北航 --手把手教你学DSP--TMS320C55X.zip

对图像做垂直投影的matlab代码，分为行投影和列投影两部分，修改图像路径后可直接执行。结果图分为行投影，列投影两个直方图。

lena的图片，在网上找到的lena的512×512的jpeg格式图片和bmp格式的图片

《分子模拟-从算法到应用》的FORTRAN代码

求解Chen系统的最大lyapunov指数。求解方法为定义法。两条相轨线的步长为初设距离d0的基础上加上相对分量。求解时直接运行chen_lyapunov.m即可。可移植性强，比如换求其他系统的最大lyapunov指数，只需要改变变量数目，方程即可。

PCI Express 2.0 CEM Signal Quality andReference Clock Jitter Test Methodologyusing Tektronix TDS6154C (15GHz) RealTime Oscilloscope

用python写的跑酷类小游戏，适合新手参考，现在只实现了吃金币和障碍物碰撞功能，相对比较简单，可以自己拓展。

视频课程源：http://xilinx.eetop.cn/category-83目录1 从软件工程师的角度来看 FPGA 架构 32 Vivado HLS的工作机制 53-4 HLS设计流程基本概念 95 任意精度数据类型 155.1 C语言支持的数据类型 155.2 sizeof()函数使用 165.3 设置Visual Studio支持任意精度数据类型 176 数组类型转换 176.1 变量的定义和初始化 176.2 定点数据类型 186.3 浮点数据类型的定义和初始化 196.4 隐式数据类型转换 196.5 显示数据类型转换 197 Vivado HLS中

【实例简介】近一二十年的时间里,环境污染和资源紧缺问题日益严重,使风力发电作为一种可再生能源得到迅速发展。 由于风速的随机性和间歇性而决定了风电机组的出力具有波动性和间歇性,进而对电力系统的电能质量和安全稳定运行造成影响。随着风电场规模的不断扩大,风电并网对电力系统的负面影响将越来越显著,因此,深入研究风电场与电网的相互作用成为进一步开发风电迫切要求解决的问题。 本文主要以双馈异步风力发电系统为研究对象,着眼于并网风电场与电网之间的相互影响,基于MATLAB的仿真平台,进行了潮流计算和动态仿真。主要工作内容如下： 首先,分别研究了由双馈异步风力发电机、直驱永磁同步风力发电机以及综合使用以上两种风力发电机组成风电场的工作原理,建立了风速的各种模型,双馈异步风力发电机和风力机模型等等。 其次,对含有以上两种机型的三种不同风电场进行潮流分析,并利用MATLAB编程,计算风电场并网点电压质量是否满足电网的要求；并为研究风电场并网运行的暂态特性提供了前提条件。 最后,建立了风速模型、用于动态仿真的风电机组模型以及风电场模型,利用MATLAB/Simulink及播音主持论文http://www.xyclww.com/post/29.html，其仿真工具实现了包含风电场的电力系统动态仿真,仿真可以模拟风电场在各种风速扰动、负荷扰动下的出力变化,以及网络发生三相短路故障、断线故障等大扰动后的动态过程。通过对具体算例的仿真验证了所建立的风电机组模型的正确性和可行性。

车道线分割模型模型训练自己的数据该模型是属于二分类语义分割6.encoder decoder model该文件夹中存放的是用于编码和解码的模型这里使用的是 vgg cncodcr. py和 fcn decoder. py测试:更换编码和解码的模型7. lanenet model该文件夹下存放的是 lannet模型的重要操作train.py中主要用到的是 lanenet merge model8. tboard该文件夹用来存放模型训练时产生的 event记录9. tools该文件夹下仔放的是 train lanenet py和 test lanenet py两个文件分别用于训练模型和测试模型10.训练准备好训练数据以后,在 terminal(终端)中通过指令跳转到 lament目录下举例:cd/ XXX/lanenet然后输入一下命令开始训练python tools/train lanenet. py --net vgg--dataset dir data/training data example/-net指定模型的骨干网终dataset dir指定训练数据的目录(该目录为 train txt所在的目录)如果训练的过程中出现了中断,需要接着训练,可以输入python tools/train lancnct. py --nct vgg -datasct dir data/training data cxamplcweights path path/to/ your/last/ checkpointgths_ path指定之前训练中断时权重文件存放的日录训练结東后,训练得到的模型的权重和参数文件在 model目录下的tusimple lanenet文件夹中l1测试准备测试数据测试数据是原始图片,放在data目录下的 training目录下的 testimage中(可以自定义)准备权重文件:将训练好的权重文件,包括:checkpoint, lanenet model pb, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000. data-00000-of-00001, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000 index, tusimple lanenet vgg_2018-10-19-13-33-56.ckpt-200000meta放在 model文件夹中测试数据准各完成后,打开 terminal(终端)输入以下命令跳转到 lanenet目录下cd/XXX/ lanenet′然后输入如下命开始用单张图片测试模型python tools/test lanenet. py -is batch False -batch size 1 --weights pathpath/to/your/model weights file --image path data/tusimple test image/O. jpgis batch是否是批量处理(True表示是批量处理, False表示不是批量处理默认为True)batch size批量处理一次读取的图片数量weight path模型的权重文件所在的目录image path测试数据的原始图片输入如下命令开始用批量图片测试模型:python tools/test lanenet.py -is batch True -batch size 2 -save dirdata/tusimple test image/ret --weights path path/to/your model weights file-image path data/tusimple test imagesavc dir是存放测试结果的地方(测试结果为划分车道线后的图片)安芯/方禹20181228

namespace MyPrint