还未设置个性签名
成为VIP会员 享9项特权: 开通会员

完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>

3天内不再提示

如何将PP-PicoDet 目标检测模型部署在Corstone-300虚拟硬件平台上

lhl545545 来源:Arm软件开发者 作者:Arm软件开发者 2022-09-22 09:50 次阅读

本期课程,将以计算机视觉领域的目标检测任务为目标,带领大家动手完成从模型训练优化到深度学习应用部署的整个端到端的开发流程。你会逐步学习了解到如何使用飞桨[1]目标检测套件 PaddleDetection[2]工具套件完成目标检测模型的训练与适配,如何使用深度学习编译器 TVM 编译飞桨模型以及如何将编译后的模型部署在含有 Arm Cortex-M55 处理器的 Arm Corstone-300 虚拟硬件上。

百度飞桨与 Arm 深度合作,增加了 Cortex-M 硬件上支持的深度学习模型的数量,同时也填补了飞桨模型在 Arm Cortex-M 硬件上的适配空白,为开发者提供了更多的选择。

项目概述

经典的深度学习工程是从确认任务目标开始的,我们首先来简单地介绍一下目标检测任务以及本期部署实战课程中我们所使用的工具和平台。

1.1 目标检测任务

目标检测任务就是将图片或视频中所有目标的类别识别出来,并在该目标周围绘制边界框,标示出每个目标的位置。常见的目标检测任务包括人物检测、人脸检测、车辆跟踪等方向,在工业、智慧城市、安防、交通、零售、医疗等十余种行业场景中应用广泛。

图 1:目标检测任务案例

1.2PP-PicoDet

PaddleDetection 中提出了全新的轻量级系列模型 PP-PicoDet,在移动端具有卓越的性能,成为全新的 SOTA 轻量级模型。PP-PicoDet 模型通过创新 SOTA 模块,例如 ESNet、CSP-PAN、SimOTA 等,不仅第一个实现了在 1M 参数量之内 mAP (0.5:0.95) 超越 30+ (输入 416 像素时),而且其性能优于同类算法模型。

4e06af0e-39bb-11ed-9e49-dac502259ad0.png

图 2:PP-PicoDet 系统框图

更多关于 PP-PicoDet 的详细技术细节,可查看 PP-PicoDet arXiv 技术报告[3]。

1.3 Arm 虚拟硬件 (Arm Virtual Hardware, AVH)

作为 Arm 物联网全面解决方案的核心技术之一,AVH 很好地解决了实体硬件所面临的难扩展、难运维等痛点。AVH[4] 提供了简单便捷并且可扩展的途径,让 IoT 应用的开发摆脱了对实体硬件的依赖并使得云原生开发技术在嵌入式物联网、边缘侧机器学习领域得到了应用。尤其是在芯片紧张的当今时代,使用 AVH,开发者甚至可以在芯片 RTL 之前便可接触到最新的处理器 IP。

目前 AVH 提供两种形式供开发者使用。一种是托管在 AWS 以及 AWS China 上以亚马逊机器镜像 AMI 形式存在的 Arm Corstone 和 Cortex CPU 的虚拟硬件,另外一种则是由 Arm 以 SaaS 平台的形式提供的 AVH 第三方硬件[5]。本期课程我们将使用第一种托管在 AWS 以及 AWS China 上以亚马逊机器镜像 AMI 形式存在的 Corstone 和 Cortex CPU 的虚拟硬件。

由于目前 AWS China 账号主要面向企业级开发者开放,个人开发者可访问 AWS Marketplace 订阅 AVH 相关服务。参考下图步骤创建 AVH AMI 实例。

4e44cc58-39bb-11ed-9e49-dac502259ad0.png

图 3:AVH AMI 创建步骤

(访问 AWS Marketplace[6] 订阅 AVH)

端到端部署流程

接下来将重点向大家展示从模型训练到部署的全流程,本期课程所涉及的相关代码已在 GitHub 仓库开源,欢迎大家下载体验!

