精选内容/技术社群/优惠产品,尽在小程序
立即前往

  • 【专知-Deeplearning4j深度学习教程02】用ND4J自己动手实现RBM: 图文+代码

    【导读】主题链路知识是我们专知的核心功能之一，为用户提供AI领域系统性的知识学习服务，一站式学习人工智能的知识，包含人工智能（ 机器学习、自然语言处理、计算机视觉等）、大数据、编程语言、系统架构。使用请访问专知 进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知，搜索主题查看。继Pytorch教程后，我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和

  • 资深算法工程师万宫玺：Java 工程师转型 AI 的秘密法宝——深度学习框架 Deeplearning4j | 分享总结

    深度学习是人工智能发展最为迅速的领域之一，Google、Facebook、Microsoft 等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源深度学习框架。目前研究人员使用的深度学习框架有 TensorFlow、Torch 、Caffe、Theano、Deeplearning4j 等，而 Deeplearning4j 是为数不多以 Java/JVM 为基础，能与 Apache Spark 无缝结合，支持 CPU/GPU 集群分布式计算的开源框架。本文就来为大家详细介绍一下深度学习框架

    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

  • Java 工程师转型 AI 的秘密法宝——深度学习框架 Deeplearning4j | 回顾

    深度学习是人工智能发展最为迅速的领域之一，Google、Facebook、Microsoft 等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源深度学习框架。目前研究人员使用的深度学习框架有 TensorFlow、Torch 、Caffe、Theano、Deeplearning4j 等，而 Deeplearning4j 是为数不多以 Java/JVM 为基础，能与 Apache Spark 无缝结合，支持 CPU/GPU 集群分布式计算的开源框架。本文就来为大家详细介绍一下深度学习框架

  • 从源码看DL4J中Native BLAS的加载,以及配置

    最近在用DeepLearning4J(DL4J)尝试语音识别的深度学习,git DL4J的代码,用IntelliJ IDEA打开,配置好相关依赖后,运行包org.deeplearning4j.examples.test.Test的main,可以正常运行,但是有警告提示如下:

  • Java工程师转型AI的秘密法宝：深度学习框架Deeplearning4j | 回顾

    深度学习是人工智能发展最为迅速的领域之一，Google、Facebook、Microsoft等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源深度学习框架。目前研究人员使用的深度学习框架有 TensorFlow、Torch 、Caffe、Theano、Deeplearning4j等，而Deeplearning4j是为数不多以Java/JVM为基础，能与Apache Spark无缝结合，支持CPU/GPU集群分布式计算的开源框架。本文就来为大家详细介绍一下深度学习框架Deeplearnin

  • DL4J实战之四：经典卷积实例(GPU版本)

    本篇概览 作为《DL4J实战》的第四篇，今天咱们不写代码，而是为今后的实战做些准备：在DL4J框架下用GPU加速深度学习的训练过程； 如果您电脑上有NVIDIA显卡，并且成功的安装了CUDA，那么就随本文一起实际操作吧，全文由以下内容构成： 软硬件环境参考信息 DL4J的依赖库和版本 使用GPU的具体操作步骤 GPU训练和CPU训练对比 软硬件环境参考信息 众所周知，欣宸是个穷人，因此带NVIDIA显卡的电脑就是一台破旧的联想笔记本，相关信息如下： 操作系统：Ubuntu16桌面版 显卡型号：GTX950M

  • DL4J与Torch、Theano、Caffe、TensorFlow的比较

    https://deeplearning4j.org/cn/compare-dl4j-torch7-pylearn

  • 让 Java 开发人员在机器学习领域披荆斩棘

    随着深度学习在语音、图像、自然语言等领域取得了广泛的成功，越来越多的企业、高校和科研单位开始投入大量的资源研发 AI 项目。同时，为了方便广大研发人员快速开发深度学习应用，专注于算法应用本身，避免重复造轮子的问题，各大科技公司先后开源了各自的深度学习框架，例如：TensorFlow（Google）、Torch/PyTorch（Facebook）、Caffe（BVLC）、CNTK（Microsoft）、PaddlePaddle（百度）等。

