Xinhecuican's Blog

结构 引脚名称 引脚功能 I/$O_0$ - I/$O_7$ 数据输入输出 CLE 命令锁存使能 ALE 地址锁存使能 $\overset{-}{CE}$ 芯片使能 $\overset{-}{RE}$ 读使能 $\overset{-}{WE}$ 写使能 $\overset{-}{WP}$ 写保护 $R/\bar{B}$ 就绪/忙输出信号 $V_{cc}$ 电源 $V_{ss}$ 池 NC 不接 K9F1208U0M容量64mb，每一页的大小是512字节，并且每一页上还有额外的字节。也就是说总共有$2^{18}$个字节 读写nand的过程： 发出命令字 发出地址 读写数据 命令字及操作方法 命令 第一个周期 第二个周期 第三个周期 Read1(读) 00h/01h - - Read2(读) 50h - - Read ID(读芯片ID) 90h - - Page Program(写页) 80h 10h - Block Erase(擦除块) 60h D0h - Read Status(读状态 ...

本篇文章学习自 介绍一个makefile可以看成是由许多命令组成的，每个命令都遵循如下形式 target ... : prerequisites ... command ... ... 其中target是目标，prerequisites是依赖,command是执行的命令，例如 hello.o: hello.c gcc -o hello.o hello.c例2compile:main.bin main.data convert ./convert mkdir -p $(OBJDIR) mv main.elf $(OBJDIR)/. mv test.s $(OBJDIR)/. mv main.bin $(OBJDIR)/. mv main.data $(OBJDIR)/. mv *.coe $(OBJDIR)/. mv *.mif $(OBJDIR)/. cp $(OBJDIR)/inst_ram.mif $(OBJDIR)/axi_ram.mifmain.bin:main.elf ${CROSS_COMPILE}ob ...

基础我们在生成程序的时候，会发现每个程序的起始地址都是一样的，那么这种一样的地址怎么赋给实际的物理地址上的呢？这就要依靠虚拟内存机制了。 虚拟内存着力于解决进程间内存分配的问题，并且它还有一个作用是使进程之间相互隔绝。例如不小心产生了一个野指针指向了其他内存的位置，但是实际上却不会破坏其他程序而只会破坏自己的程序，这是因为虚拟内存限制了每个程序所使用的空间，如果超出限制就会报错。 程序中所使用的空间叫做虚拟空间，一共有2的n次方。而系统上有一个物理地址空间。虚拟内存做的其实是把虚拟空间上的内存地址映射到物理空间上。在cpu中，有一个叫MMU的部件专门做虚拟地址和物理地址转化。 虚拟内存的组织形式虚拟内存中的内存其实是按页进行划分的。这类似与磁盘中的扇区概念，即使那个扇区中只有一个字节的数据，取数据时也是把一个扇区全取出来。 虚拟内存页的大小一般是4kb到2mb之间。而物理内存也是按页进行分块，并且块的大小和虚拟内存页的大小相同。 其实把程序加载到内存时也不是一股脑直接加载的，而是一块一块逐个加载，并且如果内存满了还有块替换策略，这实质上是把内存当做一级缓存使用。 虚拟页有三种情况： ...

机械硬盘 结构： 由若干个盘片组成，每个盘片有2两面，每一面上有若干个磁道（柱面就是指和中心轴平行的圆柱面，有多个每个盘上都有两个磁道在上面） ，每个磁道上又划分成若干个扇区，扇区是数据访问的最小单位。中间的轴在不停转动。每个扇区都有一个编号。 显然如果扇区划分时是从中心发出多根射线的话是不好的。因为内圈的扇区划分小，外面的扇区划分大，因此每个扇区读写数据数目可能会有较大的差距。但是很可能只需要利用其中很小一部分，这样就造成了浪费。所以磁道与磁道之间扇区数目是不同的，尽量使数据分布均匀。 图中左边的架子是读写头，可以前后滑动。数据就是通过读写头进行读写的。 大致过程：先移动到对应扇区（寻道），然后等待读写头划过我们要读取的扇区。之后在读取这个扇区。要注意即使只需要读取一个字节也要把这个扇区全部读取完。如果是写的话，先把扇区中数据读取出来，然后再在这些数据中进行更改，最后再把这些数据写入到扇区中。 一般寻道在2-9ms，旋转也是10ms左右，而读取只需要0.02ms，所以说大头都在寻找过程中。并且要比dram慢2500倍，比sram慢40000倍。 旋转时间如果没有特殊规定一般都是算旋 ...

