rf笔记
Windows10+TensorFlow1.9-gpu+Anaconda3+CUDA9.0+cuDNN v7.14环境配置笔记
Contents1 一，TensorFlow版本与CUDA、cuDNN版本搭配2 二，安装环境准备3 三，使用Anaconda3安装TensorFlow1.9-gpu4 四，验证是否安装成功5 五，导入tensorflow ,提示警告信息的消除5.1 tensorflow版本信息5.2 警告信息5.3 解决办法6 六，参考资料一，TensorFlow版本与CUDA、cuDNN版本搭配在安装Tens
日期 2023-06-12 10:48:40
TensorFlow学习笔记（六）循环神经网络详解大数据
一、循环神经网络简介 循环神经网络的主要用途是处理和预测序列数据。循环神经网络刻画了一个序列当前的输出与之前信息的关系。从网络结构上，循环神经网络会记忆之前的信息，并利用之前的信息影响后面节点的输出。 下图展示了一个典型的循环神经网络。 循环神经网络的一个重要的概念就是时刻。上图中循环神经网络的主体结构A的输入除了来自输入层的Xt，还有一个自身当前时刻的状态St。 在每一个时刻，A会
日期 2023-06-12 10:48:40
TensorFlow学习笔记（五）图像数据处理详解大数据
一、TFRecord输入数据格式 TensorFlow提供了一种统一的格式来存储数据，这个格式就是TFRecord 1.1 TFrecord格式介绍 TFRecord文件中的数据都是通过tf.train.Example Protocol Buffer 的格式存储的。格式如下 message Example{ Features features=1；
日期 2023-06-12 10:48:40
TensorFlow学习笔记（四）图像识别与卷积神经网络详解大数据
一、卷积神经网络简介 卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。 一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提
日期 2023-06-12 10:48:40HighPerformanceJavaScript(高性能JavaScript)读书笔记分析
第一章：加载和执行浏览器的JavaScript的引擎是编译器层的优化；当浏览器执行JavaScript代码时，不能同时做其他任何事情（单一进程），意味着<script>标签每次出现都霸道地让页面等带脚本的解析和执行(每个文件必须等到前一个文件下载并执行完成才会开始下载)，所以头部的JS和CSS用来渲染页面，交互行为（几乎所有）的JS放在<body>底部；主流浏览器都允许并
日期 2023-06-12 10:48:40CSRF漏洞实战靶场笔记
记录下自己写的CSRF漏洞靶场的write up，包括了大部分的CSRF实战场景，做个笔记。 0x01 无防护GET类型csrf(伪造添加成员请求) 这一关没有任何csrf访问措施 首先我们登录test用户 发现有个添加成员功能 用test账号添加 发现只有admin才可以添加 &
日期 2023-06-12 10:48:40
人工智能实践Tensorflow笔记：Python语法串讲-2
一、常用指令 指令说明pwd打印当前目录ls列出当前路径下的文件和目录mkdir 目录名新建目录cd 目录名进到指定目录python运行 Python 解释器 绝对路径：是以根目录（” / “
日期 2023-06-12 10:48:40
RFSoC应用笔记 - RF数据转换器 -20- API使用指南之配置RFDC工作状态（ADC、DAC均适用）
配置RFDC工作状态（ADC、DAC均适用） XRFdc_SetMixerSettings 函数原型 u32 XRFdc_SetMixerSettings(XRFdc *InstancePt
日期 2023-06-12 10:48:40RFSoC应用笔记 - RF数据转换器 -19- API使用指南之状态指示函数（ADC、DAC均适用）
前言 本文主要介绍关于RF数据转换器的ADC和DAC均适用的状态指示函数的相关使用方法。 获取RFDC工作状态（ADC、DAC均适用） XRFdc_GetIPStatus 函数原型 u3
日期 2023-06-12 10:48:40RFSoC应用笔记 - RF数据转换器 -18- API使用指南之DAC状态指示函数
前言 本文主要介绍关于RF数据转换器的DAC状态指示函数的相关使用方法。 获取DAC相关工作状态 XRFdc_GetInterpolationFactor 函数原型 u32 XRFdc_GetInterpolati
日期 2023-06-12 10:48:40RFSoC应用笔记 - RF数据转换器 -16- API使用指南之系统设置相关函数
前言 本文主要介绍关于RF数据转换器的系统配置函数的相关使用方法。 用户API函数 所有用户 API 函数都在源文件 xrfdc.c 中实现。 这些原型在头文件 xrfdc.h 中提供。 系统设置 所有驱动程序 A
日期 2023-06-12 10:48:40RFSoC应用笔记 - RF数据转换器 -15- API使用指南之Libmetal与结构体说明
写在前面 本文介绍了RFSoC RF 数据转换器的 RFdc 驱动程序的结构体的部分，以便于用户更加清楚的了解关于RF数据转换器的相关配置操作。 概述 RFSoC RF 数据转换器的 RFdc 驱动程序
日期 2023-06-12 10:48:40RFSoC应用笔记 - RF数据转换器 -13- RFSoC多块同步功能
