- 博客(12)
- 收藏
- 关注
RSS订阅原创 51单片机-静态数码管显示实验
第一我们要静态显示数码管，那么我们就要明白什么是数码管，怎么控制数码管，怎么去连线，怎么去写代码。段选是控制我们显示具体内容，那么我们就可以使用单片机的IO口控制0或1，来显示具体想显示的内容，位选可以让我们控制他具体哪个点亮，这样就可以了。：段选负责点亮数码管的具体部分以形成数字或字符，而位选则负责选择哪个数码管应当被点亮。：在实际应用中，通常先执行位选再进行段选，这样可以避免出现重影现象。段的控制，而位选则是对整个数码管单元的操作。，通过点亮不同的段来显示不同的字符。决定了数码管显示的内容。
2025-06-11 17:01:30
919
原创 51单片机-按键控制8位流水灯实验
1、为什么控制IO电平，因为我们的LED灯只有通电才可以，而这里的LED灯是低电平有效，那么我们是不是要给LED灯一个低电平，那怎么给？你控制后，是不是需要将我们的IO和LED通过线进行连接，是不是就明白了我们为什么连线，之后我们剩下的就是写代码进行控制了。我们代码怎么写，我们的线就怎么接，或者我们的线怎么接，我们就可以改变代码适应接线的方式。最核心的是同学们要明白，为什么这样写代码，就可以实现流水灯，为什么这样接线，为什么我们要控制IO的电平。同样都是灯，唯一的区别是，一个是控制一个，一个是控制多个。
2025-06-10 17:18:07
445
19原创 torch中的实现简单的反向传播
#加油加油加油#认真对待每一行代码#努力写好每一行代码#搞懂每一行代码import torchx_data = [1.0, 2.0, 3.0]y_data = [2.0, 4.0, 6.0]w = torch.Tensor([1.0])w.requires_grad = True"""因为torch.Tensor函数，所以我们的w是一个张量；下面我们计算时，返回的也是张量；这样就可以有一其他功能，便可直接函数取出我们想要的值；item（）是从原来的精度上更加精确；最外的两个.
2022-05-28 15:31:34
1404
原创 最邻近规则分类-个人笔记
KNN (K-Nearest Neighbor)KNN算法是用来实现对待测数据进行分类。我们根据题目就能看出，是找最邻近的进行分类。在这里引入欧氏距离这个概念，其实就是求两个点的距离：。举个例子，我们有一组数据A，我们知道他们的类别（加入分为两类），那么我们需要对另一组数据B进行判断，那么我们就需要分别对B中的每一个数据进行判断，B中的每一个数据和A中的所有数据进行欧式距离的求解，我们就可以得到B中每一个数据对A中数据的距离大小，这里我们设置一个K值（个数），一般是奇数，然后我们看在前k个最近距
2022-04-20 14:50:32
237
原创 逻辑回归-个人笔记
预测函数：我们定义逻辑回归的预测函数是：其中g(x)为评判函数（字面意思），在神经网络里叫激活函数，其实思想就是在原来一元多元线性非线性回归里的公式（简称Q）外套一个g（x）的函数；就是函数套函数，根据g(x)的图像性质。我们就可以从回归方程，变成了分类。而逻辑回归就是起到一个分类的效果。这个时候我们就可以根据Q的结果是否大于零，来判断我们的我们的数据属于哪一类，然后我们Q的值（即结果）大于零的，判为1，小于零的判为0，最后我们就知道了我们的结果。我们的Q函数写为：这里x0=1，
2022-04-20 13:39:47
1041
原创 梯度下降法
我们已将知道代价函数的概念： 我们需要求解代价函数的最小值那么，我们就需要找到一个合适的 k和b 的值来满足我们的要求。梯度下降法的步骤是：1. 赋予初值 k, b;2.对函数中分别对k,b 求偏导得到和3.然后我们将i和j分别再赋值给 b0和k0 然后反复计算。4.我们是根据的值的取值来调节我们的代价函数的大小的。上面就是我们梯度下降法的步骤了，最后得到我们想要的...
2022-03-29 22:17:44
4817
原创 一元线性回归个人梳理
一元线性回归回归定义：回归分析(regression analysis)用来建立方程模拟两个或者多个变量之间如何关联被预测的变量叫做：因变量(dependent variable), 输出(output)被用来进行预测的变量叫做： 自变量(independent variable), 输入(input)一元线性回归包含一个自变量和一个因变量以上两个变量的关系用一条直线来模拟如果包含两个以上的自变量，则称作多元回归分析(multiple regression)通俗来讲：就是通过
2022-03-26 22:00:38
3833
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人