笔者采用python3.6.7+TensorFlow1.12.0+CUDA10.0+CUDNN7.3.1构建环境PC端配置为GTX 1050+Intel i7 7700HQ 4核心8线程@2.8GHZTensorFlow-gpu的安装经历实在是坎坷的很首先显卡一定要支持没想到的是GTX 1050TI，GTX 1070TI等主流显卡竟然都不支持（还好我买的是GTX 1050）（并没有暗示需要一块TE
转载
2024-05-09 16:30:54
144阅读
STM32--DSP库使用 数字信号处理（DigitalSignal Processing，简称 DSP）是一门涉及许多学科而又广泛应用于许多领 域的新兴学科。20 世纪 60 年代以来，随着计算机和信息技术的飞速发展，数字信号处理技术应运而生并 得到迅速的发展。在过去的二十多年时间里，数字信号处理已经在通信等领域得到极为广泛的应用。 数字信号处
DSP数字电源学习一软件环境搭建相关硬件资源TMS320C28x 32 位 CPU可编程控制律加速器 (CLA)片上存储器时钟和系统控制1.2V 内核、3.3V I/O 设计系统外设通信外设模拟系统软件相关控制算法数据记录功能代码示例MathWorks Simulink 模型文档 由于最近工作需要，需要学习DSP相关知识，所以在此记录学习过程，本次主要介绍实际设计电源时所要使用到的硬件和软件资
转载
2023-12-13 19:34:10
546阅读
TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Goog
转载
2024-05-04 18:56:34
41阅读
EPWM模块影子寄存器的原理 在TI（Texas Instruments）的DSP28335中，EPWM（Enhanced Pulse Width Modulator）模块提供了高精度、高灵活性的PWM信号生成功能。为了能在不影响当前PWM波形输出的情况下预装载新的PWM参数（如周期、占空比等），EPWM模块引入了影子寄存器的概念。影子寄存器的工作原理1.双缓冲机制：影子寄存器实际上是一种双缓冲机
转载
2024-06-05 21:27:25
89阅读
# Android DSP 支持的音频格式实现指南
在安卓开发中，数字信号处理（DSP）是一个非常重要的领域，特别是对于音频播放和处理。对于初学者来说，实现一个支持DSP的音频格式的流程可能会让人感到困惑。本文将逐步引导你完成这一过程。
## 实现流程
下面是实现DSP支持的音频格式的基本流程：
| 步骤 | 描述 |
|------|------|
| 1 | 确定需求：了解要支持
在学习DSP的过程中，刚入门会面临这个问题：我该学习哪家公司的DSP呢？目前市面上DSP厂家并不多，有TI，ADI，Freescale等等。主要也就这几个吧，应该来说TI和ADI在国内占据半壁天下。相对而言，TI的DSP比ADI用的人数又更多，而且资料甚多，比较容易找，ADI的就比较难找了。所以我建议新手没有帮助的情况下选择TI的DSP，当然啦，如果关注了本公众号(DSP-
转载
2023-10-24 22:13:10
230阅读
1 安装msys2msys2是一个在Windows上的Linux虚拟环境，在Linux上写的程序，可以使用msys2编译为Windows上的exe或者dll。 在msys2官网上下载msys2程序：下载链接。 下载完成后进行安装，安装成功后将安装目录C:\msys64和安装目录下的usr/bin目录C:\msys64\usr\bin添加到系统环境变量path中 以管理权限打开cmd，依次安装msy
支持Python的DSP芯片
## 引言
数字信号处理（Digital Signal Processing，DSP）是一种对数字信号进行处理和分析的技术。它在各个领域如通信、音频处理、图像处理等方面都有广泛的应用。而Python作为一种简单易学的编程语言，也在科学计算和数据分析领域具有很高的流行度。因此，支持Python的DSP芯片的出现，为我们提供了更加便捷和高效的信号处理方法。
## DS
原创
2024-02-01 03:44:39
343阅读
之前没有用过显卡，直接上手了一块RTX2080,在pycharm里面配置tensorflow-gpu踩坑无数，写下这篇经验，希望对还在坑中挣扎的小伙伴们有些帮助。一些知识：配置tensflow-gpu，大概需要安装显卡驱动，安装python，CUDA，cuDNN，更改环境变量，安装tensflow-gpu其中的坑大概在于CUDA，cuDNN与tensorflow的版本需要兼容，有时还要考虑到pyt
