当前位置： 首页 > news >正文

PyTorch深度学习框架60天进阶学习计划 - 第45天：神经架构搜索（一）

news 来源：原创 2025/8/16 1:37:49

PyTorch深度学习框架60天进阶学习计划 - 第45天：神经架构搜索（一）

第一部分：详解DARTS的可微分搜索空间

大家好！欢迎来到我们PyTorch深度学习框架进阶学习计划的第45天。今天我们将深入探讨神经架构搜索(Neural Architecture Search, NAS)中的一个重要方法——可微分架构搜索(Differentiable Architecture Search, DARTS)。

1. DARTS简介

传统的NAS方法通常依赖于离散搜索空间和基于强化学习或进化算法的搜索策略，计算成本极高。而DARTS通过将离散的架构搜索空间连续化，使整个搜索过程变得可微分，从而大大降低了计算成本。

DARTS的核心思想可以概括为：将架构搜索问题转化为架构参数的优化问题，并与神经网络的权重参数共同优化。这就好比我们不仅关心一个"厨师"(权重)如何烹饪，还关心他使用哪些"烹饪工具"(架构)。

2. DARTS的搜索空间

DARTS的搜索空间由一系列节点和边组成，形成一个有向无环图(DAG)。节点代表特征图，边代表操作。DARTS不是直接选择一个确定的操作，而是将每条边上的每个候选操作赋予一个权重参数，通过softmax函数计算操作的概率分布。

下面是DARTS搜索空间中常见的候选操作：

操作类型描述PyTorch实现
3x3 可分离卷积深度可分离卷积，节省参数nn.Sequential(nn.ReLU(), nn.Conv2d(...), nn.BatchNorm2d(...))
5x5 可分离卷积更大感受野的深度可分离卷积同上，但kernel_size=5
3x3 深度可分离卷积先空间卷积再点卷积nn.Sequential(nn.ReLU(), SepConv(C, C, 3, stride, 1))
5x5 深度可分离卷积更大感受野同上，但kernel_size=5
3x3 平均池化降采样并保留信息nn.AvgPool2d(3, stride=stride, padding=1, count_include_pad=False)
3x3 最大池化提取显著特征nn.MaxPool2d(3, stride=stride, padding=1)
恒等映射直接连接Identity()
零操作无连接Zero(stride)

3. DARTS的数学原理

在DARTS中，每条边(i,j)上的混合操作可表示为：

o ˉ ( i , j ) ( x ) = ∑ o ∈ O exp ⁡ ( α o ( i , j ) ) ∑ o ′ ∈ O exp ⁡ ( α o ′ ( i , j ) ) o ( x ) \bar{o}^{(i,j)}(x) = \sum_{o \in \mathcal{O}} \frac{\exp(\alpha_o^{(i,j)})}{\sum_{o' \in \mathcal{O}} \exp(\alpha_{o'}^{(i,j)})} o(x) oˉ(i,j)(x)=o∈O∑​∑o′∈O​exp(αo′(i,j)​)exp(αo(i,j)​)​o(x)

其中：

  • O \mathcal{O} O是所有候选操作的集合
  • α o ( i , j ) \alpha_o^{(i,j)} αo(i,j)​是操作o在边(i,j)上的架构参数
  • 通过softmax函数将架构参数转化为操作权重

DARTS的训练目标是联合优化网络权重参数w和架构参数α：

min ⁡ α L v a l ( w ∗ ( α ) , α ) \min_{\alpha} \mathcal{L}_{val}(w^*(\alpha), \alpha) αmin​Lval​(w∗(α),α)
s.t.  w ∗ ( α ) = arg ⁡ min ⁡ w L t r a i n ( w , α ) \text{s.t. } w^*(\alpha) = \arg\min_{w} \mathcal{L}_{train}(w, \alpha) s.t. w∗(α)=argwmin​Ltrain​(w,α)