应用概述 本文概述了如何在系统中使用RFSoC 射频数据转换器的多块同步功能。 文章目录 应用概述多块同步（MTS）详细说明同步步骤确定性多图块同步 API 使用SYSREF 信号
日期 2023-06-12 10:48:40RFSoC应用笔记 - RF数据转换器 -08- RFSoC关键配置之RF-DAC内部解析（二）
前言 RFSoC中最重要的部分是射频直采ADC和DAC的配置，因此了解内部相关原理结构可以帮助我们更好理解相关功能配置参数含义。本文参考官方手册，主要对RF-DAC 奈奎斯特区操作、逆sinc滤
日期 2023-06-12 10:48:40RFSoC应用笔记 - RF数据转换器 -04- RFSoC关键配置之RF-ADC内部解析（二）
前言 RFSoC中最重要的部分是射频直采ADC和DAC的配置，因此了解内部相关原理结构可以帮助我们更好理解相关功能配置参数含义。本文参考官方手册，主要对RFSoC ADC的数字数据路径相关功能进
日期 2023-06-12 10:48:40RFSoC应用笔记 - RF数据转换器 -03- RFSoC关键配置之RF-ADC内部解析（一）
前言 RFSoC中最重要的部分是射频直采ADC和DAC的配置，因此了解内部相关原理结构可以帮助我们更好理解相关功能配置参数含义。本文参考官方手册，主要对RFSoC的ADC内部结构以及数字步进衰减
日期 2023-06-12 10:48:40tensorflow 莫烦视频学习笔记 变量 （二）
import tensorflow as tf state=tf.Variable(0,name='counter') one=tf.constant(1) new_value
日期 2023-06-12 10:48:40Kafka异常复盘NotLeaderForPartitionException【实战笔记】
https://blog.csdn.net/gaoliang1719/article/details/106566913
日期 2023-06-12 10:48:40tensorflow学习笔记二：入门基础
TensorFlow用张量这种数据结构来表示所有的数据。用一阶张量来表示向量，如：v = [1.2, 2.3, 3.5] ，如二阶张量表示矩阵，如：m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]，可以看成是方括号嵌套的层数。 1、编辑器 编写tensorflow代码，实际上就是编写py文件，最好找一个好用的编辑器，如果你用vim或gedit比较顺手，那也可以的啦。我们
日期 2023-06-12 10:48:40TensorFlow学习笔记
TensorFlow学习笔记 目录 TensorFlow学习笔记 一、TF-slim库 1.TF-slim使用方法 一般网络定义方法 2. 常用模块实现 2.1 残差单元 2.2 dropout层 2.3 批规范化 batch_norm 2.4 全局平局池化 global average pooling 2.5 tf.losses 模
日期 2023-06-12 10:48:40Tensorflow入门与实战学习笔记（十一）-预训练网络
目录 1 预训练网络（迁移学习）基础知识 1.1迁移学习 1.2 Keras内置预训练网络 1.3 ImageNet 1.3.0 VGG16与VGG19 1.3.1 实现原理 1.3.2 VGG16与VGG19对比 1.3.3 VGG有两个很大的缺点 2 经典预训练网络权重分享和使用方法 2.1 、在预训练
日期 2023-06-12 10:48:40Tensorflow2.0入门与实战学习笔记（七）--tf.keras序列问题
目录 1 数据处理： 1.1 处理成文本向量 1.2 实验结果： 1.3 解决过拟合问题： 1 数据处理： 选用的data = keras.datasets.imdb 电影评论的数据 ---属于二分类问题 1.1 处理成文本向量 注意： 将数据处理成文本
日期 2023-06-12 10:48:40Tensorflow2.0 入门与实战学习笔记（五） 函数式api & 函数式 &卷积神经网络
目录 1 函数式API 2 卷积神经网络 2.1 CNN基础 2.1.1 工作流程 2.1.2 什么是卷积？ 2.2 CNN 架构 2.2.3 卷积层 2.2.4 非线性变换层（激活函数） 2.2.5 池化层 2.2.6 全连接层 整体架构 3 实战 3.1 数据分类： 3
日期 2023-06-12 10:48:40Tensorflow2.0 入门与实战学习笔记（六）--批标准化&卷积神经网络（卫星图像）
目录 1 标准化 1.1 优势 1.2 常见的数据标准化形式 2 什么是批标准化（Batch Normalization） 2.2 批标准化 2.3 为什么要做批标准化 3 小结： 4 TF实现批量的标准化 4.1 实现过程： 4.2 批标准化的预测过程 4.3 批处理的位置&#
日期 2023-06-12 10:48:40《DeepLab v1：semantic image segmentation with deep convolutional nets and fully connected CRFs》论文笔记
1. 概述 导读：文章指出仅仅使用DCNNs网络的最后一层实现精确地语义分割是不足够的。为此，本篇文章的工作将DCNNs与概率图模型来共同解决分割精度的问题。文章新提出的这个方法在定位分割
日期 2023-06-12 10:48:40