ZYNQ学习系列

大数据学习（82）-数仓详解

viperrrrrrr·2025-03-24 20:41

【ZYNQ开发】使用xilfs库实现对于SD卡的读写

文章目录1Xiliffs库2BSP配置3文件IO操作4一些重要的细节5总体测试代码1Xiliffs库Xilinx的Xilffs库是一个用于嵌入式系统的FAT文件系统库。它支持FAT12、FAT16和FAT32乃至exFAT系统文件系统，适用于SD卡、eMMC等存储设备。Xilffs库与Xilinx的硬件IP核（如SD/SDIO控制器）紧密集成，提供文件读写、目录管理等基本操作。该库具有轻量级、可配

辣个蓝人QEX·2025-03-24 08:31

C++学习系列（11）：智能指针（unique_ptr、shared_ptr、weak_ptr）

C++学习系列（11）：智能指针（unique_ptr、shared_ptr、weak_ptr）1.引言在C++传统的内存管理方式中，动态分配的对象需要手动释放，否则可能会导致内存泄漏（MemoryLeak

DoYangTan·2025-03-24 08:58

语音识别学习系列（13）：语音识别中的情感识别与表达

语音识别学习系列（13）：语音识别中的情感识别与表达前言在语音识别领域，仅仅将语音准确转换为文字内容已不能满足日益多样化的人机交互需求。

DoYangTan·2025-03-24 08:58

Xilinx系ZYNQ学习笔记（二）ZYNQ入门及点亮LED灯

系列文章目录文章目录系列文章目录前言简单介绍简称xc7z020型号FPGAZYNQ实操通用IO点亮LED灯硬件逻辑基础前言简单入门一下ZYNQ是何种架构，如何编程，至于深入了解应该要分开深入学习Linux

贾saisai·2025-03-23 17:50

ZYNQ学习笔记_GPIO之输入输出

ZYNQ学习笔记_GPIO之输入输出GPIO介绍MIO介绍EMIO介绍控制GPIO接口的寄存器原理_输入输出部分GPIO介绍GPIO的英文全称为General-purposeinput/output，即一种通用外设

凌星星星星星·2025-03-23 17:20

zynq设计学习笔记2——GPIO之MIO控制LED实验

vivado软件操作步骤与学习笔记1——helloworld差不多，这里不再过多赘述，不同点是在zynq的设置中添加上GPIO的设置即可。

墨漓_lyl·2025-03-23 17:49

Linux内核srio驱动,Zynq—Linux移植学习笔记（十四）：RapidIO驱动开发

#defineDRIVER_NAME"xiic-rio"#defineSRIO_ZYNQ_BASEADDR0x40000000#defineSRIO_ZYNQ_NODE_BASEADDR0x10100#

weixin_39942572·2025-03-22 03:21

大数据学习（75）-大数据组件总结

大数据学习系列专栏：哲学语录:用力所能及，改变世界。

viperrrrrrr·2025-03-21 22:42

Zynq PL端IP核之AXI DMA

1.AXIDMA简介Zynq提供了两种DMA，一种是PS中的DMA控制器，通过GP口与PL端连接，另一种是PL中的AXIDMAIP核（软核），通过HP口与PS端连接。

Mazy.v·2025-03-21 21:05

Zynq PS端外设之IIC

读写数据帧ZynqPS的IIC外设1.PS的I2C0I2C0的引脚既可以使用MIO，也可以使用EMIO。为了方便起见，可以直接OpenElaboratedDesign对EMIO进行管脚约束。

Mazy.v·2025-03-21 10:53

Python后端学习系列（10）：分布式系统与数据一致性（使用分布式锁、分布式事务等）

Python后端学习系列（10）：分布式系统与数据一致性（使用分布式锁、分布式事务等）前言随着业务规模的不断扩大以及对系统性能、可扩展性的更高要求，后端应用往往会朝着分布式系统的方向发展。