一、初识DSPDSP的应用特点： [1]专用的硬件乘法器 在DSP芯片中，有专门的硬件乘法器，使得一次或者两次乘法运算可以在一个单指令周期中完成，大大提高了运算速度。 [2]哈佛结构及改进的哈佛结构（哈佛结构：将程序和数据存储在不同的存储空间中） TMS320系列：1.允许数据存放在程序存储器中，并被算数运算指令直接使用；2.指令存储在高速缓冲器中，当执行此指 令时，不需要再从存储器中读取指令，节
2020-04-08 21:54:53 1 DSP中的数据表述DSP中数据通常是有定点数与浮点数表示，其中可以对字长进行相关定义，可以选取字长为16位、24位、32位不同字长使用。而格式与字长决定了数据的精度与动态范围，同时也一定程度上决定了DSP处理器的功耗、成本与编程难度。定点数：小数点位置为确定的。浮点数：小数点位置可以改变。定点运算的硬件实现较为简单，功耗较
转载
2024-03-06 12:41:16
103阅读
Preface：在学习一个新东西之前，我们需要对一些基本概念或者专业术语进行基本的理解，这样才能扫除壁垒，让学习更加高效。因此，DSP学习系列首先会比较注重对DSP相关术语上的理解。所以最开始，我们先来学习一些必须建立的概念。DSP实验平台：TMS320F28335DSP是什么？其实如果不介绍背景，DSP的含义在专业领域中是有存在歧义的，一种可以解释为Digital Signal Processi
转载
2023-12-13 13:15:37
101阅读
摘要：
2019年6月26日，在Sao Paulo举行的PAPIs.io LATAM会议上，作为Daitan的代表，本文作者Thalles Silva举办了一个关于TensorFlow（TF）2.0的研讨会，并在会上探讨了一些关于TF 2.0的话题。研讨会的初衷是重点展示2.0版本同以往1.x版本的不同。本文回顾了会上讨论的主要内容：Keras-APIs、SavedModels、TensorBoa
目录一.引言二.Java / Tensorflow 代码配置1.代码配置2.Maven 配置三.环境检测1.显卡检测2.显卡监控四.推理踩坑1.异常现象2.异常日志五.安装 cuda-10.01.下载 cuda 安装包2.安装 cuda2.1 preface 前言2.2 安装配置2.3 安装完成2.4 可能遇到的问题六.安装 cuDNN1.安装 cuDNN2.解压 tgz 文件3.查看 cuDNN
转载
2023-08-23 09:36:29
460阅读
一、什么是TensorFlow？ TensorFlow是全面的深度学习框架支持非常全面不是专门为客户端设计特点：1、真正的可移植性： 引入各种计算设备的支持包括CPU/GPU/TPU，以及能够很好地运行在移动端， 如安卓设备、ios、树莓派等等 2、多语言支持： Tensorflow 有一个合理的c++使用界面，也有一个易用的python使用界面来构建和 执行你的graphs，你可以直接写pyt
转载
2024-03-02 10:37:02
76阅读
1.1 概要TensorFlow既是一个实现机器学习算法的接口，也是执行机器学习算法的框架。除了执行深度学习，还可以实现许多其他算法，比如线性回归、逻辑回归、随机森林等。主要技术特性：编程模型：数据流模型语言：Python、C++、Java部署：一次编写，各处运行计算资源：CPU、GPU、TPU（Tensor Processing Unit，google专门为深度学习计算定制的芯片）实现方式：单机
转载
2024-07-28 22:47:59
23阅读
说明： nvidia 30系显卡仅支持cuda11.0及以上版本，对应cudnn最低版本为8.0，tf版本为2.4.0 在win系统中无法实现30系显卡运行tf1的代码该教程使用的环境如下：Ubuntu20.043060 显卡cuda 11.1cudnn 8.0.5python 3.6tensorflow 1.15其中 python 版本和 tensorflow 版本是固定的简陋的目录安装显卡驱动
前言：HDR技术已经广泛用于离线CG渲染、游戏、电影等方面，能够显著的提高场景的对比度和真实感。可是背后的物理学与数学原理却很少有CG艺术家和图形程序开发人员去关注，非常建议大家阅读此文，通晓其中的基本原理。这不是一篇教你如何在GPU上实现HDR的文章。引言 如今大部图形软件都是以24bit颜色为基础，对每个通道占据8bit，以指数运算法则对颜色进行编码。这种方式的优点在于可以和大部分显示器设备
tensorflow：TensorFlow是一个通过计算图的形式来表述计算的编程系统——TensorFlow中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。 在TensorFlow中，张量可以被简单理解为多维数组。 Flow：流、飞。直接表达了张量之间通过计算相互转化的过程 张量是TensorFlow管理数据的形式。在TensorFlow中，所有的数据都是通过张量的形
转载
2024-05-11 22:40:51
56阅读
