使用fifo的好处有：1：串口的数据发送的数据量较大时，使用fifo可以大大降低MCU的开销。（有点类似串入并出的cput处理模型，本质上还是串行收发）2：在某些特殊场合，例如制定较复杂的协议时，可以使用fifo特性来做协议简化，比如一包数据包含8个字节，（并且fifo设置的长度为8），这样相当于把uart转换为类似CAN/以太网模型，这样信息可扩展性得到了质的提高，当然，这里需要同步协调。fifo分析拓展：1.如果要用中断来处理接收到的数据，就是说，接收
系统 2019-08-12 09:26:56 2141
并行计算程序设计时，常面临把一系列任务分配给n个节点的问题。比如，在经典的计算pi值的程序中for(i=myid+1;i<=n;i+=numprocs){x=h*((double)i-0.5);sum+=f(x);}myid出现在循环设计中，它的出现使得，各个进程（节点）对循环作不同的解释，比如numprocs=3，n=15（1）node-1/proc-1对循环的解释是for（i=1;i<15;i+=3）{.....}它将产生如下序列：1，4，7，10，1
系统 2019-08-12 09:26:45 2141
今天下载了一份日语三级试题，word格式，可是是只读的，不能copy，而且有密码。做起来很是不便，我就想把它的只读属性去掉。哈哈!!最后终于实现了，拿出来和大家分享。首先要确定word文档的版本，要是2003,请转化为2007文档。2、修改文件扩展名为“.zip”3、使用windows自带的程序打开文件，会看到几个文件夹。4、打开word文件夹，并删除settings.xml文件5、重新打开文档即可修改只读word文件
系统 2019-08-12 01:33:31 2141
目录一，什么是爬虫二，初识爬虫-采集汽车资讯信息三，requests和BeautifulSoup模块基本使用requests:importrequestsBeautifulSoup：frombs4importBeautifulSoup四，初识爬虫-自动登录购酒网http://order.gjw.com/login/login五，requests模块详细介绍六，一大波"自动登陆"示例一，什么是爬虫很久很久以前，还没有"百度"，"谷歌"，有的还是传说中的"大黄
系统 2019-09-27 17:56:42 2140
本章包括：1、了解卷积神经网络（convnets）2、使用数据增强来减轻过度拟合3、使用预训练的convnet进行特征提取4、微调预训练的信号5、可视化回馈学习的内容以及他们如何做出分类决策一、引言一个简单的convnet示例。第二章中的密接网络的测试精度为97.8%，而convnet的测试精度为99.3%：我们将错误率降低了68%（相对）。为什么这个简单的convnet比一个紧密连接的模型工作得那么好呢？为了回答这个问题，让我们深入研究conv2d和ma
系统 2019-09-27 17:55:54 2140
利用python进行经纬度轨迹展示嘿！各位好久不见，距离第一次发博客已经过去两年多了，本人也从本科生变成了研究生，好了书归正传，最近在做一个关于航班滑行路径轨迹的项目，目的是将航班的经纬度数据在地图上显现出来并生成一条路径，以方便日后的滑行路径优化与分析。本文所用的语言为python，使用的是folium包，数据在flightaware网站上可以找到，使用这个包之前还是需要先进行pipinstallfoliumfolium的基本用法folium.Map([
系统 2019-09-27 17:54:57 2140
urllib模块发起的POST请求案例：爬取百度翻译的翻译结果1.通过浏览器捉包工具，找到POST请求的url针对ajax页面请求的所对应url获取，需要用到浏览器的捉包工具。查看百度翻译针对某个字条发送ajax请求，所对应的url点击clear按钮可以把抓包工具，所抓到请求清空然后填上翻译字条发送ajax请求，红色框住的都是发送的ajax请求抓包工具All按钮代表显示抓到的所有请求，包括GET、POST请求、基于ajax的POST请求XHR代表只显示抓到
系统 2019-09-27 17:52:59 2140
最近编写的自动化脚本，数据部分使用到了从配置文件中取，即自定义config.ini，但是在读取配置文件的时候却报错了'gbk'codeccan'tdecodebyte0xb0inposition30。错误信息的意思是gbk'编解码无法解码字节0xb0。开始我以为是配置文件中出现了中文字符，可检查后发现并没有。在网上查了相关资料后，无果。于是请教了其他同事，经过十几分钟的检查和验证，原来我在创建congfi.ini文件时，默认保存的编码类型是UTF-8。于是
系统 2019-09-27 17:52:28 2140
随着深度学习研究的深入，相关应用已经在许多领域展现出惊人的表现。一方面，深度学习的强大能力着实吸引着学术界和产业界的眼球。另外一方面，深度学习的安全问题也开始引起广泛地关注。对于一个给定的深度神经网络，经过训练，它可能在具体任务上（例如图像识别）表现出较高的准确率。但是在原本能够被正确分类的图像中引入稍许（人眼不易察觉）扰动，神经网络模型就可能被误导，从而得出错误的分类结果。例如，下图中最左侧的熊猫图片本来可以被正确分类，向其中加入一定的扰动，结果会得到右
系统 2019-09-27 17:52:12 2140
#读入文件pmi_days.csv，完成以下操作：1.统计质量等级对应的天数，例如：优：5天良：3天中度污染：2天2.找出PMI2.5的最大值和最小值，分别指出是哪一天。importpandasaspdimportcsvdays_path=open(r"C:\Users\Administrator\Desktop\pmi_days.csv")days_df=pd.read_csv(days_path)data=days_df.groupby('质量等级')
系统 2019-09-27 17:50:41 2140
