Posts

CAN Interface (MCMCAN) 1.模块 有三个模块CAN0,CAN1,CAN2，一般只使用CAN0,CAN0的模块比较全面。 CAN0有4个CAN node，Message RAM 一共32Kbyte，FIFO,buffer，register在此处开辟。 ...

事件触发操作系统，通过定时器届满，错误检出等event触发os task的调度运行 1.TASK种类与状态 task的种类分为两种，基本task和扩展的task，处理器在同一时间只能运行一个task指令，os会负责保存和恢复task的状态切换时的数据 ...

MCU系统结构 整体结构 因为学习的是STM32，所以按照手册进行理解。 哈佛结构和冯诺依曼结构 首先我们在编写代码的时候，可以将代码分为两部分，一部分是逻辑代码部分，另一部分是定义的变量，逻辑代码是不用改变的，而变量会改变，哈佛结构和冯诺依曼结构就是对于这个两部分代码的存储方式有着一些区别。 冯诺依曼结构将程序存储器和数据存储器合并在一起的处理器架构设计，他的特点是使用同一个存储器，经由同一个总线传输。 哈佛结构将程序指令存储和数据存储分开存储，在嵌入式编程中一般使用这种方式，因为可以只修改数据不用修改逻辑代码。 ...

1. CPU的运行原理 1.1 CPU最基本的工作单元——MOSFET 二极管的工作原理 SI原子外层有4个电子，P原子外层有5个电子，B原子外层有3个电子；如果SI和P结合，就会多一个电子，导电性上升；如果SI和B结合，就会有一个空穴，会有电子过来，导电性也会上升；电子和空穴都叫载流子，载流子就是电流的载体。 增加空穴的掺杂——P型掺杂；增加电子的掺杂——N型掺杂。 如果在一块硅晶体左边和右边进行N型掺杂和P型掺杂，中间区域就会出现电子从N区扩散到P区和空穴结合；交界处N区域失去电子显正电，P区域得到电子带负电，中间产生一个电场，叫耗尽层。 如果在外面接一个电池，如果电池提供的电场和中间电场方向相反进行抵消，此时电路导通；如果反过来接，耗尽层加宽，则不能导通。 ...

中断的概念和机制 中断与轮询 中断： 由硬件判断外部事件并通知CPU；专用的中断服务程序来处理事件 处理对响应要求非常高的事件 处理持续事件非常短的事件 低功耗的应用 程序设计复杂 通常把CPU内部的紧急时间叫做异常，比如地址访问越界； 把CPU外部的片上外设产生的紧急时间叫做中断,比如GPIO口引脚的电平变化。 中断和异常都是停下当前任务去执行紧急事件，所以一般统称位中断。 ...

1.数据导入 df=pd.read_csv('Pokemon.csv',encoding="ISO-8859-1") df.head() 2.查看数据 df.shape df.shape[0] df.shape[1] df.columns #列名 df.index #行名 df.dtypes df.head() df.tail() df.sample() df.describe() pd.set_option('max_colwidth',8) #设置每一行的最大宽度，恢复原设置方法 pd.reset_option('max_colwidth') loc操作与iloc loc通过label定位；iloc通过position定位 df.loc[[0,5],['名称','生命点数']] df.iloc[0:10,[0,1]] df[:3] 3.数据筛选与操作 df[df['综合能力']>400].head() df[df['世代数']==1] df.insert(4,'能力600',df['综合能力']>=600) 4.读取数据 pickle文件，可以将python中的数据类型进行序列化 compression参数指定了压缩类型，‘zip’, ‘gzip’, ‘bz2’, ‘zstd’ ...

基本概念 1.docker 应用容器引擎，用于运行容器 image：可执行程序 container：运行起来的进程 dockerfile：image的源代码， 是一个用**来构建镜像的文本文件，**文本内容包含了一条条构建镜像所需的指令和说明 ...

LightGBM 介绍 LightGBM（Light Gradient Boosting Machine）：一个实现GBDT算法的框架，解决GBDT在海量数据遇到的问题。 两大技术： （1）GOSS(Gradient-based One-Side Sampling)：减少样本数 ...

集成学习与随机森林 更新权重 Adaboost AdaBoostClassifier(base_estimator=None, n_estimators=50, learning_rate=1.0, algorithm=’SAMME.R’, random_state=None) base_estimator:可选参数，默认为DecisionTreeClassifier。 algorithm： 可选参数，默认为SAMME.R 循环训练，实例权重不断更新（不是是成本函数最小化，而是加入更多预测器） ...

降维 主要动机 加速，可视化数据，节省空间 缺点：丢失信息，计算密集，转换过程难以理解 什么时候用到降维 分类前，加速；聚类前，可视化数据 维度诅咒 高维数据集——非常稀疏——训练实例彼此远离——容易过拟合 ...