DoYangTan·2025-03-20 17:03

ZYNQ-7000 平台LwIP RAW Socket 模式下 TCP速率测试（Jperf）

在ZYNQ-7000平台下，使用Jperf测试LwIPRAWSocket模式下的TCP速率，工程代码适配到Vivado2018.2SDK版本，并在zynq-7000平台验证测试。

WILLFr·2025-03-17 00:43

RISC-V汇编学习（二）—— 汇编语法

RISCV汇编学习系列：RISC-V汇编学习（一）——基础认识RISC-V汇编学习（二）——汇编语法RISC-V汇编学习（三）——RV指令集RISC-V汇编学习（四）——R

禾仔仔·2025-03-15 14:28

zynq和petalinux环境下控制gpio的两种方法

1，用Sysfs这个对MIO可用。查看，如果没用/sys目录可#mkdir/sys#mount-tsysfssysfs/sys/sys/class/gpio/gpiochipN/得到N=512，实际LEDGPIO是38拉低这个GPIO点亮LEDN+38=512+38=550echo550>/sys/class/gpio/exportechoout>/sys/class/gpio/gpio550/d

qqssbb123·2025-03-15 11:39

petalinxu 在zynq的FPGA下的ST7735S的驱动配置

spi的接线：【TFT模块排针8】【开发板spi,gpio】【antminers9】VCC-----------3.3V-----------3.3VGND-----------GND-----------GNDBLK(背光）-------GPIO-----------BANK34_L4N_RXD2(w13;j2.12;gpio[2])RST(复位）-------GPIO-----------BA

qqssbb123·2025-03-15 11:05

大数据学习（67）- Flume、Sqoop、Kafka、DataX对比

大数据学习系列专栏：哲学语录:用力所能及，改变世界。

viperrrrrrr·2025-03-15 09:51

【漫话机器学习系列】137.随机搜索（Randomized Search）

随机搜索（RandomizedSearch）详解在机器学习和深度学习的模型训练过程中，超参数调优（HyperparameterTuning）是至关重要的一环。随机搜索（RandomizedSearch）是一种高效的超参数优化方法，它通过在候选超参数的数值分布（如正态分布、均匀分布等）中随机选择超参数组合，从而找到最优的超参数配置。1.超参数调优的必要性超参数是模型在训练之前需要人为设定的参数，例如

IT古董·2025-03-14 12:50

算法学习系列（四十五）：DFS之剪枝与优化

目录引言DFS之剪枝与优化一、小猫爬山二、木棒三、数独四、总结引言关于这个DFSDFSDFS的剪枝和优化确实难度是非常的大，从我这篇文章的思路和代码量上就能看出来不是一般的难度，而且难度不亚于DPDPDP，而且这个DFSDFSDFS也是花费了我三天的时间才基本把这几道例题给搞懂了，并且这种题就是没有固定的模型和套路，每个题都不一样，只有你多做题，这样在考场上才能想到这道题好像跟之前做过的题有点相似

lijiachang030718·2025-03-12 12:10

【漫话机器学习系列】129.主成分分析（Principal Component Analysis，PCA）

主成分分析（PCA）：降维与特征提取的强大工具1.什么是主成分分析（PCA）？主成分分析（PrincipalComponentAnalysis，PCA）是一种常见的数据降维技术，主要用于将高维数据投影到低维空间，同时尽可能保留数据的主要信息。PCA通过线性变换，将原始特征变量转换为一组新的变量，这些新变量被称为主成分（PrincipalComponents）。在这张图中，我们可以看到PCA的核心概

IT古董·2025-03-12 09:17

【漫话机器学习系列】130.主成分（Principal Components）

主成分（PrincipalComponents）详解1.什么是主成分？主成分（PrincipalComponents，PCs）是数据集中方差最大的线性组合，它是主成分分析（PrincipalComponentAnalysis，PCA）中的核心概念。主成分可以看作是对原始特征的新表述方式，它通过数学变换找到一组新的正交坐标轴，使得数据的主要变化方向与这些轴对齐。简单来说：主成分是数据集中信息量（方差

