一 首先说说ARM的发展 ARM由于其功耗、成本、功能、可控性、供货等多方面的优势，在商业、工业等电子产品领域发展的越来越快，占据的市场份额也越来越多。 广义的嵌入式无非几种：传统的什么51、AVR、PIC称做嵌入式微控制器；ARM是嵌入式微处理器；DSP；FPGA。
转载
2024-02-05 15:14:40
19阅读
首先下载编译gem5，之前的博客说过就不再说了。现在就开始BB。1、既然是运行ARM的全系统，所以就要ARM的kernel和DISK。其中内核需要翻墙。git clone --depth 10 https://gem5.googlesource.com/arm/linux-arm-legacy
wget http://www.gem5.org/dist/current/arm/arm-syste
转载
2024-02-04 11:29:17
62阅读
1.卫星定位基本原理 无人车定位：广泛使用的定位技术是RTK（实时动态差分），在空旷无遮挡的户外达到厘米级精度。2.定位配置2.1配置M2：将M2升级线连接到M2上；通过串口延长线连接M2升级口；另一端接到工控机COM1串口；配置M2前要先给设备连接电源；基础配置安装Linux系统，下载并安装Apollo软件系统。在工控机上下载一个串口助手cutecom（通过串口助手与M2设备进行交互，写入配置信
转载
2023-10-20 19:21:55
106阅读
# 在ARM架构上运行Java程序
随着信息技术的发展，Java作为一种跨平台的编程语言，已经广泛应用于开发各类应用程序。然而，Java的运行并不仅限于传统的x86架构，ARM架构的设备同样可以高效地支持Java应用的运行。本文将探讨在ARM架构上运行Java的基本概念、环境设置及代码示例，并通过序列图阐述Java应用运行的流程。
## 1. 理解ARM架构
ARM（Advanced RIS
原创
2024-08-28 05:57:38
122阅读
在现代深度学习的研究和应用中，开发环境的选择至关重要。VSCode (Visual Studio Code) 是一款流行的开源代码编辑器，许多开发者和研究者选择它来编写和调试深度学习代码。本文将阐述如何在 VSCode 上运行深度学习代码，包括环境配置、安装必要的库、运行深度学习模型，以及代码示例和状态图，确保我们有一个清晰的逻辑结构。
## 一、准备工作
### 1. 安装 VSCode
原创
2024-10-27 06:29:50
2167阅读
强制深度学习在GPU上运行是当今人工智能领域中的重要挑战之一。在实践中，开发人员常常需要确保他们的深度学习模型能够有效地利用GPU加速。以下是我对“强制深度学习在GPU上跑”的解决过程记录。
### 背景定位
在现代深度学习中，GPU因其高并行计算能力成为了必不可少的工具。与传统的CPU相比，GPU能够以更高的效率处理大规模的深度学习模型。然而，由于不恰当的配置或使用，深度学习模型可能无法有效
# 深度学习在GPU上的运行方案
深度学习是一种强大的机器学习方法，它在图像识别、自然语言处理等领域取得了显著的成果。然而，深度学习模型通常需要大量的计算资源。幸运的是，现代GPU（图形处理单元）提供了强大的并行计算能力，可以显著加速深度学习模型的训练和推理过程。本文将介绍如何在GPU上运行深度学习模型，并提供一个具体的示例。
## 1. 环境配置
首先，我们需要确保系统已经安装了支持GPU
原创
2024-07-16 12:28:52
924阅读
arm-gcc-path
系统要求
Linux 64位+(deepin其实很好用)
50GB+ 存储空间
8G+ 内存(最好，不是一定)
jdk 1.8 + (不要用9或者10)
一些说明
配置，开源的，但并不代表这就会很成功的完成工作，适用于kernel build
环境配置
0. /home/USER_NAME/.bashrc，动态环境配置，在这里配置gcc和用户的环境(比etc/profil
转载
2024-03-12 05:56:38
130阅读
云计算~Linux的较深度命令Linux目录结构目录说明cat命令more命令less 命令head命令tail命令wc命令grep命令gzip,bzip2命令—压缩与解压缩tar命令文本编辑器—vi，vimvi命令命令行模式（command mode）功能键删除复制替换恢复上一次操作vi命令列表命令行模式下vim命令 Linux目录结构目录说明/root : 系统管理员root的家目录。/ho
转载
2024-04-13 09:36:58
130阅读
# 在GPU上跑深度学习模型的方案
随着深度学习技术的广泛应用，利用GPU加速计算已成为实践中不可或缺的一部分。本文将介绍如何在GPU上运行深度学习模型，并通过一个具体问题进行说明，以确保读者能够掌握基本步骤。
## 问题背景
假设我们希望通过卷积神经网络（CNN）来进行图像分类任务。我们将使用Keras和Tensorflow深度学习框架，借助GPU加速模型的训练与推理。
