腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

文武兼修ing——机器学习与IC设计

专栏作者

109

文章

164741

阅读量

50

订阅数

P2P接口Booth乘法器设计描述原理代码实现

- 描述 Booth乘法器是一种使用移位实现的乘法器，实现过程如下，对于乘法：扩展A的位数为n+1位，添加，则A变为：从i=0开始，到i=n-1结束，依次考察的值，做如下操作：

2018-12-12

6150

SSD目标检测系统系统结构网络训练

神经网络 ide kernel 其他

SSD识别系统也是一种单步物体识别系统，即将提取物体位置和判断物体类别融合在一起进行，其最主要的特点是识别器用于判断物体的特征不仅仅来自于神经网络的输出，还来自于神经网络的中间结果。该系统分为以下几个部分：

2018-12-06

1.2K0

AXI学习笔记-11.AXI总线结构2.AXI接口时序3.数据结构4.传输特性

握手信号包括VALID和READY信号，传输行为仅在VALID和READY同时有效时发生。其中：

2018-11-19

6.7K0

YOLO后处理理论分析代码分析

YOLO从v2版本开始重新启用anchor box，YOLOv2网络的网络输出为尺寸为[b,125,13,13]的tensor，要将这个Tensor变为最终的输出结果，还需要以下的处理：

2018-11-09

2K0

神经网络压缩实验-Deep-compression实验准备剪枝实验量化实验

为了实现神经网络的deep compression，首先要训练一个深度神经网络，为了方便实现，这里实现一个两层卷积+两层MLP的神经网络

2018-10-09

2.5K0

Deep-compression阅读笔记基本步骤相关分析总结

以上是Deep compression中所述的神经网络压缩方法，主要包括三个步骤：

2018-10-09

9280

Faster-RCNN阅读笔记系统架构系统训练

Faster-RCNN是Fast-RCNN的后续版本，主要针对Fast-RCNN速度过慢进行优化。在Fast-RCNN中，速度的瓶颈主要是用于生成候选区域的Selective Search过程。在Faster-RCNN中，候选区域的生成使用RPN网络，且共享的使用了卷积产生的特性，由此将候选区域的生成方式纳入神经网络的范畴下。该系统有以下部分构成：

2018-09-11

7060

流水线式p2p接口的分析与实现

P2P接口是一种双向握手接口，传输的前级和后级各提供一个数据有效信号valid和忙信号busy信号，只有当两个信号达成某种指定情况时，握手完成，数据传输完成，否则数据传输均未完成。这可以看成一种分布式控制方式，每个模块的开发人员仅需要考虑上下级的握手信号即可。

2018-09-11

8260

P2P接口串行FIR设计

配置接口使用寄存器组实现，掉电丢失，因此每次使用之前需要进行配置FIR参数，配置接口时序如下所示：

2018-09-11

5640

RCNN学习笔记系统结构模型训练

RCNN使用Selective search算法代替滑动框，该算法可以提取类别无关的物品候选区域。该算法分为以下步骤：

2018-08-03

3680

HoG特征SVM物品识别系统系统架构代码实践

该系统的最大贡献为提出基于梯度的HoG（locally normalized Histogram of Oriented Gradient）特征，该特征的计算流程分为5步，分别如下所示：

2018-08-03

7560

YOLO1学习笔记基本思路网络设计训练与预测

基本思路 YOLO（You Only Look Once）是一种目标检测系统，其特点是将物品识别和物品分类融合，使用一个深度学习模型直接计算出物体的位置和类型。基本思路如下所示： yolo_basic

2018-07-04

8740

目标检测技术指标mAP：识别准确率IOU：检测效果

mAP：识别准确率 mAP在目标检测中用于判断识别的准确率，即用于衡量物品被检测出的概率，其跟以下两个指标有关： Precision（准确率）：检测出的“物品有多少是真的物品 Recall（召回率）：数据集中的物品有多少被检出对于以上两个概念，将其置于标准二分类问题框架下有以下公式： $$ Precision = \cfrac{TP}{TP+FP} \\ Recall = \cfrac{TP}{TP+FN} $$ 对于以上，有： TP：正例，被识别为正例 FP：反例，被识别为正例 TN：反例，被识别为正