IT古董·2025-03-11 08:25

什么是解释型语言？什么又是编译型语言？

源代码的执行方式二、编译器三、执行原理二者的区别编译型语言解释型语言前言本文章主要知识来自于Python编程基础的“编译型语言和解释型语言的区别”一节，原文来自C语言中文网网上的相关描述已经够多了，本文作为前端学习系列专题的一个知识拓展只是为了宝贝们在该专题进行知识查阅时更为方便示例代码示例代码

Aress"·2025-03-10 22:11

深度学习系列71：表格检测和识别

1.pdf处理如果是可编辑的pdf格式，那么可以直接用pdfplumber进行处理：importpdfplumberimportpandasaspdwithpdfplumber.open("中新科技：2015年年度报告摘要.PDF")aspdf:page=pdf.pages[1]#第一页的信息text=page.extract_text()print(text)table=page.extract

IE06·2025-03-08 02:23

R语言机器学习系列-随机森林回归代码解读

回归问题指的是因变量或者被预测变量是连续性变量的情形，比如预测身高体重的具体数值是多少的情形。整个代码大致可以分为包、数据、模型、预测评估4个部分，接下来逐一解读。1、包部分，也就是加载各类包，包括随机森林包randomForest，数据相关包tidyverse、skimr、DataExplorer，模型评估包caret。2、数据部分，主要是读取数据，处理缺失值，转换变量类型。3、模型部分。为了对

Mrrunsen·2025-03-07 09:33

Kubernetes operator（七） kubebuilder 的安装及简单使用篇

云原生学习路线导航页（持续更新中）本文是Kubernetesoperator学习系列第七篇，对目前编写Operator的常用脚手架kubebuilder进行学习，主要涉及**kubebuilder的安装及简单使用

grahamzhu·2025-03-06 17:01

听说Zynq-手把手教你自定义ip核并调用

概述小编最近在研究Zynq，因为对其相对陌生，在探索过程中也遇到了不少坑，这里将如何创建IP核并调用的方法步骤总结记录，以免日后忘记。注意★环境：Vivado2018.2。

不只会拍照的程序猿·2025-03-04 16:44

【Python+Selenium学习系列5-1】Selenium特殊元素定位之-下拉框元素定位Select操作

背景对于页面中的下拉框选项，使用selenium的select模块可以进行操作，并精确定位下拉选项及所有的option值。select模块方法一共分为三个部分：option方法、选中方法、取消选中方法，下面具体看一下这三个部分1、select模块中关于option选项的方法：options：返回所有的option选项all_selected_options：返回所有选中的option选项first

艳Yansky·2025-03-04 11:39

【漫话机器学习系列】106.线性激活函数（Linear Activation Function）

1.什么是线性激活函数？线性激活函数是一种最简单的激活函数，数学表达式为：即输出与输入保持完全线性关系。这意味着对于任何输入值x，其输出将等于输入值本身，函数图像为一条通过原点的直线。在神经网络中，激活函数的作用是将网络的线性组合映射到某种非线性输出。传统的线性激活函数常用于一些特定场景，比如回归问题，其中预测的目标值与输入特征之间可能存在线性关系。2.线性激活函数的特点线性关系：与其他常见的激活

IT古董·2025-02-27 13:25

人工智能深度学习系列—深入探索KL散度：度量概率分布差异的关键工具

人工智能深度学习系列—深度解析：交叉熵损失（Cross-EntropyLoss）在分类问题中的应用人工智能深度学习系列—深入解析：均方误差损失（MSELoss）在深度学习中的应用与实践人工智能深度学习系列

学步_技术·2025-02-26 08:19

【肝帝一周总结：全网最全最细】十万字python教程，学不会找我！教到你会为止！！内容超多，建议收藏慢慢看！

文章目录推荐：个人推荐学习系列，推荐的一定是好的！

川川菜鸟·2025-02-26 05:24

深度学习入门篇--来瞻仰卷积神经网络的鼻祖LeNet

pytorch搭建LeNet网络并代码详解实战前言大家在学习神经网络的时候肯定会有这样的感受,有很多的文章和视频,有的文章也很好,但是总是不成体系,总是学起来东一榔锤,西一棒槌的,在这种情况下,我会给大家更新深度学习系列的技术文章