4. DARTS的搜索过程代码实现

让我们来实现DARTS的核心组件：可微分操作混合。

import torch
import torch.nn as nn
import torch.nn.functional as F# 定义零操作
class Zero(nn.Module):def __init__(self, stride):super(Zero, self).__init__()self.stride = stridedef forward(self, x):if self.stride == 1:return x.mul(0.)# 对于stride>1的情况，需要对输入进行下采样return x[:, :, ::self.stride, ::self.stride].mul(0.)# 定义恒等映射
class Identity(nn.Module):def __init__(self):super(Identity, self).__init__()def forward(self, x):return x# 定义可分离卷积
class SepConv(nn.Module):def __init__(self, C_in, C_out, kernel_size, stride, padding):super(SepConv, self).__init__()self.op = nn.Sequential(nn.ReLU(inplace=False),nn.Conv2d(C_in, C_in, kernel_size=kernel_size, stride=stride, padding=padding, groups=C_in, bias=False),nn.Conv2d(C_in, C_out, kernel_size=1, padding=0, bias=False),nn.BatchNorm2d(C_out, affine=True),nn.ReLU(inplace=False),nn.Conv2d(C_out, C_out, kernel_size=kernel_size, stride=1, padding=padding, groups=C_out, bias=False),nn.Conv2d(C_out, C_out, kernel_size=1, padding=0, bias=False),nn.BatchNorm2d(C_out, affine=True),)def forward(self, x):return self.op(x)# 定义混合操作
class MixedOp(nn.Module):def __init__(self, C, stride):super(MixedOp, self).__init__()self._ops = nn.ModuleList()# 定义所有候选操作self._ops.append(SepConv(C, C, 3, stride, 1))  # 3x3 深度可分离卷积self._ops.append(SepConv(C, C, 5, stride, 2))  # 5x5 深度可分离卷积self._ops.append(nn.AvgPool2d(3, stride=stride, padding=1, count_include_pad=False))  # 3x3 平均池化self._ops.append(nn.MaxPool2d(3, stride=stride, padding=1))  # 3x3 最大池化self._ops.append(Identity() if stride == 1 else nn.AvgPool2d(3, stride=stride, padding=1))  # 恒等映射或下采样self._ops.append(Zero(stride))  # 零操作def forward(self, x, weights):# 计算加权混合操作return sum(w * op(x) for w, op in zip(weights, self._ops))# 定义一个简单的DARTS单元
class DARTSCell(nn.Module):def __init__(self, C_prev, C, num_nodes=4):super(DARTSCell, self).__init__()self.num_nodes = num_nodes# 预处理输入self.preprocess = nn.Conv2d(C_prev, C, 1, 1, 0, bias=False)# 初始化混合操作self.edges = nn.ModuleList()# 第i个节点连接到前面所有节点的边for i in range(self.num_nodes + 2):  # +2 for input nodesfor j in range(i):stride = 1  # 在实际应用中，可能会有不同的strideself.edges.append(MixedOp(C, stride))# 定义输出节点的连接self.multiplier = 4self.final_concat_dim = C * self.multiplierdef forward(self, x, weights):# 预处理输入s0 = self.preprocess(x)# 保存中间节点的状态states = [s0]offset = 0# 对每个节点进行计算for i in range(self.num_nodes):# 对每个前驱节点计算加权和s = sum(self.edges[offset + j](h, weights[offset + j]) for j, h in enumerate(states))offset += len(states)states.append(s)# 连接中间节点作为输出return torch.cat(states[-self.multiplier:], dim=1)

5. DARTS训练过程

DARTS的训练过程分为两个阶段：

  1. 架构搜索阶段：联合优化架构参数α和权重参数w
  2. 架构评估阶段：使用搜索得到的最佳架构从头训练模型

下面是架构搜索阶段的简化代码：

def train_darts(model, train_queue, valid_queue, criterion, architect, optimizer, lr, epochs):"""DARTS训练过程"""for epoch in range(epochs):# 训练model.train()for step, (x, target) in enumerate(train_queue):# 更新架构参数x_valid, target_valid = next(iter(valid_queue))architect.step(x, target, x_valid, target_valid, lr, optimizer)# 更新权重参数optimizer.zero_grad()logits = model(x)loss = criterion(logits, target)loss.backward()optimizer.step()# 验证valid_acc = validate(model, valid_queue, criterion)print(f'Epoch {epoch}: validation accuracy = {valid_acc:.2f}%')

6. DARTS架构搜索流程图

下面是DARTS架构搜索的流程图：
在这里插入图片描述

7. DARTS权重共享策略

DARTS的一个关键创新是权重共享策略。在传统NAS方法中，每个评估的架构都需要从头训练，计算资源消耗巨大。而DARTS通过在搜索过程中共享权重参数，大大提高了计算效率。

权重共享可以理解为：不同的架构使用相同的权重子集。这就像一个巨大的"超网络"(supernet)，其中包含所有可能的架构，而每个特定架构只是这个超网络的一个子网络。

