学习

【WebGPU】WebGPU学习清单背景 WebGPU 是基于 Vulkan Metal 和 Direct3D12 而 WebGL 基于 OpenGL 前者的引擎较新 设计上更好的反映了 GPU 硬件技术这些年新的发展 能提供更好的性能 支持多线程 采用了偏面向对象的编程风格

电子电路学习笔记（12）——稳压二极管一 简介稳压二极管 又叫齐纳二极管 英文名称 Zenerdiode 是一种硅材料制成的面接触型晶体二极管 简称稳压管 利用 PN 结反向击穿状态 其电流可在很大范围内变化而电压基本不变的现象 二 符号三 工作原理稳压二极管的特点就是击穿后 其两端的电压基本保持不变 这样 当把稳压管接入电路以后 若由于电源电压发生波动 或其它原因造成电路中各点电压变动时 负载两端的电压将基本保持不变 状态 正向偏置状态 此状态下 稳压二极管的特性表现为普通二极管的特性 即 随着正向偏压的提高 正向电流变化很

莫比乌斯反演学习笔记莫比乌斯反演的形式 另一种描述是 一种是和所有的约数有关一种是和所有的倍数有关 解题的时候要根据题目选择合适的表达形式 感觉第二种用的比较多 关于莫比乌斯函数 mu 他的定义如下 这个莫比乌斯函数有一些性质 1 2 一般需要预处理所有的莫比乌斯函数值 需要用到线性筛 mu 1 1 for inti 2

qspi AHB总线学习 – 01经过几天的学习发现如果不了解 AHB 总线有些知识 get 不到 下面是转 qixin william 的博客 http blog 163 com qixin william blog static 19 一 AHB 的基本介绍 AHB 是 ARM 退出的 AMBA 总线系列中的其中一种 它是一种高性能的 pipe 系统总线 1 AHB 总线有一下特性 n

什么是框架？框架的作用是什么？为什么要学习框架？1 什么是框架 其实框架 就是别人写好了包装起来的一套工具 把你原先必须要写的 必须要做的一些复杂的东西都写好了放在那里 你只要调用他的方法 就可以实现一些本来要费好大劲的功能 形象一点说吧 假如你盖房子 你是自己一砖一瓦的盖简单呢 还是拿一个现成的架子往上面添东西简单呢 结果不言而喻吧 有一个半成品的架子 你只需要添上一些你自己额外需要加的东西就好了 这就是框架的好处 假如 好多好多地方都要

【Unity学习笔记】Canvas Scaler组件声明 此篇文章是个人学习笔记 并非教程 所以内容可能不够严谨 可作参考 但不保证绝对正确 如果你发现我的文章有什么错误 非常欢迎指正 谢谢哦 UI 自适应在学习 CanvasScaler 组件之前 先来了解一下 UI 自适应 UI 自适应就是让我们可以不对每种分辨率的屏幕上都设计一种 UI 布局 而只需要在开发的时候设计一种 UI 布局 就可以让 UI 在不同分辨率的屏幕上都能尽量正常的显示 这将会节省巨大的工作量 而这一次要学习的 CanvasScaler 组件就是用来快速的实现 UI 自适应功能的组件 CanvasScal

学习记录-PINNPINN 物理信息神经网络 图解训练数据 1 初始条件和边界条件的采样点集 2 偏微分方程残差采样 类网格点选取 or 位随机离散点选取 的配置点集 3 标签数据用来辨识方程参数的已知数据样本集发展 Jagtap 等 6 在激活函数中引入超参数变为自适应激活函数 加速收敛速度 Shin 等 7 针对椭圆型和抛物线型偏微分方程 证明了 PINNs 训练得到的网络可以一致收敛到偏微分方程的解 Lu 等 8 基于 Tensorflow 开发了 Python 工具包 DeepXDE 整合了 PINN

Sklearn实现流形学习高维数据集通常难以可视化 虽然 可以通过绘制两维或三维的数据来显示高维数据的固有结构 但与之等效的高维图不太直观 为了促进高维数据集结构的可视化 必须以某种方式降低维度 通过对数据的随机投影来实现降维是最简单的方法 虽然这样做能实现数据结构一定程度的可视化 但这种随机选择方式仍有许多有待改进之处 在随机投影过程中 数据中更有趣的结构很可能会丢失

机器学习入门0005 tensorflow_NMT模型机器学习入门 0005tensorfl NMT 模型 1 简介 nmt NeuralMachin 是一个序列到序列的模型 可以用来做 聊天机器人 翻译 关键词提取 文章摘要 图像描述 等功能 用法简单 只需要安装 Tensorflow1 4 版本即可运行 这个地址是 Tensorflow 官方 githubhttps github com tensorf

CGAL：学习CGAL背景 CGAL 是一个非常有用的库 但是学习起来非常痛苦 为此 我们计划通过一些小的 demo 逐渐学习 CGAL 的使用方法 目前 由于我们还缺少对 CGAL 的整体把握 所以 demo 没有连贯性 且难度飘忽不定 不过随着我们的理解 demo 肯定会越写越好 到现在为止 我们已经写了 7 个左右的 dmeo 使用 CGAL 解决我们遇到的一些小问题 大致如下 代码我们代码的链接如下 https github