智算学术·2025-02-25 00:31

实时系统vxWorks - zynq7020移植vxWorks

概述关于zynq的启动方式，网上百度有一大堆，这里就不详细阐述了，小编整理了一下主要流程大致为：上电->bootRom->FSBL->操作系统。BootRom：硬件固化，用户无需更改，类似bios。

不只会拍照的程序猿·2025-02-24 11:58

【漫话机器学习系列】101.特征选择法之Lasso（Lasso For Feature Selection）

Lasso特征选择法详解1.Lasso回归简介Lasso（LeastAbsoluteShrinkageandSelectionOperator，最小绝对收缩和选择算子）是一种基于L1范数正则化的线性回归方法。它不仅能够提高模型的泛化能力，还可以自动进行特征选择，即将一些不重要的特征的系数收缩到0，从而减少模型的复杂度。2.Lasso回归的数学公式Lasso回归的目标函数如下：其中：是输入数据，w是

IT古董·2025-02-23 12:46

Kubernetes控制平面组件：APIServer 基于 Webhook Toeken令牌的认证机制详解

云原生学习路线导航页（持续更新中）kubernetes学习系列快捷链接Kubernetes架构原则和对象设计（一）Kubernetes架构原则和对象设计（二）Kubernetes架构原则和对象设计（三）

grahamzhu·2025-02-22 21:48

petalinux-build ERROR

petalinux-create-tproject--templatezynqMP-npetalinux-config--get-hw-description=.

Ret0·2025-02-21 12:06

【漫话机器学习系列】041.信息丢失（dropout）

信息丢失（Dropout）Dropout是一种广泛应用于神经网络训练中的正则化技术，旨在减少过拟合（overfitting），提高模型的泛化能力。虽然"信息丢失"（dropout）这个术语在某些情况下可能引起误解，指的并非是数据的丢失，而是训练过程中故意“丢弃”神经网络中的部分神经元。这种做法可以避免模型过于依赖于某些特定的神经元，从而提高模型在新数据上的表现。Dropout的工作原理在神经网络的

IT古董·2025-02-17 22:40

【机器学习】逻辑回归(LogisticRegression)原理与实战

逻辑回归Demo2.1数据准备2.2创建逻辑回归分类器2.3分类器预测三、逻辑回归实战3.1数据准备3.2数据划分与模型创建3.3预测数据评估模型四、参数选择五、总结六、参考资料本文属于我的机器学习/深度学习系列文章

GentleCP·2025-02-15 19:56

学习系列二：常用目标检测的格式转换脚本文件txt,json等

常用目标检测的格式转换脚本文件txt,json等文章目录常用目标检测的格式转换脚本文件txt,json等前言一、json格式转yolo的txt格式二、yolov8的关键点labelme打的标签json格式转可训练的txt格式三、yolo的目标检测txt格式转coco数据集标签的json格式四、xml格式转yolo数据集标签的txt格式五、根据yolo的目标检测训练的最好权重推理图片六、根据yolo

小啊磊_Vv·2025-02-12 21:23

Tria Technologies RFSoC 平台 - 入门指南

TriaTechnologiesRFSoC平台-入门指南适用于RFSoCGen-3的宽带毫米波无线电开发平台该平台将Otava和Avnet联合开发的OtavaDTRX2双收发器毫米波无线电卡与AMDXilinxZynq

东枫科技·2025-02-12 02:12

【时序预测】-深度学习系列

Wavenet（2016）重点：CNN系列+因果卷积+膨胀卷积核心：确保了输出的时间点只依赖于输入序列中时间戳早于或等于该输出时间点的数据，核心模块膨胀卷积能够扩大卷积层的感受野，从而更充分学习序列的全局信息。DeepAR（2017Amazon）DeepAR:ProbabilisticForecastingwithAutoregressiveRecurrentNetworks重点：RNN系列+多元

TIM老师·2025-02-11 22:04

基于zynq的千兆网udp项目_一种基于ZYNQ的四路万兆以太网安全交换机的制作方法...