https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.5/deploy/third_engine/demo_avh

4e70544a-39bb-11ed-9e49-dac502259ad0.png

图 4:端到端部署流程示意图

2.1 模型训练

PaddleDetection 使用配置文件 (.yml) 管理网络训练、评估的参数。在静态图版本下,一个模型往往可以通过两个配置文件 (一个主配置文件、一个 reader 的读取配置) 实现,在 PaddleDetection 2.0 后续版本,采用了模块解耦设计,用户可以组合配置模块实现检测器,并可自由修改覆盖各模块配置。我们使用的配置文件[7]位于 configs/picodet 目录下的 picodet_s_320_coco_lcnet.yml。训练命令可参考如下:

# Example of training on single-GPU

export CUDA_VISIBLE_DEVICES=0

python tools/train.py -c configs/picodet/picodet_s_320_coco_lcnet.yml --eval

2.2 模型导出

模型训练完成后,还需要将训练好的目标检测模型导出为 Paddle Inference 模型,才能使用深度学习编译器 TVM 对其进行编译从而获得适配在 Cortex-M 处理器上运行的代码。在导出模型时,由于 CMSIS-NN 不支持 NMS 算子,可通过指定 -o export.nms=False 完成算子适配。参考以下命令导出 Paddle Inference 模型:

# Example exporting model command

python tools/export_model.py

-c configs/picodet/picodet_s_320_coco_lcnet.yml

-o weights=https://paddledet.bj.bcebos.com/models/picodet_s_320_coco_lcnet.pdparams

export.nms=False

--output_dir=output_inference

为了便于开发者朋友直接体验推理部署的流程,大家可以通过链接直接下载我们训练完成并完成导出适配的目标检测 Paddle Inference 模型:

https://bj.bcebos.com/v1/paddledet/deploy/Inference/picodet_s_320_coco_lcnet_no_nms.tar

2.3 模型编译

为实现在 Cortex-M 上直接完成飞桨模型的部署,我们需要借助深度学习编译器 TVM 来进行相应模型的转换和适配。TVM 是一款开源的深度学习编译器,主要用于解决将各种深度学习框架部署到各种硬件设备上的适配性问题。

如下图所示,它可以接收由飞桨等经典的深度学习训练框架编写的模型并将其转换成可在目标设备上运行推理任务的代码。

4e831576-39bb-11ed-9e49-dac502259ad0.png

图 5:编译流程示意图

我们使用 TVM 的 Python 应用程序 tvmc 来完成模型的编译。大家可参考如下命令对 Paddle Inference 模型进行编译。通过指定 --target=cmsis-nn,c 使得模型中 CMSIS NN[8]库支持的算子会调用 CMSIS-NN 库执行,而不支持的算子则会回调到 C 代码库。

# Example of Model compiling using tvmc

python3 -m tvm.driver.tvmc compile --target=cmsis-nn,c

--target-cmsis-nn-mcpu=cortex-m55

--target-c-mcpu=cortex-m55

--runtime=crt

--executor=aot

--executor-aot-interface-api=c

--executor-aot-unpacked-api=1

--pass-config tir.usmp.enable=1

--pass-config tir.usmp.algorithm=hill_climb

--pass-config tir.disable_storage_rewrite=1

--pass-config tir.disable_vectorize=1

--output-format=mlf

--model-format=paddle

--module-name=picodet

--input-shapes image:[1,3,320,320]

--output=picodet.tar

picodet_s_320_coco_lcnet_no_nms/model.pdmodel

更多关于参数配置的具体说明,大家可以直接输入 tvmc compile --help 来查看。编译后的模型可以在 --output 参数指定的路径下查看 (此处为当前目录下的picodet.tar 压缩包内)。