  • 开源深度学习平台 TensorFlow、Caffe、MXNet……哪个最适合你

    【新智元导读】本文选自开源深度学习项目 Deeplearning4j （DL4J）博客，文章虽然着重介绍自家产品，但内容仍然值得借鉴。与其他项目相比，DL4J 在编程语言和宗旨两方面都独具特色。本文同时收录其他开源深度学习框架介绍，包括最近被亚马逊选中而备受关注的 MXNet。 Deeplearning4j （简称 DL4J）不是第一个开源的深度学习项目，但与此前的其他项目相比，DL4J 在编程语言和宗旨两方面都独具特色。DL4J 是基于 JVM、聚焦行业应用且提供商业支持的分布式深度学习框架，其宗旨是在合

  • 【专知-Deeplearning4j深度学习教程01】分布式Java开源深度学习框架DL4j安装使用: 图文+代码

    【导读】主题链路知识是我们专知的核心功能之一，为用户提供AI领域系统性的知识学习服务，一站式学习人工智能的知识，包含人工智能（ 机器学习、自然语言处理、计算机视觉等）、大数据、编程语言、系统架构。使用请访问专知 进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知，搜索主题查看。继Pytorch教程后，我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和

  • 三分钟体验：SpringBoot用深度学习模型识别数字

    本篇概览 使用Deeplearning4j训练出来的模型，可以在java应用中使用吗？ 当然能，今天咱们花三分钟来体验集成了AI能力的SpringBoot应用 该应用的功能是识别黑白图片中的手写数字（每张图片内只有一个数字），如下图，通过http接口将此图片提交，让SpringBoot应用去识别： 📷 下图是postman操作界面的截图，红框中的数字就是SpringBoot应用的识别结果，数字8，与图片一致： 📷 SpringBoot应用用到的AI模型是LeNet-5，这是个经典的识别模型，常用在

  • GitHub上那些值得一试的Java开源库

    作为一名程序员，你几乎每天都会使用到GitHub上的那些著名Java第三方库，比如Apache Commons,Spring，Hibernate等等。除了这些，你可能还会fork或Star一些其他的开源库，但GitHub上的库实在太多了，以至于对于个人来说，你很难有时间去发现并了解那些不断加入的新库，而它们却往往能在一些新兴领域中给你提供帮助。

  • 快速入门深度学习，从 Deeplearning4j 开始

    随着机器学习、深度学习为主要代表的人工智能技术的逐渐成熟，越来越多的 AI 产品得到了真正的落地。

  • Spark与深度学习框架——H2O、deeplearning4j、SparkNet

    深度学习因其高准确率及通用性，成为机器学习中最受关注的领域。这种算法在2011—2012年期间出现，并超过了很多竞争对手。最开始，深度学习在音频及图像识别方面取得了成功。此外，像机器翻译之类的自然语言处理或者画图也能使用深度学习算法来完成。深度学习是自1980年以来就开始被使用的一种神经网络。神经网络被看作能进行普适近似（universal approximation）的一种机器。换句话说，这种网络能模仿任何其他函数。例如，深度学习算法能创建一个识别动物图片的函数：给一张动物的图片，它能分辨出图片上的动物是一只猫还是一只狗。深度学习可以看作是组合了许多神经网络的一种深度结构。

  • 干货好文 | 深度学习是如何在美团点评推荐业务中实践的？

    本文作者：陈文石，2012年毕业于东南大学，美团点评算法专家，目前负责点评平台及综合 BG 推荐平台业务。在加入美团点评之前，曾在百度做过一些个性化推荐相关工作。对人工智能在搜索、推荐等业务应用上有较深入理解和实践。

  • 盘点丨开发者必备：基于 Linux 生态的十大 AI 开源框架

    前不久，AI 科技评论曾盘点了一系列机器学习相关的开源平台，包括谷歌的TensorFlow、微软的CNTK以及百度的PaddlePaddle等等。这些平台各具特点，其中某些已经在业内得到了广泛认可和应