## 环境准备
# 在Ubuntu上运行深度学习代码方案
深度学习在人工智能领域具有广泛的应用，而在Ubuntu上搭建深度学习环境是一个常见的需求。本文将介绍如何在Ubuntu系统上运行深度学习代码，主要包括安装深度学习框架、配置GPU支持以及运行示例代码。
## 步骤一：安装深度学习框架
在Ubuntu上运行深度学习代码首先需要安装相应的深度学习框架，常见的框架包括TensorFlow、PyTorch等。
原创
2024-06-06 05:01:49
296阅读
现场可编程门阵列(FPGA)技术不断呈现增长势头。 1984年Xilinx刚刚创造出FPGA时，它还是简单的胶合逻辑芯片，而如今在信号处理和控制应用中，它已经取代了自定制专用集成电路(ASIC)和处理器。 这项技术的成功之处到底在哪里？ 本文将主要介绍FPGA，并着重描述FPGA的独特优势。1. 什么是FPGA？在最高层面上，FPGA是可重新编程的硅芯片。 使用预建的逻辑块和可重新编程布线资源，用
转载
2024-10-23 20:01:59
68阅读
看过了PCMark05测试软件的测试成绩，我们接下来会对显卡，处理器和硬盘这3个主要部件做Vista操作系统和Windows XP操作系统下的性能对比测试。对于采用独立显卡的笔记本电脑我们全面的测试了其显示性能，对于采用集成显卡的富士通P7230我们仅测试了3DMark03。 同时为了测试Vista操作系统和Windows XP操作系统游戏性能的差距，我们在戴尔 Inspiron 6400上
# 项目方案：使用Matlab在GPU上运行深度学习
## 项目背景
深度学习在图像识别、自然语言处理等领域取得了巨大的成功，但是深度学习模型通常需要大量的计算资源来训练和推断。为了加快深度学习模型的训练速度，我们可以利用GPU来并行计算加速深度学习任务，而Matlab提供了方便的工具来在GPU上进行深度学习模型的训练。
## 项目目标
本项目旨在使用Matlab在GPU上运行深度学习，加速模
原创
2024-03-11 05:43:13
168阅读
在STM32上跑深度学习是一个充满挑战与机会的任务。STM32微控制器以其低功耗和高性能的特点被广泛应用于嵌入式系统，但在这些资源受限的设备上运行深度学习模型，需要针对性地进行优化和调整。下面我将详细记录下解决这一问题的过程，包括不同版本的比较、迁移指南、兼容性处理、实战案例、排错指南和性能优化等内容。
### 版本对比
在对STM32平台的深度学习框架进行比较时，我们需要分析不同版本的优缺点
# 如何跑GitHub上深度学习的代码
在现代的深度学习领域，GitHub已经成为了分享和协作的重要平台。许多深度学习的实现和相关模型都可以在GitHub上找到，但许多人在尝试运行这些代码时往往会遇到各种问题。本文将逐步指导你如何有效地从GitHub上获取深度学习代码并成功运行它们。为了做到这一点，我们将分为几个主要部分：获取代码、环境配置、运行代码和调试问题。
## 1. 获取代码
在Gi
今天刚说过没找到支持ubuntu14.04用reaver跑pin的旧版库文件这就有摸索到方法了...另外安装系统ubuntu14.04以及一系列破解工具比如aircrack,minidwep等都不在本贴中赘述了,百度有很多,也可以直接在终端使用命令"apt-get install 软件包" 来安装,不过不要安装reaver,本贴主要讲安装reaver和库文件等上面说的你都安装完了之后,去htt和谐
转载
2023-08-24 10:33:17
17阅读
前言 最近基于轻舟无人小车上在做车道线检测和红绿灯小车，但是其板子是ARM 64的，为了能够在ubuntu18.04下的melodic版本的ROS1中使用opencv-contrib相关的函数，只能自己编译，当然，编译的版本是OpenCV4.5.0和3.4，但是高版本的失败了，只能尝试编译3.4，最终成功了。使用的python版本是2.7.17和3.6.9。过程1、OpenCV3.4库的下载由于
转载
2023-07-24 20:36:58
672阅读
# 如何在ARM上使用深度学习模型
## 引言
深度学习模型在计算机视觉、自然语言处理等领域取得了巨大的成功。然而，由于深度学习模型通常需要大量的计算资源，如何在资源受限的ARM平台上使用深度学习模型成为了一个挑战。本文将介绍如何在ARM上使用深度学习模型，并通过一个实际问题的解决示例来说明。
## 问题描述
假设我们需要在一个嵌入式设备上实时检测人脸，并进行情绪识别。这个设备的处理器采用
原创
2023-12-25 04:20:12
584阅读
我是个很懒的人，之前写博客也没能坚持下去，这次应老师的要求，写一下自己学习SLAM的过程，以便后来者参考。（菜鸡境内，大佬绕行ヾ(ﾟ∀ﾟゞ)）首先，我们的项目要求在Linux系统下使用SLAM。所以你必须有一个Linux的系统。我选择的是Ubuntu20.04（好吧，不是我选择，是不得不选择。从最开始安装CentOs，然后安装Ubuntu22.04，然后才是Ubuntu20.04，因为很多教程和案