2.4 模型部署

参考图 3 所示的 AVH AMI 实例创建的流程并通过 ssh 命令远程登录到实例中去,当看到如下所示的提示画面说明已经成功登入。

4ea7e5c2-39bb-11ed-9e49-dac502259ad0.png

图 6:AVH AMI 成功登录界面

成功登入后大家可以切换到“/opt/VHT”以及“/opt”目录下查看当前版本 AVH AMI 所支持的 Corstone 和 Cortex CPU 虚拟硬件。下图为部分 1.2.3 版本 AVH AMI 所支持的 AVH 列表。本期部署课程中所使用的正是 Corstone-300 虚拟硬件 (VHT_Corstone_SSE-300_Ethos-U55),其内含有 Cortex-M55 处理器、Arm Ethos-U55 处理器及一些基本外设。更多关于 Corstone-300 虚拟硬件的相关信息,欢迎访问 Arm 开发者社区的技术文档[9]进行查看。

4ec7f89e-39bb-11ed-9e49-dac502259ad0.png

图 7:1.2.3 版本 AVH AMI 所支持的 AVH 部分示意图

为便于开发者朋友更直观地体验如何在AVH上完成飞桨模型部署,我们为大家提供了部署的示例代码脚本(run_demo.sh)来帮助大家自动化的完成环境配置,构建目标检测应用以及在含有 Cortex-M55 的 Corstone-300虚拟硬件上执行并获取结果。

您也可以按照以下几个步骤来手动部署。

第一步:下载安装相应的软件包并配置运行环境

确保示例代码路径下 configure_avh.sh 脚本以及 requirment.txt 脚本中涉及的相应软件包均根据其版本要求正确安装。

第二步:(下载) 获取目标检测 Paddle Inference 模型

可使用 wget 命令下载模型 (下载地址详见 2.2 节) 并通过 tar 命令解压模型文件压缩包。

第三步:使用 TVMC 命令编译 Paddle Inference 模型

参考 2.3 节中使用的 TVMC 命令编译第二步下载好的 Paddle Inference 模型 (model.pdmodel)。

第四步:处理图片数据

参考提供的 convert_image.py 脚本对所测试的示例图片 000000014439_640x640.jpgs (如下图所示) 进行处理,并生成相应的输入输出头文件。

图 8:目标检测示例图片

第五步:构建应用程序

使用 Makefile 工具构建目标检测应用程序的二进制镜像文件。

第六步:执行目标检测应用并查看运行结果

调用 VHT_Corstone_SSE-300_Ethos-U55 (Corstone-300 虚拟硬件) 执行构建好的目标检测应用并查看运行结果。运行结果如下图所示。

其中,前四个数字为 box 框位置,class 为类别序号,score 为得分。由于模型可能存在精度损失的问题,得分偏低,但整体目标识别结果与图片一致,说明将飞桨模型直接部署在 Cortex-M55 虚拟硬件上运行良好。

4f0a9f64-39bb-11ed-9e49-dac502259ad0.png

图 9:Corstone-300

(含 Cortex-M55) 虚拟硬件运行结果

总结

本期课程带领大家学习了如何将 PaddleDetection 中发布的 PP-PicoDet 目标检测模型 (完成算子适配后) 部署在 Corstone-300 的虚拟硬件平台上,欢迎大家动手体验。后续我们也将持续为大家带来更多如何在 Arm 虚拟硬件上部署百度飞桨模型的实例,敬请期待!

审核编辑:彭静
  • 硬件
    +关注

    关注

    11

    文章

    2301

    浏览量

    59625
  • 检测模型
    +关注

    关注

    0

    文章

    13

    浏览量

    7008
  • 深度学习
    +关注

    关注

    70

    文章

    4139

    浏览量

    113988
收藏 人收藏

    评论

    相关推荐

    如何在Arm虚拟硬件的虚拟树莓派4上完成图像识别应用的部署

    本期课程,小编将以计算机视觉领域的图像识别任务为目标,带领大家动手实现在树莓派的虚拟设备上部署基于 ....
    的头像 lhl545545 发表于 09-30 10:00 695次 阅读