  • 【下载】JAVA程序员深度学习实用指引《Deep Learning: Practical Neural Networks》

    【导读】 Yusuke Sugomori等人的新书《JAVA深度学习实战》（Deep Learning: Practical Neural Networks with Java）面向希望学习深度学习的

  • 【下载】深度学习DL4j实战指南《Deep Learning—A Practitioner's Approach》

    【导读】 深度学习工程师、deeplearning4j框架贡献者之一Adam Gibson等人的新书《Deep Learning—A Practitioner's Approach》面向希望学习深度学习的数据科学家和工程师，从实战角度出发带你用DL4j快速上手深度学习方法，这本书的目标是使深度学习大众化，利用DL4J进行一系列深度学习实战，并且介绍了在Spark和Hadoop上使用DL4J进行深度学习开发的教程。 请关注专知公众号 后台回复“DLP” 就可以获取深度学习实战指南 pdf下载 后台回复“DLP

  • Java 工程师快速入门深度学习，从 Deeplearning4j 开始

    随着机器学习、深度学习为主要代表的人工智能技术的逐渐成熟，越来越多的 AI 产品得到了真正的落地。

  • 「数据分析」精选数据挖掘和机器学习软件列表

    数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

  • 「首席架构师推荐」精选数据挖掘和机器学习软件列表

    数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。[1]

  • 手写体数字识别该如何选择GPU并实现？DeepLearning4j 实战

    在之前的博客中已经用单机、Spark分布式两种训练的方式对深度神经网络进行训练，但其实DeepLearning4j也是支持多GPU训练的。 这篇文章我就总结下用GPU来对DNN/CNN进行训练和评估过程。并且我会给出CPU、GPU和多卡GPU之前的性能比较图表。不过，由于重点在于说明Mnist数据集在GPU上训练的过程，所以对于一些环境的部署，比如Java环境和CUDA的安装就不再详细说明了。 软件环境的部署主要在于两个方面，一个是JDK的安装，另外一个是CUDA。目前最新版本的DeepLearning4j

  • 干货分享：五大最适合学习AI开发的编程语言

    AI（人工智能）为应用开发者开创了一个全新的可能性。通过利用机器学习或深度学习，您可以生成更好的用户配置文件、个性化设置和推荐，或者整合更智能的搜索、语音界面或智能助手，或者以其他数种方式改进您的应用。你甚至可以构建看得懂、听得懂，并与人类互动的应用。准备学习AI的你，知不知道选择哪种编程语言合适呢？以下列举的五种编程语言，被认为是最适合用来学习ＡＩ。大家可以参考一下。

  • 25个Java机器学习工具&库

    本列表总结了25个Java机器学习工具&库： 1. Weka集成了数据挖掘工作的机器学习算法。这些算法可以直接应用于一个数据集上或者你可以自己编写代码来调用。Weka包括一系列的工具，如数据预处理、分类、回归、聚类、关联规则以及可视化。 2.Massive Online Analysis（MOA）是一个面向数据流挖掘的流行开源框架，有着非常活跃的成长社区。它包括一系列的机器学习算法（分类、回归、聚类、异常检测、概念漂移检测和推荐系统）和评估工具。关联了WEKA项目，MOA也是用Java编写的，其扩展

  • 【专知-Deeplearning4j深度学习教程03】使用多层神经网络分类MNIST数据集:图文+代码

    【导读】主题链路知识是我们专知的核心功能之一，为用户提供AI领域系统性的知识学习服务，一站式学习人工智能的知识，包含人工智能（ 机器学习、自然语言处理、计算机视觉等）、大数据、编程语言、系统架构。使用请访问专知 进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知，搜索主题查看。继Pytorch教程后，我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和

