原创 LED顯示行業之閃爍現象

我有寫過關於屏幕的現象,講述的是毛毛蟲等。在那裏我也講述了各類現象的產生。今天我寫的這個也是現象裏面的。這裏和前面不一樣的是,這裏的閃爍現象可能會因人而異(不是人眼差別),會看不會看,角度等產生的差異,也可能就是人的感知類的現象。產生的原

原创 深度學習 之深度學習資源

文章轉載來源: https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/82111718 還記得下面這張腦圖嗎?上週我們爲大家整理了 AI 中 4 個重要方面的學習資源(點擊查看),

原创 深度學習之 alexnet詳解2

AlexNet網絡詳解及各層作用 Alex在2012年提出的alexnet網絡結構模型引爆了神經網絡的應用熱潮,並贏得了2012屆圖像識別大賽的冠軍,使得CNN成爲在圖像分類上的核心算法模型。AlexNet 該模型一共分爲八層,5個卷積

原创 深度學習之 alexnet詳解3

一、綜述: 本篇將介紹AlexNet網絡的基本結構。AlexNet網絡是12年Alex Krizhevsky提出的深度網絡模型,故網絡用他的名字命名。該網絡一共有8個訓練參數的網絡(不包括池化層和LRN層),前5層爲卷積層,後3層爲全連接

原创 LED顯示行業之上位機軟件使用篇

    灰度等級在全綵屏這裏沒有現象。輸出方式是針對不同的驅動的,錯了就黑屏。低輝效果,顯示正常。 毛華望   微信15889765314 這裏的掃描方式,幾掃,幾行沒問題。是Z型掃描還是--向掃描,要看驅動芯片的連接方式,也就是燈板的

原创 深度學習之alexNet算法參數量

                          AlexNet中的參數數量          AlexNet的網絡結構圖: 總的來說,AlexNet由輸入層,5個卷積層,3個全連接層組成(其中最後一個全連接層也是softmax輸出層)

原创 深度學習之alexnet的計算量

前言 深度學習的計算量 上表列舉了,ImageNet圖像識別中常見算法的模型大小以及單張圖片一次訓練(One Pass)所需要的計算量。 自2012年,Hinton的學生Alex Krizhevsky提出AlexNet,一舉摘下ILSV

原创 LED顯示行業之老程序員開始解讀LED顯示行業

         我叫毛華望,    我在LED顯示行業做了4年多了,現在還在這個行業裏面。第一次進入這個行業進的公司是靈星雨科技有限公司。後來在京視科技繼續做LED顯示行業,目前在摩西爾科技有限公司。這是一個什麼樣的行業呢??我來解讀解

原创 LED顯示行業之 屏幕現象分析1

LED顯示屏的顯示質量一向與恆流驅動芯片息息相關,如鬼影、壞點十字架、低灰偏色、第一掃偏暗、高對比耦合等問題, 你好:毛華望  ,微信15889765314在這裏講解led顯示器通常情況下一些現象。 隨着小間距的發展,LED顯示屏同樣對行

原创 LED顯示行業之 屏幕現象分析2

  這2個對比圖,第一個圖有低會偏色和首行暗亮 低灰首行偏暗、 我是毛華望  ,15889765314。 低灰度,也就是亮度很低的狀態。亮度也說明着對於這個燈提供的能量很低。在低能量的情況下,是很容易造成干擾的。不均勻,噪聲,輸出給燈的

原创 FPGA之百兆網RTL8201F

RTL8201F模塊是百兆網絡芯片。 你好,我是毛華望。我來講解一下RTL8201F 模式分爲2種。MII模式和RMII模式。 這2個模式可以百度文庫裏面去尋找,裏面有非常詳細的說明。這裏我就大概描述一下。MII模式是25M的時鐘4

原创 深度學習 ---- 深度學習調參,CNN參數調參,各個參數理解和說明以及調整的要領。

本文爲原創文章轉載必須註明本文出處以及附上 本文地址超鏈接  以及 博主博客地址:http://blog.csdn.NET/qq_20259459  和 作者郵箱( [email protected] )。 (如果喜歡本文,歡迎大家

原创 深度學習----調參2

1:優化器。機器學習訓練的目的在於更新參數,優化目標函數,常見優化器有SGD,Adagrad,Adadelta,Adam,Adamax,Nadam。其中SGD和Adam優化器是最爲常用的兩種優化器,SGD根據每個batch的數據計算一次局

原创 深度學習 --- 調參方法論統計

https://www.zhihu.com/question/25097993/answer/651617880      https://www.zhihu.com/question/25097993 https://www.zhihu

原创 深度學習mindspore --- rescale(rescale, shift)

class   mindspore.dataset.transforms.vision.c_transforms.Rescale(rescale, shift)[source] Tensor operation to rescale th