遇到难点：想用tf的map函数然后就出现问题了 然后使用torch，遇到难点维度没有办法修改

基础知识看的差不多的了，所以最近开始玩一些有趣的项目。因为现在tensorflow已经作为keras的后端，将其集成了过来，API是在tf.keras下面，所以keras的项目也可以使用，只需要稍作修改即可 为了方便移植，我们一般都是直接从import导入模块的地方对代码进行微调，这样下面的代码基本上不用修改。本来想着直接在keras前面加上tensorflow就可以了，但是好像出了点问题。我在尝试之后，总结了一下需要注意的点： 在jupyter notebook中以下两种导入方式都是可以的： from tensorflow.keras.layers import Conv2D from te

GL857L Datasheet, Usage Limitation, GL857L Limitations, SCH

EMMC转TF卡（Altium工程文件,可根据需求自行更改，原理图和PCB都验证过，可自行投板） 文件仅供学习，不可当作商业使用！

北醒TF-Luna激光测距IIC方式读USB串口加STM32f103串口输出

SiamFC-TensorFlow TensorFlow端口的跟踪方法在论文《描述。 特别是，它是在作为基线呈现的改进版本，可在高帧速率下实现最新性能。 本文中介绍的其他方法（性能相似，网络较浅）尚未移植。 注意1 ：结果应该与我们的MatConvNet实现类似（即稍好或差）。 但是，要进行直接比较，请参阅项目页面中提供的预先计算的结果或原始代码，您可以在找到这些原始代码。 注意2 ：目前，此代码仅允许在正向模式下使用预训练的网络。 使用virtualenv进行设置 如果尚未pip install virtualenv 使用Python 2.7创建新的virtualenv virtu

SD卡 TF卡 MMC卡 SDIO卡相关技术文档资料，可供学习设计参考。

1.此程序模板为stm32F103c8t6所用； 2.编译环境Keil5.14，库函数版本3.5； 3.实现功能：在TF卡/SD卡根目录下创建文件MEng.txt,并把数组bmpheader写入该文件； 4.硬件说明：SPI2读写： ---------------------------------------------- | STM32F10x | MSD Pin | ---------------------------------------------- | PB.12 | ChipSelect 1 | | PB.15 / MOSI | DataIn 2 | | | GND 3 (0 V) | | | VDD 4 (

好东西,好难才找到的。拿出来和大家分享下

densenet121_weights_tf.h5 最好的深度学习网络的权重 代码在github上可以找到！