  • 25个Java机器学习工具库

    本列表总结了25个Java机器学习工具&库： 1. Weka集成了数据挖掘工作的机器学习算法。这些算法可以直接应用于一个数据集上或者你可以自己编写代码来调用。Weka包括一系列的工具，如数据预处理、分类、回归、聚类、关联规则以及可视化。 2.Massive Online Analysis（MOA）是一个面向数据流挖掘的流行开源框架，有着非常活跃的成长社区。它包括一系列的机器学习算法（分类、回归、聚类、异常检测、概念漂移检测和推荐系统）和评估工具。关联了WEKA项目，MOA也是用Java编写的，其扩展性更强。

  • 25个Java机器学习工具&库

    本列表总结了25个Java机器学习工具&库： 1. Weka集成了数据挖掘工作的机器学习算法。这些算法可以直接应用于一个数据集上或者你可以自己编写代码来调用。Weka包括一系列的工具，如数据预处理、分类、回归、聚类、关联规则以及可视化。 2.Massive Online Analysis（MOA）是一个面向数据流挖掘的流行开源框架，有着非常活跃的成长社区。它包括一系列的机器学习算法（分类、回归、聚类、异常检测、概念漂移检测和推荐系统）和评估工具。关联了WEKA项目，MOA也是用Java编写的，其扩展性更强。

  • 资源 | 16个GitHub收藏和贡献率最高的深度学习框架

    大数据文摘作品 编译：惊蛰、什锦甜、蒋宝尚 深度学习是一种基于对数据进行表证学习的机器学习方法，近些年不断发展并广受欢迎。 作为一个相对较新的概念，对于无论是想要进入该领域的初学者，还是已经熟知方法的老手来说，触手可及的学习资源太丰富了。 为了不被日新月异的技术和潮流所淘汰，积极参与深度学习社区中开源项目的学习和互动是个很好的方法。 在本文中文摘菌将为大家详细介绍16种GitHub中最受欢迎的深度学习开源平台和开源库，除此之外，还有些比较不错的平台和框架虽然没有进入榜单，文摘菌也列了出来，供大家参考。 Gi

  • 13个不容错过的Java项目

    GitHub可谓一座程序开发的大宝库，有些素材值得fork，有些则能帮助我们改进自有代码或者学习编程技能。无论如何，开发工作当中我们几乎不可能绕得开GitHub。

  • 基于 10 大编程语言的 30 个深度学习库

    本文介绍了包括 Python、Java、Haskell等在内的一系列编程语言的深度学习库。

  • 让你捷足先登的深度学习框架

    大数据文摘授权转载自数据派THU 作者：陈之炎 对于据科学的初学者来说，利用开源的深度学习框架，可以大幅度简化复杂的大规模度学习模型的实现过程。在深度学习框架下构建模型，无需花费几天或几周的时间从头开始编写代码，便可以轻松实现诸如卷积神经网络这样复杂的模型。在本文中，将介绍几种非常有用的深度学习框架、它们的优点以及应用，通过对每个框架进行比较，研发人员了解如何有选择地使用它们，高效快捷完成项目任务。 深度学习框架概述 深度学习框架是一种界面、库或工具，它使编程人员在无需深入了解底层算法的细节的情况下，能够更

  • GroundingDINO安装报错解决 - plus studio

    细读报错，我们会发现是编译过程中少了一个Python.h 的头文件导致编译pycocotools失败。

  • caffe+CPU︱虚拟机+Ubuntu16.04+CPU+caffe安装笔记

    一、caffe安装流程：安装依赖、配置python、配置caffe、配置caffe的makefile文件、配置python caffe

  • 【专知-Java Deeplearning4j深度学习教程05】无监督特征提取神器—AutoEncoder:图文+代码

    【导读】主题链路知识是我们专知的核心功能之一，为用户提供AI领域系统性的知识学习服务，一站式学习人工智能的知识，包含人工智能（ 机器学习、自然语言处理、计算机视觉等）、大数据、编程语言、系统架构。使用请访问专知 进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知，搜索主题查看。继Pytorch教程后，我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和

