利用京微fpgaH1芯片，测试fpga上mipi接口，rx——tx，速度1.5g，支持rgb进lvds进等

1. 首先安装python3.7 官网下载地址 本人下载的是python3.7.3, 64位，如下图： 然后点击安装，在安装的时候记得将路径添加到环境变量中，按部就班安装即可。 2. 安装tensorflow 首先切到cmd.exe窗口； 在cmd窗口输入以下命令： pip install –index-url https://pypi.douban.com/simple tensorflow==1.15 回车，等待安装成功即可。 3. Pycharm python版本切换 另外如果使用的IDE是Pycharm，且安装了两个及以上版本的python版本，可以在 Pycharm里面一次点击：F

利用卷积神经网络训练图像数据分为以下几个步骤 1.读取图片文件 2.产生用于训练的批次 3.定义训练的模型（包括初始化参数，卷积、池化层等参数、网络） 4.训练 1 读取图片文件 def get_files(filename): class_train = [] label_train = [] for train_class in os.listdir(filename): for pic in os.listdir(filename+train_class): class_train.append(filename+train_class+'/'+pic) la

FLOW-3D中文简体安装包………………………………………………………………………………………………………………………………………………………………………………………………

适用于物质流分析系统模型建立等。

从雪到流程可视化 项目设置 将项目克隆到本地系统 cd到克隆的目录 通过在终端窗口中运行npm install下载Node Package Manager（NPM）依赖项 通过运行npm run serve启动项目-项目的地址通常会在localhost:8080显示localhost:8080 启动浏览器，输入上面找到的地址 就是这样，简单的农民 设置注意事项 您将需要在系统上安装“ node.js” 如果您在启动项目时遇到麻烦，通常可以通过运行npm rebuild node-sass Windows操作系统不喜欢我们的环境变量，并且弄乱了本地版本。 要解决此问题，请执行以下操作： 打开项目根目录下的“ package.json” 转到“脚本”名称值对 转到“服务”名称值对 从该值中删除NODE_ENV=development 该值现在应看起来像"serve": "vue-

matlab 色标代码 Branched-Flow-Simulation 光分支流-数据处理与模拟-项目说明 代码和数据主要分为几个部分： color bar 这是标准比色条的源码，生成了实验中不同厚度的肥皂膜的白光干涉颜色。注意颜色条会随着LED光源型号的不同而变化，计算出的数值可能不准确。 主要部分 可以处理实验拍摄的肥皂膜白光干涉图片（sample.jpg），结合color bar 进行标准比色，借此可以算出膜表面的厚度分布图（精度在10nm上下），并且计算出膜的有效折射率和有效势场分布图。进而可以模拟光入射的分支流现象。 操作过程如下： Matlab中打开文件夹； 载入 **sample.jpg **; 调整预估的厚度上下限（startD和endD）； 命令行输入 forsampleD，可以自动生成厚度分布图； 输入forNe，可以自动生成有效折射率分布图和有效势场分布数据； 输入forv0，forlcp，可以得到肥皂膜表面的无序相干长度； 输入trace，可以得到光分支流现象模拟图。可以在源代码中调节参数； 人工造膜模拟部分 通过form_concavelens, form_

最新更新的Cadence Low power flow，值得lower power详细学习

opencv_dense_flow依赖文件.zip

运行下列脚本，可以打印出模型各个节点变量的名称： from tensorflow.python import pywrap_tensorflow import os checkpoint_path=os.path.join('model.ckpt-131805') reader=pywrap_tensorflow.NewCheckpointReader(checkpoint_path) var_to_shape_map=reader.get_variable_to_shape_map() for key in var_to_shape_map: print 'tensor_name: ',