本实用新型涉及网络安全、网络通信技术领域，尤其是一种基于ZYNQ的四路万兆以太网安全交换机，适用于大中型企业的交换网络。

weixin_39534149·2025-02-10 18:38

zynq 编译过程

zynq编译过程zynq编译过程配置硬件生成BOOT.BIN生成boot.scr设备树文件编译内核设备树配置内核编译编译根文件系统配置编译在`SD`卡上生成根文件系统制作SD启动卡参考文档zynq编译过程最近在做

法号：行颠·2025-02-06 09:00

【漫话机器学习系列】079.超参数调优（Hyperparameter Tuning）

超参数调优（HyperparameterTuning）是机器学习中优化模型性能的重要步骤之一。超参数是模型在训练之前设定的参数，而不是通过训练数据学习到的参数。正确地选择超参数可以显著提高模型的预测能力，反之，错误的超参数选择可能会导致过拟合、欠拟合或训练过程缓慢。1.超参数的定义超参数是控制学习过程的外部参数，不同于模型参数（例如权重和偏置），超参数不通过训练过程自动优化。常见的超参数包括：学习

IT古董·2025-02-04 11:44

【漫话机器学习系列】054.极值（Extrema）

极值（Extrema）定义极值是数学分析和优化问题中的一个核心概念，指函数在某个定义域内取得的最大值或最小值。根据极值的性质，可以将其分为两类：局部极值（LocalExtrema）：函数在某点附近的最大值或最小值。全局极值（GlobalExtrema）：函数在整个定义域内的最大值或最小值。分类局部极大值（LocalMaximum）：若在点x=a附近存在某邻域，使得对任意x在该邻域内，满足f(x)≤

IT古董·2025-02-04 11:13

Zynq UltraScale+ MPSoC 在linux系统运行R5 裸机程序 remoteproc - R5

参考文章：ultrascale学习笔记之remoteproc启动R5ZYNQUltraScale+MPSoCLinux+ThreadXAMP玩法ZynqUltraScale+MPSoC包含Cortex™

愧莫佳话·2025-02-04 06:03

python学习系列之logging(一、基础教程)

文章目录1.什么是日志？为什么需要日志？2.什么时候使用什么级别的日志？2.1日志的级别3.logging基础教程3.1输出到控制台3.2记录日志到文件3.3从多个模块记录日志3.4记录变量数据3.5修改日志输出的格式参考文献按照官方使用说明进行编写1.什么是日志？为什么需要日志？日志是对软件执行时所发生事件的一种追踪方式。软件开发人员对他们的代码添加日志调用，借此来指示某事件的发生。一个事件通过

Idea King·2025-01-28 05:59

1、Java 环境搭建与基本概念：开启 Java 编程之旅的第一步

大家好，欢迎来到我们的Java学习系列博客，今天是第一课，我们将一起探索Java环境搭建与基本概念。

翻晒时光·2025-01-21 14:06

Kubernetes架构原则和对象设计（二）

云原生学习路线导航页（持续更新中）kubernetes学习系列快捷链接Kubernetes架构原则和对象设计（一）Kubernetes常见问题解答本文从云计算架构发展入手，详细分析了kubernetes

grahamzhu·2025-01-21 05:53

ZYNQ + Linux

ZYNQLinux操作系统移植说明文档http://xilinx.eetrend.com/content/2019/100018437.html1，组成ZYNQ上面移植Linux操作系统包括四个部分，uboot

jerwey·2025-01-21 00:29

ZYNQ&FPGA 时钟IP核（MMCM PLL）实验

时钟资源简介：7系列的FPGA使用了专用的全局(Global)和区域(Regional)时钟资源来管理和设计不同的时钟需求。ClockManagementTiles(CMT)提供了时钟合成(Clockfrequencysynthesis)，倾斜矫正(deskew)，过滤抖动(jitterfiltering)功能。一个CMT包括一个MMCM和一个PLL。7系列FPGA高层次时钟结构视图：ClockR

Nadukab·2025-01-19 21:08

推荐频道