    极海半导体APM32E103/F072系列MCU顺利通过IEC 60730功能安全认证

    近日,极海半导体APM32E103/APM32F072系列MCU,顺利通过IEC 60730功能安全....
    发表于 09-29 14:17 127次 阅读

    基于时空大数据分析、挖掘与可视化高性能计算解决方案

    高维数据 | 时空数据  地震预警 | 地质勘探  遥感测绘 | TransBigData 随着地质....
    的头像 GPU视觉识别 发表于 09-29 10:36 120次 阅读
    基于时空大数据分析、挖掘与可视化高性能计算解决方案

    如何在深度学习中使用纹理分析

    如果图像数据集具有丰富的基于纹理的特征,如果将额外的纹理特征提取技术作为端到端体系结构的一部分,则深....
    发表于 09-29 10:24 109次 阅读

    达实智能高效冷站技术在新能源园区的发展

    本次技术创新研讨会从园区管理痛点出发,共同探讨可行的方案去解决企业园区管理者面临的困境,利用物联网技....
    发表于 09-29 09:58 107次 阅读

    如何灵活使用三元运算符

    给定四个无符号数,请找出最小值。无符号数可以与标准比较运算符(a < b)进行比较。使用条件运算符描....
    的头像 OpenFPGA 发表于 09-28 17:07 226次 阅读

    英诺达芯片设计服务帮助客户加速产品上市时间

    国内IC设计企业也犹如雨后春笋般应运而生。据中国半导体行业协会统计,从2016年开始,中国大陆IC设....
    的头像 英诺达EnnoCAD 发表于 09-28 16:02 174次 阅读

    基于seq2seq类模型的端到端语音识别应用

    前缀树是算法正确性的保证,而状态转移可以大幅优化时间。同时,状态转移需要层次遍历整棵前缀树,这意味转....
    发表于 09-28 15:12 89次 阅读

    STM32F767 FreeRTOS开发手册 V1.1

    本手册将由浅入深,带领大家学习STM32F7的各个功能,为您开启STM32F7的学习之旅。本手册总共....
    发表于 09-28 15:04 9次 阅读

    如何从形核机理上破解金属镓的深过冷特性

    金属镓是一种具有重要工业应用价值的材料,广泛用于半导体、太阳能电池、低熔合金的制造。常压条件下其热力....
    的头像 鸿之微 发表于 09-28 11:19 137次 阅读

    AMD发布Adrenalin Edition 22.9.1驱动程序 提升游戏体验

    近日,AMD发布了AMD Software:Adrenalin Edition 22.9.1驱动程序....
    的头像 AMD中国 发表于 09-27 15:31 249次 阅读

    语义分割模型 SegNeXt方法概述

    语义分割是对图像中的每个像素进行识别的一种算法,可以对图像进行像素级别的理解。作为计算机视觉中的基础....
    的头像 lhl545545 发表于 09-27 15:27 171次 阅读

    Microchip开发ATECC608A的安全增强版本 可实现轻松移植

    随着时间的推移,试图损害安全系统的攻击能力不断增强,安全领域内的安全功能和预期也在不断提高。认识到这....
    的头像 Microchip微芯 发表于 09-27 11:02 209次 阅读

    探维科技硬件级图像覆盖多应用场景 进入激光雷达3.0时代

    2022年9月20日,由盖世汽车主办的2022第二届商用车自动驾驶大会在上海召开,探维科技作为行业优....
    的头像 Tanway探维科技 发表于 09-27 10:04 565次 阅读

    如何将Hadoop部署在低廉的硬件上

    Hadoop 是 Apache 软件基金会下一个开源分布式计算平台,以 HDFS(Hadoop Di....
    的头像 马哥Linux运维 发表于 09-27 09:40 391次 阅读