2018-07-04

1.7K0

基于mxnet的LSTM实现RNN理论基础代码实现参考文献

RNN理论基础基本RNN结构 rnn_base.png RNN的基本结构如上左图所示，输出除了与当前输入有关，还与上一时刻状态有关。RNN结构展开可视为上右图，传播过程如下所示： $I_{n}$为当

2018-04-27

1.4K0

Windows平台下Python使用swig调用C++

步骤0：swig简介 swig是一种可以将C++代码转换为多种脚本语言封装的工具，可以在swig官网www.swig.org下载，解压后将swig.exe的路径添加到环境变量path中即可使用swig 步骤1：准备C++代码编写需要在Python中调用的C++代码，最好将函数和类的声明统一放到头文件中，函数和类的实现放到源文件中 C++头文件头文件主要包括： #include调用（例如#include <iostream>）命名空间指定using namespace std; 函数和类的声明 #i

2018-04-27

1.9K0

Python硬件建模——链表FIFO管理器软件建模需求技术路线选择软件建模结构模型运行流程代码实现

软件建模需求建立一个软件模型，在事物级对硬件链表FIFO管理器的各个部分进行建模，包括： RAM模型链表地址管理模型系统模型能够模拟的行为包括：初始化外部读外部写技术路线选择项目技

2018-04-27

9640

基于sklearn的特征筛选理论代码实现

理论特征筛选的作用样本中的有些特征是所谓的“优秀特征”，使用这些特征可以显著的提高泛化能力。而有些特征在样本类别区分上并不明显，在训练中引入这些特征会导致算力的浪费；另外有些特征对样本的分类有反作用，引入这些特征反而会导致泛化能力下降特征筛选与PCA（主成分分析）不同，特征筛选不修改特征值，而是寻找对模型性能提升较大的尽量少的特征代码实现 import numpy as np import pandas as pd import matplotlib.pyplot as plt 引入数据集——Ti

2018-04-27

9770

关于巧克力数据集的数据分析数据读取数据预处理问题分析探索分析

数据集来自kaggle import numpy as np import pandas as pd 数据读取 dataset = pd.read_csv("./flavors_of_cacao.csv") dataset.columns = dataset.columns.map(lambda x:x.replace("\n"," ")) dataset.columns = dataset.columns.map(lambda x:x.replace("\xa0","")) dataset.info()

2018-04-27

1.1K0

关于空难数据集的探索分析导入数据集伤亡分析机型处理时间分析

写在前面：这是我见过的最严肃的数据集，几乎每一行数据背后都是生命和鲜血的代价。这次探索分析并不妄图说明什么，仅仅是对数据处理能力的锻炼。因此本次的探索分析只会展示数据该有的样子而不会进行太多的评价。有一句话叫“因为珍爱和平，我们回首战争”。这里也是，因为珍爱生命，所以回首空难。现在安全的飞行是10万多无辜的人通过性命换来的，向这些伟大的探索者致敬。 import pandas as pd import numpy as np import matplotlib.pyplot as plt 导入数据

2018-04-27

2K0

基于sklearn的线性分类器导入可能用到的Python库目标理论学习代码实现

导入可能用到的Python库 import pandas as pd import matplotlib.pyplot as plt import numpy as np import re 目标学习机器学习算法——线性分类器使用良性/恶性乳腺癌肿瘤数据集进行预测理论学习线性分类器特征与分类结果存在线性关系的模型为线性分类器，模型通过累积特征和对应权值的方式决策，几何学上可看成一个n维空间中的超平面，学习的过程就是不断调整超平面的位置与倾斜程度，使该超平面可以最完美的将属于不同类别的特征点区分开，

2018-04-27

7160

点击加载更多

社区活动

RAG七天入门训练营

鹅厂大牛手把手带你上手实战

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态