tensorflow-gpu测试代码，测试成功会输出GPU True

龙丘MMA7455加速度传感器模块的文档以及测试代码

测试代码，先模拟测试。

国密zuc算法源码及测试代码，Linux和Windows系统都已验证

谷歌验证码识别 介绍连接https://blog.csdn.net/weixin_45724232/article/details/125044492?spm=1001.2014.3001.5501 包括：数据集 训练代码测试代码以及训练好的模型

weka回归测试，weka回归测试代码，weka回归测试资源！

用R7F0C802陆陆续编写了几个程序，小面分享一些经验，即将会用到的朋友一些参考。 1.CODE GENERATOR工作原理 CODE GENERATOR是作为一个插件导入到CubeSuit+里面的。这个东西挺好的用的，基本上所有的外设的寄存器都可以用图形化配置了，用户只需要写自己的应用程序即可。它的原理没有找到，但是在使用过程中发现它其实就是由一系列模版组成，当你选择了某个功能后模版就自动加载那条语句，最后再把这个模版拷贝到用户工作区中。这种方法其实STM32也有，不过瑞萨把 CODE GENERATOR集成到了CubeSuit+里面，使得程序员使用起来还是很方便的。不过CODE GENERATOR生产配置代码虽然很方便但其隐藏了细节，对于我等这种喜欢刨根问底的人来说感觉有点不爽，还是直接配置寄存器来的舒服。 2.瑞萨单片机按位使用及声明位置 在瑞萨单片机中是可以像51一样按位来使用引脚的，比如说点灯程序中我们就可以P0.4=1 ;P0.4=0 ;来控制P0.4引脚的输出电平。特别是对于寄存器的配置直接写 PU4 = 0xff PMC0 =0x00 就行了，但是问题是P0.4， PU4， PMC0 的声明在哪呢？它们如何与具体芯片的地址对应呢？我找了一圈没找到，后来看了瑞萨的官方文档才知道原来所有的秘密都在#pragma sfr 这句话中，也就是加上这句话就把P0.4， PU4等的声明全部包含了，个人猜想瑞萨是把这些申请都包含在了库中，通过预处理来引入这些库。以前一直以为欧美的IC库封装都很好，但其至少还要包含一个头文件。而瑞萨只需要引入一个预编译命令即可。现在看来一山还比一山高，不得不佩服。 最后，送上一些下载的资料，都是光盘上没有的哦，免得大家到处找。 附件内容介绍: R7F0C80212目标板基本示例包； R7F0C80212目标板TIMER示例包； R7F0C80212目标板串口示例包； R7F0C80212目标板其它示例包； R7F0C80212目标板原理图； 瑞萨单片机扩展功能； 基于瑞萨R7F0C802x Easy Start 加速度计步器设计相关链接:https://www.cirmall.com/circuit/2123

生命游戏(Game of Life)，是一个计算机程序。在游戏进行中，杂乱无序的细胞会逐渐演化出各种精致、有形的结构；这些结构往往有很好的对称性，而且每一代都在变化形状。一些形状一经锁定就不会逐代变化。有时，一些已经成形的结构会因为一些无序细胞的“入侵”而被破坏。但是形状和秩序经常能从杂乱中产生出来。 每个方格中都可放置一个生命细胞，每个生命细胞只有两种状态： “生”或“死”。用黑色方格表示该细胞为“生”，空格(白色)表示该细胞为“死”。或者说方格网中黑色部分表示某个时候某种“生命”的分布图。生命游戏想要模拟的是：随着时间的流逝，这个分布图将如何一代一代地变化。

基于pytorch平台的，用于图像超分辨率的深度学习模型：SRCNN。 其中包含网络模型，训练代码，测试代码，评估代码，预训练权重。 评估代码可以计算在RGB和ＹＣｒＣｂ空间下的峰值信噪比PSNR和结构相似度。

基于pytorch平台的，用于图像超分辨率的深度学习模型：ＦSRCNN。 其中包含网络模型，训练代码，测试代码，评估代码，预训练权重。 评估代码可以计算在RGB和ＹＣｒＣｂ空间下的峰值信噪比PSNR和结构相似度。