    基于深度学习(DL)的数据驱动的非参数化MEMS结构设计方法

    在本论文研究中,作者们提出使用深度学习技术,通过快速准确地预测具有不同几何结构特征的众多设计候选方案....
    发表于 09-26 17:39 170次 阅读

    一对多语义通信系统的6G信息技术

    面向6G时代,本文在全球首次设计“一对多”语义通信系统,具有开创性,所提出的“一对多”语义通信系统“....
    发表于 09-26 16:30 286次 阅读

    如何选择AMD Radeon PRO显卡

    AMD Radeon PRO系列工作站显卡,支持当今主流的设计与制造、媒体与娱乐、建筑与工程设计等多....
    的头像 AMD中国 发表于 09-26 16:20 321次 阅读

    诚迈科技提供HarmonyOS Connect一站式生态接入服务

    HarmonyOS Connect(鸿蒙智联)是华为面向消费领域的智能硬件开放生态,依托华为Harm....
    的头像 诚迈科技 发表于 09-26 14:37 331次 阅读

    关于网卡的收发包硬件中断

    中断(IRQ),尤其是软中断(softirq)的重要使用场景之一是网络收发包, 但并未唯一场景。本文....
    的头像 Linux爱好者 发表于 09-26 09:40 113次 阅读

    韩国公开推行L3级自动驾驶商业化落地

    此前,从产业链层面来看,业者对L3级自动驾驶的评价多是偏向负面,认为这一级别较为鸡肋,很多方案商都表....
    发表于 09-26 09:19 112次 阅读

    AR眼镜朝着下一代硬件平台不断成长

    以AR眼镜为代表的穿戴式设备“翻红”,反映了消费者对智能应用场景化的深度需求。坚持实用化发展,保持硬....
    发表于 09-23 16:31 724次 阅读

    百度Apollo RT6提升自动驾驶车辆的安全性

    “自动驾驶正在重塑汽车产业,技术创新和专利申请势头强劲,中国已经成为自动驾驶创新的重要集聚地。百度多....
    的头像 Apollo智能驾驶 发表于 09-23 15:14 1064次 阅读

    宝兰德携手华为助力工地安全生产管理领域数智化升级

    近日,基于昇腾AI,北京宝兰德软件股份有限公司(简称:宝兰德)的智能学习平台及智慧工地系列解决方案完....
    的头像 华为计算 发表于 09-23 11:58 198次 阅读

    ESP32勘误表及解决办法

    电子发烧友网站提供《ESP32勘误表及解决办法.pdf》资料免费下载
    发表于 09-23 11:51 15次 阅读
    ESP32勘误表及解决办法

    PICO发布首款支持彩色透视功能VR一体机新品PICO 4

    VR/AR设备已经成为消费电子行业下一个比较确定的增长方向,今年以来我们能够看到有更多新玩家的加入。....
    发表于 09-23 10:55 1107次 阅读

    NVIDIA即将推出首批基于开创性 NVIDIA Hopper 架构的产品和服务

    NVIDIA 于今日宣布 NVIDIA H100 Tensor Core GPU 全面投产,NVID....
    的头像 NVIDIA英伟达 发表于 09-22 10:45 338次 阅读

    NVIDIA为Terra云平台提供快速分析海量医疗数据所需的AI和加速工具

    NVIDIA 于今日宣布与麻省理工学院和哈佛大学旗下的博德研究所(The Broad Institu....
    的头像 NVIDIA英伟达 发表于 09-22 10:40 958次 阅读

    深度学习与图神经网络学习分享:Transformer

    在过去的几年中,神经网络的兴起与应用成功推动了模式识别和数据挖掘的研究。许多曾经严重依赖于手工提取特....
    的头像 恬静简朴1 发表于 09-22 10:16 101次 阅读
    深度学习与图神经网络学习分享:Transformer

    关于提升 CPU 资源隔离的混部技术细节

    在数据中心服务器或者各种云集群(后续简称集群)的生产环境上,部署着很多日常的在线(LC, Laten....
    的头像 openEuler 发表于 09-22 10:04 106次 阅读