直接解法高斯消去法高斯消去法是先将矩阵变为上/下三角矩阵，然后使用回带法进行求解，例如 \begin{bmatrix} 1 & 1 & 1 & 6\\ 0 & 4 & -1 & 5\\ 2 & -2 & 1 & 1 \end{bmatrix}\overset{r_3 - 2r_1}{\rightarrow} \begin{bmatrix} 1 & 1 & 1 & 6\\ 0 & 4 & -1 & 5\\ 0 & -4 & -1 & -11 \end{bmatrix}\overset{r_3 - r_2}{\rightarrow} \begin{bmatrix} 1 & 1 & 1 & 6\\ 0 & 4 & -1 & 5\\ 0 & 0 & -2 & -6 \end{bmatrix}因此$x_3 = 3 , x_2 = 2 , x_1 = 1$ \begin{bmatrix} a_{11} & a_{12} & \dots & a_{1n}\\ 0 & a_{22} & \dots & a_{2n}\\ \vdots & \vdots & & \vdo ...

Ability（能力）是鸿蒙软件的基础单位，一个应用可以包含多个Ability。鸿蒙支持应用以Ability为单位进行部署 Page AbilityPage提供页面管理和页面跳转的能力。例如外卖提供联系商家的业务入口，当用户使用此功能时，会跳转到通话应用的拨号页面。鸿蒙支持Page之间的跳转，并且指定跳转到某个AbilitySlice 创建右键就可以进行创建，并且它的配置文件如下{ "skills": [ { "entities": [ "entity.system.home" ], "actions": [//路由名称 "action.system.home" ] } ], "orientation": "uns ...

基础卷积神经网络的基本形式 整体结果为： 卷积层 如图所示，左边是输入，中间是卷积核，右边是输出。 如果输入为3通道，输出为2通道，那么卷积核需要6个，每三个卷积核卷积再求和可以得到一个输出 非线性激活函数种类： 其中现在最常使用的是ReLU函数，因为求导简单且不容易造成梯度消失 降采样层降采样层的作用是增大感受野，并且对形变不敏感。 max pooling: 在几个候选结果中选择最大值，例如4$\times$4到2$\times$2 也就是说原来4个映射到了现在的一个，映射规则为选取4个中的最大值 average pooling: 选取候选结果中的平均值 LeNet-5结构 C1的通道数为6，卷积核大小为5$\times$5 S2降采样层，28$\times$28降为14$\times$14 C3卷积层，卷积核$5 \times 5$，通道数16 CNN的问题和发展CNN的问题主要有过拟合、难收敛、计算代价大三点 AlexNetAlexNet是12年ImageNet比赛的冠军，当时其他人都适用概率的方法，AlexNet首次使用深度学习的方法比其他队高了十多个百分点，掀起了 ...

文件结构 java: java代码，运行逻辑 element： 元素资源，存放一些json格式文件，主要是颜色，字符串，bool值等 graphic： 表示可绘制资源。例如按钮的样式 layout： 表示布局资源， 控制控件摆放位置和控件的一些属性 media： 表示媒体资源，如图片、视频等 build： 存放最终编译后的包 项目配置文件每个项目下都有一个config文件，它包含了该HAP的一些配置信息。 { "app": { "bundleName": "com.example.learning",//同一个应用需要保持一致 "vendor": "example",//开发商 "version": {//版本 "code": 1000000,//内部版本号，用户不可见 "name": "1.0.0"//呈现的版本号 } ...

边缘一般来说，边缘是图像像素变化大的区域，但是这并不绝对如图所示，两个位置像素一样，但是我们会天然的把它区分黑白，这得益于我们对图像的整体理解。基础的图像滤波只考虑局部的因素，如果要得到更好的效果需要进行整体考虑。 边缘可以用来区分物体，是图像分类、图像裁剪、图像拼接等操作的基础。 导数在边缘检测中应用 梯度 梯度定义： 含义： 是一个向量，表示沿着这个方向导数获得最大值，也就是变换最快 离散化表示 \nabla I(x,y)=\begin{bmatrix}{ {\Bbb d} \over {\Bbb d}x}I(x,y) \\ { {\Bbb d} \over {\Bbb d}y}I(x,y) \end{bmatrix} = \begin{bmatrix}I(x+1,y)-I(x,y) \\ I(x,y+1)-I(x,y)\end{bmatrix}边缘检测Sobel, Prewitt, RobertSobel算子为： \begin{bmatrix} 1 & 2 & 1\\ 0 & 0 & 0\\ -1 & -2 & -1 \end{bmatrix} \quad \begin ...

子集和数问题由于本实验是为了验证数据集影响，因此没有采用一次增加两个的限界函数。此代码左支限界是 w+wi> target,右支限界是w+rest>=target. 并且由于实验网站要求在没有正确解的情况下输出近似解，因此每次触底或者左支终止之后还进行了记录。最后因为进行了排序，而数据集给出的答案中并没有进行排序，因此使用了一个结构体对开始的位置进行记录。 #include<iostream>#include<fstream>#include<vector>#include<string>#include <windows.h>#define N 6#define MAX_ANS 1000using namespace std;struct node{ int sum; int loc;};int time=0;int ans=0;int nearest = 0;int use[MAX_ANS][N+1];void quick(vector<node>& a, i ...