  • 基于 10 大编程语言的 30 个深度学习库

    本文介绍了包括 Python、Java、Haskell等在内的一系列编程语言的深度学习库。 Python Theano 是一种用于使用数列来定义和评估数学表达的 Python 库。它可以让 Python 中深度学习算法的编写更为简单。很多其他的库是以 Theano 为基础开发的： Keras 是类似 Torch 的一个精简的，高度模块化的神经网络库。Theano 在底层帮助其优化 CPU 和 GPU 运行中的张量操作。 Pylearn2 是一个引用大量如随机梯度（Stochastic Gradient）这

  • 干货 | 5个常用的深度学习框架

    对于学习数据科学的同学来说，从头开始实现神经网络，会让你理解很多有趣的东西。但是，我并不认为在真实数据集上构建深度学习模型是个明智的做法，除非你有数天或数周的时间来等待模型的构建。那么对于绝大部分无法获得无限资源的人来说，使用易于使用的开源深度学习框架，我们可以立即实现如卷积神经网络这样的复杂模型。

  • hadoop报错解决方案---安装系列三

    操作过程中主要出现以下几个错误： Unsupported major.minor version 51.0 处理办法： eclipse下的项目的jdk环境和liux下的jdk环境不一致，将windows下的eclipse中的jdk环境与linux的环境更改一致 切换linux的jdk版本为1.7： 上传jdk7压缩包并解压 配置jdk变量 vi /etc/profile 在终端里面输入： alternatives  --install   /usr/bin/java  java  /usr/local/jvm/jdk1.7.0_79/bin/java 300 alternatives  --install   /usr/bin/java  java  /usr/lib/jvm/jdk1.8.0_101/bin/java 300   jdk1.8.0_101为之前安装的jdk 如想切换至1.8 还需更改环境变量/etc/profile 红色部分自行修改目录（安装JDK的目录） 接着执行alternatives  --config  java 输入想要切换的jdk序号 Java -version 在myeclipse里添加1.7的jdk，创建java项目时选择jdk版本为1.7 重启hadoop集群报错： java.net.BindException: Port in use: 0.0.0.0:50070 Caused by: java.net.BindException: Address already in use 处理办法： 1）sudo lsof -i:端口 -P 2）sudo kill -9 PID 以50070端口为例： sudo lsof -i:50070 -P 控制台输出内容： COMMAND  PID USER   FD   TYPE             DEVICE SIZE/OFF NODE NAME   java   6501 root  189u  IPv4 0x782e003217773193      0t0  TCP *:50070 (LISTEN) 然后kill掉： sudo kill -9 6501 hadoop主节点缺少NameNode log信息： java.io.FileNotFoundException:/home/hadoop/app/dfs/name/in_use.lock (Permission denied) 处理办法： 有两种场景出现 1）：在原来正常的时候，有一次突然使用了原来不同的用户启动了一次hadoop。这种场景会产生一个in_use.lock 文件夹在你设置的目录中，这时候可以删除这个文件夹直接，然后重新启动 2）：在格式化hadoop的时候和当期启动的用户不是同一个，也会导致该问题。这个时候可以使用格式化hadoop的那个用户重新启动hadoop。也可以解决此错误。 hadoop主节点缺少SecondaryNameNode log信息： Cannot lock storage /home/hadoop/app/tmp/dfs/namesecondary. The directory is already locked 处理办法：删除该目录 java项目运行不报错 处理办法： 新建一个文件，命名为“log4j.properties”，放到src目录下。向里填入一下信息： log4j.rootLogger=INFO, stdout log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n log4j.appender.logfile=org.apache.log4j.FileAppender log4j.appender.logfile.File=target/spring.log log4j.appender.logfile.layout=org.apache.log4j.PatternLayout log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n 保存后重新运行 通过java接口向hbase插入一张表时报错：  [org.apache.hadoop.util.NativeCodeLoader] - Unable to load native-h