权重共享的优势：

  • 减少训练时间：无需为每个架构从头训练
  • 提高参数利用率：同一参数可用于多个架构
  • 增强泛化能力：共享参数的架构在不同数据上表现更稳定

下面是一个简单的表格，对比了有无权重共享的NAS方法：

方法计算资源需求搜索时间(GPU天)优点缺点
无权重共享NAS极高1000+架构评估准确计算成本极高
权重共享DARTS中等1-4计算高效可能存在架构坍塌问题

清华大学全五版的《DeepSeek教程》完整的文档需要的朋友，关注我私信：deepseek 即可获得。

怎么样今天的内容还满意吗？再次感谢朋友们的观看，关注GZH：凡人的AI工具箱，回复666，送您价值199的AI大礼包。最后，祝您早日实现财务自由，还请给个赞，谢谢！

相关文章：

PyTorch深度学习框架60天进阶学习计划 - 第45天：神经架构搜索（一）

PyTorch深度学习框架60天进阶学习计划 - 第45天：神经架构搜索（一） 第一部分：详解DARTS的可微分搜索空间 大家好！欢迎来到我们PyTorch深度学习框架进阶学习计划的第45天。今天我们将深入探讨神经架构搜索(Neural Arch…...

编程日记 2025/8/16 1:37:49

【java 13天进阶Day04】常用API、正则表达式，泛型、Collection集合API

Math类的使用。 Math用于做数学运算。Math类中的方法全部是静态方法，直接用类名调用即可。方法： public static int abs(int a) 获取参数a的绝对值public static double ceil(double a) 向上取整public static double floor(double a) 向下取整public s…...

编程日记 2025/8/16 17:51:50

leetcode 309. Best Time to Buy and Sell Stock with Cooldown

目录 题目描述 第一步，明确并理解dp数组及下标的含义 第二步，分析并理解递推公式 1.求dp[i][0] 2.求dp[i][1] 3.求dp[i][2] 第三步，理解dp数组如何初始化 第四步，理解遍历顺序 代码 题目描述 这道题与第122题的区别就是卖…...

编程日记 2025/8/16 17:54:09

RAG 实战｜用 StarRocks + DeepSeek 构建智能问答与企业知识库

文章作者： 石强，镜舟科技解决方案架构师 赵恒，StarRocks TSC Member 👉 加入 StarRocks x AI 技术讨论社区 https://mp.weixin.qq.com/s/61WKxjHiB-pIwdItbRPnPA RAG 和向量索引简介 RAG（Retrieval-Augmented Gen…...

编程日记 2025/8/15 9:55:27

Java拼团项目

一些记录 环境配置 首先是把配置安装好，jdk1.8，maven3.8.8，docker，idea，脚手架 然后创建工程，通过小傅哥的脚手架从远程把一些包，依赖拉过来 然后在gitcode上边创建仓库，把代码提交…...

编程日记 2025/8/14 22:01:58

力扣每日打卡 2364. 统计坏数对的数目 (中等)

力扣 2364. 统计坏数对的数目 中等 前言一、题目内容二、解题方法1. 哈希函数12. 哈希函数22.官方题解2.1 方法一：使用 sqrt 函数 前言 这是刷算法题的第十四天，用到的语言是JS 题目：力扣 2364. 统计坏数对的数目 (中等) 一、题目内容 给你…...

编程日记 2025/8/15 12:01:22

R语言之.rdata文件保存及加载

在 R 中，.rdata 文件是通过 save() 函数创建的。 使用 save() 函数可以将一个或多个 R 对象保存到 .rdata 文件中。使用 load() 函数可以将 .rdata 文件中的对象恢复到当前工作环境中。 1.创建并保存对象到.rdata 假设有一个基于 iris 数据集训练的线性回归模型&a…...

编程日记 2025/8/16 17:54:06

神经网络优化 - 小批量梯度下降之批量大小的选择

上一博文学习了小批量梯度下降在神经网络优化中的应用： 神经网络优化 - 小批量梯度下降-CSDN博客 在小批量梯度下降法中，批量大小(Batch Size)对网络优化的影响也非常大，本文我们来学习如何选择小批量梯度下降的批量大小。 一、批量大小的…...

编程日记 2025/8/12 16:23:01

开源AI守护每一杯------奶茶咖啡店视频安全系统的未来之力

连锁饮品奶茶咖啡店视频安全系统以开源AI技术为引擎，将后厨管理从“被动查漏”升级为“主动防控”，让消费者从“担心卫生”变为“放心下单”。 解决方案亮点：技术驱动，全面防护 1. 实时监控与AI识别：秒级捕捉隐患 亮…...

编程日记 2025/8/16 17:51:31

音视频元素

目录 HTMLMediaElement网络状态 (networkState)就绪状态 (readyState)错误代码 (error.code) video属性方法事件 audio HTMLMediaElement HTMLMediaElement 是 HTML5 中 和 元素的基类，定义了它们共享的属性、方法和事件。无论你使用的是音频还是视频元素&#xff0…...

