Socket编程--TCP连接以及并发处理
t listen(int sockfd, int backlog);sockfd：参数为成功调用socket函数返回的套接字，并已经成功调用了bind()。backlog：参数告诉套接字在忙于处理上一个请求时，还可以接受多少个进入的请求，换句话说，这决定了挂起连接的队列的大小。 accept: 等待客户 int accept(int sockfd, struct sockaddr *addr...
图像处理：时域、空域、频率的滤波介绍
首先要搞清楚为什么会呈现出不同域的维度，来理解和处理图像，原因是图像的构成有多个维度的信息特点。比如一段视频从时间顺序来看，相邻的2个图像帧绝大部分信息是相同的，这就构成了前向预测的理论基础；比如一帧图像从空间分布来看，矩阵内的像素有着很大的关联性，这就构成了帧内预测的理论基础。 简单来说，包括视频处理也好，图像处理也好，感光器件及其光电转换设计也好，都认为视频或者图像...
事件处理模式--reactor原理与实现
eactorapicode reactor reactor是是服务器的重要模型, 是一种事件驱动的反应堆模式 通过epoll_create() 创建句柄, epoll_ctrl()提前注册好不同的事件处理函数 , 当事件到来就由 epoll_wait () 获取同时到来的多个事件，并且根据数据的不同类型将事件分发给事件处理机制 (事件处理器)，通过回调函数方式实现响应的功能(如创建客户端fd, 读/写...
PyTorch与NLP：自然语言处理的深度学习实践
如何看待AIGC技术？ 目录 如何看待AIGC技术？ 一、引言 二、PyTorch与深度学习基础 2.1 PyTorch概述 2.2 深度学习基础 三、自然语言处理基础 3.1 文本表示 3.2 常见NLP任务 四、PyTorch在NLP中的应用 4.1 文本预处理 4.2 模型搭建 4.3 模型训练与评估 五、案例实践 5.1 情感分析 5.2 命名实体识别 六、进阶与扩展 6.1 模型优化 6.2...
图像处理ASIC设计方法 笔记20 标记ASIC系统设计
目录 （一）如何考虑标记ASIC中的图像存储器设计 1 片内还是片外存储器 2 片内存储器具体怎么实现 （二）特征值存储 1 特征值包括 2 采用流水线方式统计特征值 本文是阅读6.4节的笔记和感悟，6.4节整体讲的是标记ASIC的系统设计，我理解有两个要点：对于图像存储器的考虑，特征值包括哪些以及如何存储。 （一）如何考虑标记ASIC中的图像存储器设计 1 片内还是片外存储器 图像存储器要么选择A...
图像处理ASIC设计方法 笔记21 标记ASIC的顶层状态机
目录 （一）标记ASIC的工作流程 1 ASIC首先从控制寄存器内读出待标记图像的基本参数 2若写入了有效的启动命令，则进入下面一帧图像的标记过程。 3 ASIC通过接口模块从FIFO1中读取待标记的图像 4一帧图像初步标记完成后进行等价表的整理压缩 5从临时标记存储器中读取临时标记送入标记代换及特征值统计流水线 （二）设计标记ASIC的主要寄存器 学这一章节，为的是学如何设计一个ASIC的顶层状态...
基于EBAZ4205矿板的图像处理：03使用VIO调试输出HDMI视频图像
基于EBAZ4205矿板的图像处理：03使用VIO调试输出HDMI视频图像 在zynq调试时VIO是真的方便，特此写一篇博客记录一下 先看效果 项目简介 下面是我的BD设计，vtc用于生成时序，注意，2021.2的vivado的vtcIP是v6.2版本，多了一个sof_state，我不太清楚他是干嘛的，实测没接也一切正常。 VIO IP核用于实时调试数据，我们可以在program device后，通...
基于FPGA的数字信号处理（8）--RTL运算的溢出与保护
符号数的减法 两个无符号数的加法可以分成两种情况： 减法结果是正数或零减法结果是负数 对于结果是正数或零的情况是不会存在溢出的情况的，因为它的值必然小于被减数，位宽不可能会溢出，所以不需要做什么特殊的处理。 减法结果是负数的情况则麻烦一些，因为负数必然是有符号数，那就意味着最高位只能表示符号而不能再表示数值了。比如： 两个4bits数的减法0 - 1 = -1， 等价于 4’b0000 - 4’b00...
NLP自然语言处理和应用场景介绍
【A】NLP（Natural Language Processing，自然语言处理）是计算机科学与人工智能领域的一个分支，旨在让机器能够理解、解释、生成人类语言。它涵盖了语言文本的语法、语义、语用、语境等方面的处理。 NLP的具体应用场景包括但不限于以下几个方面： 机器翻译：将一种语言的文本自动翻译成另一种语言的文本。信息检索与问答系统：帮助用户快速准确地检索到所需信息，或通过自然语言进行问题提问并...
在图像处理领域，机器学习方法和深度学习方法的优势
在图像处理领域，机器学习方法和深度学习方法都被广泛应用，但两者有一些不同点和各自的优势。 机器学习 机器学习方法是利用数据和统计学方法来构建模型和算法，从而对图像进行分类、分割、特征提取等任务。常见的机器学习方法包括支持向量机（SVM）、随机森林（Random Forest）、决策树等。它们通常需要手动选择和提取图像的特征，然后通过训练模型来学习特征与标签之间的关系。机器学习方法的优点是对于小规模数...