集成电路设计基础2
2023-06-22 20:31:19 2.71MB 集成电路设计
1
Ubuntu Linux AVR 集成开发环境IDE,类似于 Atmel 官方的 Windows 版本集成开发坏境 Atmel Studio 6.0( MCU Studio AVR Studio) 主要功能: 1、编写C程序源码; 2、编写C程序头文件; 3、将程序文件编译成链接O文件; 4、将链接文件编译成Hex文件(Intel HEX); 5、将Hex文件下载到目标单片机; 6、集成一些单片机常用工具,例如:COM口通讯、文件传输 7、逐步优化中。。。 运行坏境: 1、Linux Ubuntu
2023-06-21 11:00:41 2.19MB Ubuntu AVR 集成开发环境
1
模拟集成电路的分析与设计,美国格雷和迈耶所著,中文译本
2023-06-19 11:04:49 9.63MB 模拟集成电路
1
模拟CMOS集成电路设计, 毕查德.拉扎维,模拟集成电路设计的经典教材
2023-06-19 10:39:50 16.01MB 模拟CMOS
1
芯片是IC(集成电路)的载体。 由于设计,制造以及封装和测试过程,芯片通常是旨在立即使用的完全独立的实体。 根据已知数据,一个芯片输出可以驱动电子信息产业中的十个输出单元和100个GDP单元(国内生产总值)。 芯片信息产业是欧洲和北美大多数发达国家的战略产业。 芯片信息产业的发展与国民经济和个人生计有关。 摩尔在分析数据后发现了某种趋势:通常,每个新生产的芯片的容量都是上一代芯片的两倍,而下一代芯片的发明则需要18到24个月的时间。 这种趋势已被称为摩尔定律。 它不仅适用于存储芯片的开发,而且适用于处理器功能和磁盘驱动器存储容量的演进路径。 摩尔定律已成为多个行业绩效预测的基础。 然而,自2011年以来,硅晶体管的尺寸一直在原子水平上接近其物理极限。 由于硅的性质,硅晶体管的运行速度和性能方面的其他突破受到了严重限制。 升高的温度和泄漏是使摩尔定律无效的两个主要来源。 为了解决这些问题,本文分析了芯片信息产业面临的具体问题,包括碳纳米管芯片的发展以及国际芯片信息产业的激烈竞争。 此外,本文对中国芯片信息产业进行了批判性分析,并对中国芯片信息产业发展的对策进行了分析。
1
根据招标货物的技术规格说明,举例的一个系统集成项目技术需求书的案例。
2023-05-28 05:16:24 752KB 系统集成
1
指导质量管理部,业务测试组同事进行Jenkins环境部署,通过Jenkins解决测试环境不可控,开发测试环境不一致等问题。质量管理部、基础研发部,集成部署部及EMT目标受众:本文的预期受众是从事持续交付或持续自动测试工作的软件工程师。要想按照本文中的步骤进行操作,您应该理解:脚本开发。软件开发流程。1.3.1什么是持续集成随着软件开发复杂度的不断提高,团队开发成员间如何更好地协同工作以确保软件开发的质量已经慢慢成为开发过程中不可回避的问题。尤其是近些年来,敏捷(Agile)在软件工程领域越来越红火,如何能再不断变化的需求中快速适应和保证软件的质量也显得尤其的重要。持续集成正是针对这一类问题的一
1
我们都知道,随着人工智能的蓬勃发展,ChatGPT 应运而生。ChatGPT 在自然语言处理能力上真切的强大让我们惊叹不已。如果要比知识面、记忆力,人类可以说是被全面碾压。但是无论如何,我们都应该顺“智”而下,让 ChatGPT 与我们和平共处,将它的智能为我们所用,让它成为我们生活重要的一部分。智能用得好,相信未来生活也能有一个新的跨度。 诚然,最近各行各业的大牛都在深入研究应用,随着 ChatGPT 兼容性扩大,各种强大的插件也是层出不穷。作者也想和大家一起深入学习应用一番,所以便有了这一次的主题:应用 ChatGPT 让 Unity Chan 成为一名拥有智慧的虚拟角色 在 Unity 中利用 UnityWebRequest 接入 ChatGPT,调用 OpenAI 开放的接口。这是为了实现 Unity Chan 拥有“智能”形态的重要一步。 转载https://mp.weixin.qq.com/s/6i8-TH002p0ts0BznIwpwQ
2023-05-26 14:51:03 233.63MB unity
1
信息系统项目管理师系统集成项目管理工程师 计算题专题讲解 时间管理 关键路径法重点 完工概率难点 ? 关键路径法上下午都可能考核涉及到 ESEF LSLF 计算关键路径计算 总时差自由时差 ? 完工概率考核基础是三点估算法标准差在此基础上进行延伸考核活动完成 的概率要求掌握标注差的公式以及对应的概率 关键路径法 CMP ESEFLS LF 的概念 1最早开始时间 ES :某项活动能够开始的最早时
2023-05-20 15:04:56 3.92MB 文档 互联网 资源
总览 注意:这是一个跟踪库,不是独立的头像伪造程序。 我也在开发的应用程序,该应用程序目前处于公开测试阶段。 该项目实现了基于MobileNetV3的面部标志检测模型。 由于Windows上的Pytorch 1.3 CPU推断速度非常低,因此该模型已转换为ONNX格式。 使用它可以以30-60 fps的速度运行,跟踪一张脸。 有四种模型,以不同的速度跟踪质量折衷。 如果有人好奇,这个名字就是在公海和看到面Kong的傻双关语。 没有更深层的意义。 您可以在找到最新的示例视频,其中显示了在不同噪声和光照水平下默认跟踪模型的性能。 用法 可以在找到基于VRM的头像动画的Unity项目示例。
2023-05-19 16:56:13 76.26MB tracker python cpu csharp
1