    是德科技帮助及云科技完成紧凑型电池测试系统搭建及调试工作

    2022年9月21日,是德科技(Keysight Technologies,Inc.)日前宣布,是德....
    的头像 是德科技快讯 发表于 09-21 16:22 128次 阅读

    东软睿驰推出支持软件先行的软件开发平台

    近日,2022世界智能网联汽车大会在北京召开,在“ICT企业专场:智能芯片与汽车软件”论坛中,东软睿....
    的头像 东软睿驰 发表于 09-21 14:13 155次 阅读

    恩智浦推出LLC和 PFC一体型控制IC—TEA6017

    全球各地日益严苛的能效标准,让电源工程师们不敢怠慢,在高能效电源系统的设计上不断求索。而面对着系统复....
    发表于 09-21 11:58 96次 阅读

    一文详解英特尔深度学习加速技术

    自迎来以深度学习为代表的第三次发展浪潮,人工智能技术已被广泛应用在目标检测、图像识别、自然语言处理(....
    发表于 09-21 11:02 154次 阅读

    知行科技域控制器产品iDC Mid为客户提供领先L2+智能驾驶体验

    9月,知行科技域控制器产品iDC Mid量产下线仪式在苏州举行。
    发表于 09-21 10:58 121次 阅读

    许东的「AI生命科学」进化史介绍

    简单来说,自旋玻璃理论研究的是物理学中的复杂系统,对于理解无序自旋相互作用系统发挥了非常重要的作用,....
    发表于 09-21 10:54 92次 阅读

    深度学习未来会更好还是走下坡路?

    一直以来,Hinton 坚信深度学习革命的到来。1986 年,Hinton 等人的论文《Learni....
    发表于 09-21 10:47 84次 阅读

    总结深度学习,GPU推理性能提升的三大因素

    2017年,英伟达推出了适用于深度学习的Volta架构,它的设计重点之一是可以更好地分摊指令开销。V....
    发表于 09-21 10:35 377次 阅读

    基于DCNN图像的深度卷积神经网络模型分类

    SVHN数据集用来检测和识别街景图像中的门牌号,从大量街景图像的剪裁门牌号图像中收集,包含超过600....
    发表于 09-21 10:21 71次 阅读

    深度学习方法和传统的CV算法如何选择

    熟悉图像滤波会更容易理解卷积神经网络为什么有效;残差收缩网络将传统方法中的软阈值思想融入进残差网络R....
    发表于 09-21 10:17 63次 阅读

    基于YOLOv5框架如何训练一个自定义对象检测模型

    并归一化到0~1之间,这部分我写了一个脚本来完成label标签的生成,把xml的标注信息转换为YOL....
    的头像 OpenCV学堂 发表于 09-21 10:10 78次 阅读

    大数据下数模联动的随机退化设备剩余寿命预测技术(部分)

    源自:自动化学报   作者:李天梅 司小胜 刘翔 裴洪 摘要 面向大数据背景下随机退化设备剩余寿命(....
    的头像 恬静简朴1 发表于 09-21 09:25 230次 阅读
    大数据下数模联动的随机退化设备剩余寿命预测技术(部分)

    深度学习与经典统计学的差异

    深度学习和简单的统计学是一回事吗?很多人可能都有这个疑问,毕竟二者连术语都有很多相似的地方。在这篇文....
    的头像 深度学习自然语言处理 发表于 09-20 15:18 159次 阅读

    NVIDIA GeForce NOW 的工作原理

    API 综合套装,包含高性能工具、样本和文档,适用于 Windows 和 Linux 的硬件加速型视....
    的头像 NVIDIA英伟达企业解决方案 发表于 09-20 10:06 134次 阅读

    Gowin EMPU M1下载参考手册

    电子发烧友网站提供《Gowin EMPU M1下载参考手册.pdf》资料免费下载
    发表于 09-19 14:30 12次 阅读
    Gowin EMPU M1下载参考手册

