SSD基础知识及固态存储器前景分析
2022-07-07 18:04:42 3.94MB 文档资料
深入浅出ssd-固态存储核心技术原理与实战
2022-07-06 10:21:23 27.14MB pcie ssd
1
Intel SSD Data Center Tool(英特尔硬盘管理工具) 3.0.10.400 官方版 Intel SSD Data Center Tool(英特尔硬盘管理工具)是英特尔硬盘的官方管理工具软件,如果用户的硬盘是英特尔的就需要下载一个这样的软件,软件能对硬盘进行检测和固件升级,有需要的可以下载使用。 截图1 软件截图1 功能介绍 检测连接到主机系统的英特尔SSD数据中心PCIe * NVMe和SATA设备 解析驱动器的Identify设备信息 解析驱动器的SMART(自我监视和报告技术)信息 通过更改其最大LBA设置来调整SSD的可用存储容量 更新SSD固件: 该工具携带所有支持的驱动器的固件负载 显示驱动器信息时,工具将指示是否有新的固件版本可用 该工具不会更新工程样本(ES)驱动器上的固件 计算驱动器预期寿命(Endurance Analyzer功能) 启用/禁用延迟跟踪 解析读取和写入命令延迟跟踪日志 读取和/或修改PCIe * NVMe系列驱动器的SM总线地址 设置功率调节器模式(供应商独特功能)。支持三种模式: 0:25 W用
2022-07-04 14:01:07 54.88MB intel isdct SSD
1
https://github.com/weiliu89/caffe/tree/ssd 对应的模型文件 包含文件: models_VGGNet_VOC0712Plus_SSD_300x300.tar.gz models_VGGNet_VOC0712Plus_SSD_512x512.tar.gz
2022-06-29 22:28:16 189.5MB caffe-ssd 模型文件 PASCAL VOC
1
磁盘速度 通过写入磁盘来测量 Python 中的磁盘速度。 磁盘可以是SSD、HDD、eMMC、闪存盘、NAS、Cloud,只要是挂载且可写的。 测量将需要 0.5 秒。 目的 粗略地测量“磁盘”的速度,以注意 SSD 和云安装之间的速度差异。 用法: 无参数: $ ./diskspeed.py Absolute path of filename /home/sander/disk-speed/outputTESTING.txt Disk writing speed: 154.509901638 Mbytes per second 使用参数指定要测试的目录: $ ./diskspeed.py /home/sander/ Absolute path of filename /home/sander/outputTESTING.txt Disk writing speed:
2022-06-28 14:26:18 17KB Python
1
SM2256K AB主控,本人用七彩虹SSD的120G固态硬盘亲测开卡成功,并写了个傻瓜式的操作步骤,就算你是0基础也能轻松开卡成功。
2022-06-27 17:00:29 2.3MB SSD开卡 SSD量产 掉盘修复 SSD修复
慧荣2256AB 无缓存 量产工具 SM2256AB_Dramless_MPP0617B_FWP0617A_RDTP0627A0_K3
2022-06-27 17:00:28 1.48MB SSD开卡工具 慧荣SMI主控
1
借助fio工具实现的硬盘压力测试脚本,有使用方法和详细说明。
2022-06-27 14:01:35 2.17MB ssd 压力测试
1
针对目前主流的目标检测算法检测效率不高以及小目标检测困难的问题,提出一种改进的 SSD( SingleShot MultiBox Detector) 算法,并将其应用于道路环境车辆目标的检测。设计一个目标检测网络结构,对高层特征图不进行降采样,使用空洞卷积和深度可分离卷积层来提高模型性能,并使用 K-means 算法来对模型参数进行优化。在 Udacity 道路环境数据集上进行对比实验,结果表明,该算法对车辆目标检测的平均精准度达到了58. 01% ,检测速度达到了 86. 26 帧每秒,相比原 SSD 算法有明显提升。
2022-06-26 16:08:35 2.75MB SSD 行人检测 优化改进 目标检测
SSD 算法利用多尺度特征图进行分类和位置回归,检测小目标效果优于 YOLO 算法,但 SSD 算法在进行车辆检测时存在漏检问题。为此,提出一种改进 SSD 算法。为提取更多的车辆特征信息,设计改进 Inception 模块替代 SSD 网络中的 Conv8、Conv9 和 Conv10 层。将浅层特征的位置信息和深层特征的语义信息进行均衡化融合,构建多尺度特征融合均衡化网络,提高小目标车辆识别率。在特征提取层均引入 SENet,对不同特征通道的重要性进行重标定以提高模型性能。实验结果表明,改进后 SSD 算法在自制的车辆数据集上平均精度为 90.89%,检测速度达到 59.42 frame/s,相比改进前的 SSD 算法,在精度和速度上分别提高 2.65 个百分点和 17.41 frame/s,能够更快速、准确地对图像中的车辆进行识别和定位。
2022-06-26 16:08:34 1.94MB 小目标检测 SSD 注意力机制 车辆检测