学会阅读Datasheet的基础信息

1、本文适合的读者及申明

首先,本文适合那些菜鸟级的电子爱好者,那些希望自己操起烙铁焊接一些小玩意儿,或者购买一些电子模块来实现自己的互动创意的人们。

本文并不适合专业级别的读者,里面的有些内容的描述为了让爱好者看懂,难免做了一些并不影响原则的曲解。若去强究,则未免贻笑大方。

另外,绝大多数的Datasheet都是英文版的,因此,这也需要读者具备一定的英文阅读水平。

最后,完全读懂一份Datasheet其实是已经可以算是一门相当高超的技能,这不仅需要深厚的电子学知识,IC制造技术,电路设计知识,甚至还会跨越到各种门类的专业学科知识。在这里,作者只能做一个大致的轮廓介绍,至少让读者在未来应用时有一个基本的概念。而完全不敢指望读者读完本文就升仙为Datasheet大神。
申明:本文是一篇实用主义者的自我感悟,并非学术论文,所以,不负文责。

阅读全文

树莓派64位系统Debian 9先行测评:性能最高提升30倍!


采用64位处理器的树莓派3B,虽然具有64位硬件,但是系统还没有跟上节奏。官方尚未正式发布64位Raspbian,近期有团队移植了Debian 9 arm64到树莓派3B,将“装死”一年多的树莓派3B的性能完全释放出来,测试跑下来发现CPU性能最高比32位系统高30倍!

本文将介绍如何进行对比跑分测试。

硬件测试环境:

  • RaspberryPi 3 Model B
  • 16GB Class 10 TF卡
  • 5v2.5A电源
  • 以太网网线及能连外网路由设备

阅读全文

树莓派+Arduino+TensorFlow搭建图像识别小车

从买第一个Arduino套装开始,我接触机器人有好几年了,但直到最近才开始做完整的课题。期间有两项技能为我打开了新世界的大门:Python和Linux。他们背后,是强大的开源社区。掌握了这两样工具的工具(元工具),你感觉网上遍地是趁手的兵器。上周在公司内部编程培训时,有一句话深得我心:我们是软件工程师,不是程序员。我们的工作不是写程序,而是合理使用工具解决问题。在Google,如果你觉得自己不得不从零开始写某项功能,只是你还没有找到相应的工具罢了。在开源社区更是如此。

这是一个遥控小车,通过红外遥控或无线键盘可以控制小车的行动和摄像头的角度。TensorFlow实时监测摄像头拍摄到的画面,语音读出它识别出的物体。所有代码都放在我的GitHub上。

阅读全文

树莓派瑞士军刀扩展板教育特惠活动

树莓派瑞士军刀扩展板(SAKS)已经拥有从基础到应用的丰富教程,极其适合学校和教育机构设置实验课程使用。非常欢迎您将它带入课堂、学生社团、创客空间,为此我们推出了以下特惠活动(长期活动)。

优惠1.购买SAKS扩展板,凭有效学生证或教师证可获得9折优惠(每个淘宝帐号仅享有一件的折扣优惠,且对该型号产品仅限使用一次)。
优惠2.一次购买10件以上的SAKS扩展板,可凭有效学生证或教师证等证件,额外获赠一件SAKS扩展板

阅读全文

销量破1250万:树莓派成第三大计算平台

树莓派(Raspberry Pi)凭借高度定制化和可玩性,深受科技宅青睐,2012年推出以来全球销量已达1250万块。

这是一个里程碑式的数字,因为作为世界第三大计算机平台的Commodore 64的历史累计销量就是1250万台,而由于Commodore 64早在1993年就已经停产,树莓派从此可以稳坐世界第三了。

前两名?当然是Windows、Mac。

树莓派今年已经进化到第三代,搭载64位A53处理器,支持更多连接,还有更小巧的Pi Zero版本。

树莓派销量破1250万:成世界第三大计算平台

阅读全文

深度学习模型太大?这家公司直接跑在了树莓派上

深度学习当前面临的一大热点问题是很多深度学习的模型太大而不方便在移动设备和嵌入式设备上使用。现在常见的模型比如图像分类模型基本都在500兆以上,自然语言处理的一些模型例如语言模型很多都在1G以上,机器翻译的模型也都是500兆以上。

而一个手机或者潜入式设备要加载一个500兆以上的模型基本不太现实,因此当前深度学习面临的一大挑战就是如何把大模型变成小模型。因为移动设备不仅仅是内存或者存储空间的限制,更多是因为能耗的限制,不允许我们用太大的模型。

2017年2月2日,位于美国西雅图的 AI 创业公司 XNOR.AI 宣布获得来自Madrona Venture Group和艾伦人工智能研究所(Allen Institute for Artificial Intelligence)等机构的260万美元的种子融资。XNOR.AI 利用二值化神经网络等技术对深度学习网络进行压缩,致力于开发有效地在移动端或嵌入式设备上运行的深度学习算法。

值得注意的是,微软联合创始人Paul Allen个人也参与了XNOR.AI的种子轮投资。跑的比香港记者还快的探长对XNOR.AI联合创始人兼CTO Mohammad Rastegari 进行了专访,与他探讨了深度学习的前沿问题。

阅读全文