编程日记 2025/8/16 17:53:14

音视频小白系统入门课-2

本系列笔记为博主学习李超老师课程的课堂笔记，仅供参阅 课程传送门：音视频小白系统入门课 音视频基础ffmpeg原理 往期课程笔记传送门： 音视频小白系统入门笔记-0音视频小白系统入门笔记-1 课程实践代码仓库：传送门 音视频编解…...

编程日记 2025/8/16 8:40:20

时序逻辑电路——序列检测器

文章目录 一、序列检测二、牛客真题1. 输入序列连续的序列检测（输入连续、重叠、不含无关项、串行输入）写法一：移位寄存器写法二：Moore状态机写法三：Mealy状态机 一、序列检测 序列检测器指的就是将一个指定的序列&…...

编程日记 2025/8/16 17:53:16

#systemverilog# 进程控制问题#（八）关于#0 问题的使用（三）

今天，我们继续研究一下上一节讨论的问题。其实，还有一个小问题，我们来探讨一下。 `timescale 1ns/10psmodule tb_top(); reg clk; reg reset;initial begin reset = 0; #10 reset = 1; #15 reset = 0; #50 $finish; endinitial beginfor(int i = 0; i < 4 ; i++)fork #…...

编程日记 2025/8/16 17:51:51

k8s低版本1.15安装prometheus+grafana进行Spring boot数据采集

目录 一、背景&#xff1a; 二、实施过程 1&#xff09;.安装地址&#xff1a;https://github.com/prometheus-operator/kube-prometheus 2).安装方式两种&#xff0c; 3&#xff09;.安装Prometheus需要对照k8s集群版本。 4&#xff09;.拉去prometheus 5&#xff09;.导…...

编程日记 2025/8/14 5:26:40

Spring-Ioc容器的加载过程？

大家好&#xff0c;我是锋哥。今天分享关于【SpringIoC的实现机制是什么&#xff1f;】面试题。希望对大家有帮助&#xff1b; Spring-Ioc容器的加载过程&#xff1f; 1000道 互联网大厂Java工程师 精选面试题-Java资源分享网 Spring IoC容器的加载过程是指在应用启动时&…...

编程日记 2025/8/16 17:49:45

kaamel Privacy agent：AI赋能的隐私保护技术解决方案

智能隐私合规解决方案 在当今数字经济环境下&#xff0c;有效的隐私合规已成为企业运营的基础要求。全球范围内已有超过120项隐私法规生效&#xff0c;这对企业的数据处理流程提出了严峻挑战。kaamel Privacy agent作为专门为隐私合规领域设计的AI引擎&#xff0c;通过自动化技…...

编程日记 2025/8/16 17:55:32

从零到上线！AI生成SpringBoot项目脚手架实战（含K8s+Docker配置）

在 Java 开发领域,搭建 Spring Boot 项目脚手架是一项耗时且繁琐的工作。传统方式下,开发者需要手动配置各种依赖、编写基础代码,过程中稍有疏忽就可能导致配置错误,影响开发进度。如今,随着 AI 技术的迅猛发展,飞算 JavaAI 的出现为开发者带来了全新解决方案,让自动生成 Sprin…...

编程日记 2025/8/16 17:50:02

VueRouter笔记

定义路由 import { createMemoryHistory, createRoute } from vue-router; import MyView1 from ./MyView1.vue; import MyView2 from ./MyView2.vue;const routes [{ path: /1, component: MyView1 },{ path: /2, component: MyView2 } ];const router createRouter({histo…...

编程日记 2025/8/12 19:50:27

vue3 Element-plus修改内置样式复现代码

笔者在修改Element-plus的内置样式时&#xff0c;遇到一点挫折&#xff0c;现提供需求场景与解决方案。 一、实现&#xff08;1&#xff09;透明弹窗可拖拽&#xff0c;且不影响点击弹窗外内容&#xff1b;&#xff08;2&#xff09;弹窗内置表格&#xff0c;表格需修改样式颜色…...

编程日记 2025/8/16 17:51:29

easyui进度条

简单打开和关闭 // 展示进度条 $.messager.progress({title: 请稍候,msg: 系统处理中...,text: 0%});//关闭进度条 $.messager.progress(close); easyui 普通提示 <!DOCTYPE html> <html> <head><meta charset"UTF-8">&l…...