    Gowin PicoRV32硬件设计参考手册

    电子发烧友网站提供《Gowin PicoRV32硬件设计参考手册.pdf》资料免费下载
    发表于 09-19 09:54 20次 阅读
    Gowin PicoRV32硬件设计参考手册

    Firewalld原理架构

    Firewalld是一种提供了支持网络/防火墙区域(zone)定义网络链接以及接口安全等级的动态防火....
    的头像 lhl545545 发表于 09-19 09:11 94次 阅读

    ZYNQ多核处理器硬件上的划分

    zynq系列开发板有两个板载Cortex-A9处理器,两个ARM可以协同处理数据。
    的头像 lhl545545 发表于 09-19 09:06 287次 阅读

    光计算的主要优势

    现如今,“大数据”(Big Data)时代提供了海量的数据,人工智能(artificial inte....
    的头像 lhl545545 发表于 09-16 15:40 211次 阅读

    DK START GW2A18 V1.0开发板用户手册

    电子发烧友网站提供《DK START GW2A18 V1.0开发板用户手册.pdf》资料免费下载
    发表于 09-16 11:54 35次 阅读
    DK START GW2A18 V1.0开发板用户手册

    CH573启动半双工模式是否支持硬件单线双向通讯模式?

    R8_UARTx_MCR的第七位RB_MCR_HALF,半双工收发模式控制(仅UART0支持): 1:进入半双工收发模式,发送优...
    发表于 08-24 07:41 167次 阅读

    【疯壳·无人机教程2】开源编队无人机-硬件资源简介

    疯壳·开源编队无人机 硬件资源简介   硬件主要由三部分组成,分别是无人机、遥控手柄以及 cocobit 编程...
    发表于 08-19 18:16 5755次 阅读
    【疯壳·无人机教程2】开源编队无人机-硬件资源简介

    ch582M在连接状下,断开当前连接重新发起广播,会经常性的出现硬件错误怎么解决?

    582M? 在连接状下,断开当前连接,重新发起广播,会经常性的出现硬件错误。麻烦大神帮忙看看。 每次出次硬件错误都是 param...
    发表于 07-27 07:45 267次 阅读

    【快速上手教程2】疯壳·开源编队无人机-硬件资源简介

    疯壳·开源编队无人机硬件资源简介   硬件主要由三部分组成,分别是无人机、遥控手柄以及 cocobit 编程板。 ...
    发表于 07-04 13:48 1169次 阅读
    【快速上手教程2】疯壳·开源编队无人机-硬件资源简介

    很好的一本书,适合初学者

    发表于 06-05 18:49 10850次 阅读

    matlab代码怎样测量以RSE为接地电压的数据

    我用的是PCI 6221数据采集模块,NI公司本身自带的测试面板输入配置设置为(RSE)参考单端接地电压,测量出的结果正常。我...
    发表于 05-18 17:18 13368次 阅读
    matlab代码怎样测量以RSE为接地电压的数据

    请问CH32系列是否支持硬件监视点?

    在使用最新的MRS工具链调试时CH32V307发现似乎没有硬件监控点(watchpoint),下面是在gdb中执行相关命令的log (gdb) wa...
    发表于 05-12 07:54 362次 阅读

    大疆创新校园招聘笔试题-硬件真题

    名企面试笔试真题:大疆创新校园招聘笔试题-硬件,有需要的可以下载参考...
    发表于 04-29 15:05 21998次 阅读

    硬件定时器定时1秒以下就疯狂触发中断是为什么

    硬件定时器定时1秒以上正常,1秒以下就不正常 ...
    发表于 04-27 09:35 2265次 阅读

    迁移学习

    上课时间安排 2022年05月27日 — 2022年05月30日    No.1 第一天   一、机器学习简介与经典机器学习算法...
    发表于 04-21 15:15 9964次 阅读