2.4；pytorch1.9

记录一些因为在网络训练，测试过程中经常用到的一些脚本1.视频按帧提取可以从一段视频中截取不同帧的图片，并保存至文件夹。需要自己更改视频路径和图片保存路径import osimport cv2import shutilVIDEO_PATH = 'test.mp4'# 视频地址EXTRACT_FOLDER = 'video'# 存放帧图片的位置EXTRACT_FREQUENCY = 1# 帧提取频率d