  • 各种编程语言的深度学习库整理

    ‍Python 1. Theano是一个python类库，用数组向量来定义和计算数学表达式。它使得在Python环境下编写深度学习算法变得简单。在它基础之上还搭建了许多类库。 　　1.Keras是一个简洁、高度模块化的神经网络库，它的设计参考了Torch，用Python语言编写，支持调用GPU和CPU优化后的Theano运算。 　　2.Pylearn2是一个集成大量深度学习常见模型和训练算法的库，如随机梯度下降等。它的功能库都是基于Theano之上。 　　3.Lasagne是一个搭建和训练神经网络

  • 树莓派3B安装ffmpeg[通俗易懂]

    树莓派型号：3b 操作系统：ubuntu-mate-16.04.2-desktop-armhf-raspberry-pi.img

  • Jar 包依赖冲突排查思路和解决方法

    应用从 jdk7 升级到 jdk8，终于可以用上新特性的语法进行代码编写，通过几轮开发、测试和验证后，在上预发环境时，应用突然无法启动，查看 tomcat 报错原因，发现是 类转换失败 ClassCastException

  • 原创 | 让你捷足先登的深度学习框架

    本文介绍了几种非常有用的深度学习框架、它们的优点以及应用，通过对每个框架进行比较，研发人员了解如何有选择地使用它们，高效快捷完成项目任务。

  • 一组 Redis 实际应用中的异常场景及其根因分析和解决方案

    在上一场 Chat《基于 Redis 的分布式缓存实现方案及可靠性加固策略》中，我已经较为全面的介绍了 Redis 的原理和分布式缓存方案。如果只是从“会用”的角度出发，已经有很多 Chat 和博客可供参考，但是，在实际应用中，异常场景时有出现，作为一名攻城狮，仅仅“会用”是不够的，还需要能够定位、解决实际应用中出现的异常问题。

  • Linux系统搭建C++开发环境

    Linux编译C++程序必须安装g++编译器。这里使用yum方式安装。首先切换到root账号，su - root 然后输入密码。

  • Jar 包依赖冲突很烦人，总结一波排查思路和解决方法

    应用从 jdk7 升级到 jdk8，终于可以用上新特性的语法进行代码编写，通过几轮开发、测试和验证后，在上预发环境时，应用突然无法启动，查看 tomcat 报错原因，发现是 类转换失败 ClassCastException

  • centos7安装部署mysql_8.0

    2.1 访问mysql官网下载 https://dev.mysql.com/downloads/repo/yum/ 选择对应版本（linux7）下载

  • 荔枝派Zero(全志V3S)编译Kernel

    上文我们讲述了uboot编译及配置，本文讲述了如何编译kernel，对编译过程中遇到的问题进行解决

  • caffe Ununtu 16.04.

    LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 改为：

  • Linux下安装Oracle的过程和涉及的知识点-系列5

    使用root登录，编辑/etc/inittab文件，将d:5:initdefault:改为d:3:initdefault:

  • TSN Usage——如何编译和使用temporal-segment-networks

    TSN是”temporal-segment-networks”的简称，是视频动作识别任务里面当前最好的方法。虽然这个结构是在ECCV2016的论文里面提出来的，代码也放出来挺长时间了，但是这个项目里面集合了Caffe， OpenCV，CUDA，CUDNN等几大神坑项目，不同版本之间的依赖、选择等问题很麻烦，因此我之前编译了好几次都没有能够编译成功。这次花了近一天的时间来重新编译了一下整个项目，虽然还是有些问题，例如MPI编译没有通过，CUDA8貌似不支持，CuDNN v5好像也不支持，但最后总算是编译通过，可以运行了。所以记录一下整个的过程，期望对自己和别人能够有所帮助。

  • youyeetoo X1上源码安装Ffmpeg

    大家好，今天趁着有空，玩一个板子测评，这个板子功能非常强大，外设资源也是非常的丰富，给大家看一下这个板子的外设接口：

扫码

添加站长 进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

更多标签

活动推荐

    运营活动

    活动名称
    广告关闭

    腾讯云开发者

    扫码关注腾讯云开发者

    扫码关注腾讯云开发者

    领取腾讯云代金券

    热门产品

    热门推荐

    更多推荐

    Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

    深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

    腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

    领券