编程日记 2025/8/16 17:50:04

vcpkg缓存问题研究

vcpkg缓存问题研究 问题描述解决方案官网给出的方案其实并不是大多数人语境中的“清除缓存”实际解决方案 问题描述 使用vcpkg管理c的库的时候&#xff0c;vcpkg会在c盘某些地方缓存下载的库&#xff0c;如果安装的库过多&#xff0c;这个缓存文件夹会过大占用磁盘空间&#x…...

编程日记 2025/8/16 17:50:02

优化WAV音频文件

优化 WAV 音频文件通常涉及 减小文件体积、提升音质 或 适配特定用途&#xff08;如流媒体、广播等&#xff09;。以下是分场景的优化方法&#xff0c;涵盖工具和操作步骤&#xff1a; 一、减小文件体积&#xff08;无损/有损压缩&#xff09; 1. 无损压缩 转换格式&#xff1…...

编程日记 2025/8/15 6:16:05

系统架构设计师：流水线技术相关知识点、记忆卡片、多同类型练习题、答案与解析

题目&#xff1a; 流水线技术中&#xff0c;若某流水线分为5段&#xff0c;每段执行时间为Δt&#xff0c;则执行100条指令的总时间为&#xff08; &#xff09; A. 100Δt B. 104Δt C. 500Δt D. 505Δt 答案&#xff1a;B‌ ‌解析&#xff1a;流水线总时间(nk-1)Δt&#…...

编程日记 2025/8/15 23:03:24

test ssl java

// 文件名&#xff1a;SslUtilsTest.java// 包路径&#xff1a; import static org.junit.Assert.*; import static org.mockito.Mockito.*; import java.io.InputStream; import java.security.KeyStore; import javax.net.ssl.SSLContext; import org.apache.hc.client5…...

编程日记 2025/8/15 17:38:32

【系统分析师】-软件工程

考点汇总 考点详情 软件生存周期&#xff1a;可行性分析与项目开发计划&#xff0c;需求分析&#xff0c;概要设计&#xff0c;详细设计&#xff0c;编码&#xff0c;测试&#xff0c;维护 软件能力成熟度模型 CMM&#xff1a;初始级&#xff0c;可重复级&#xff0c;已定义级…...

编程日记 2025/8/15 22:17:40

FFmpeg 硬核指南：从底层架构到播放器全链路开发实战 基础

目录 1.ffmpeg的基本组成2.播放器的API2.1 复用器阶段2.1.1 分配解复用上下文2.1.2 文件信息操作2.1.3 综合示例 2. 2 编解码部分2.2.1 分配解码器上下文2.2.2编解码操作2.2.3 综合示例 3 ffmpeg 内存模型3.1 基本概念3.2API 1.ffmpeg的基本组成 模块名称功能描述主要用途AVFo…...

编程日记 2025/8/15 11:33:30

2025MathorcupD题 短途运输货量预测及车辆调度问题 保姆级教程讲解｜模型讲解

2025Mathorcup数学建模挑战赛&#xff08;妈妈杯&#xff09;D题保姆级分析完整思路代码数据教学 其中更详细的思路&#xff0c;各题目思路、代码、讲解视频、成品论文及其他相关内容&#xff0c;可以点击下方群名片哦&#xff01;...

编程日记 2025/8/13 5:51:27

CSS 包含块

CSS 中的包含块&#xff08;Containing Block&#xff09;是一个非常重要的概念&#xff0c;它定义了元素在布局中的参考框架。元素的尺寸、位置和偏移量通常都是基于其包含块来计算的。理解包含块的概念对于掌握 CSS 布局至关重要。 1. 包含块的作用 定位元素&#xff1a;当…...

编程日记 2025/8/9 12:14:23

嵌入式设备网络的动态ID分配机制实现

文章目录 前言一、系统设计要点二、核心数据结构2.1 设备唯一标识(DeviceUID)2.2 节点信息(Node)2.3 节点管理器(NodeManager) 三、核心算法实现3.1 初始化与清理3.1.1 初始化节点管理器3.1.2 清理节点管理器 3.2 动态ID分配策略3.2.1 查找最小可用ID3.2.2 ID使用检查 3.3 心跳…...

编程日记 2025/8/15 4:57:43

（论文阅读）RNNoise 基于递归神经网络的噪声抑制库

RNNoise 是一个基于递归神经网络的噪声抑制库。 有关该算法的描述见以下论文&#xff1a; J.-M. Valin, A Hybrid DSP/Deep Learning Approach to Real-Time Full-Band Speech Enhancement, Proceedings of IEEE Multimedia Signal Processing (MMSP) Workshop, arXiv:1709.08…...

编程日记 2025/8/6 20:39:44

Linux：线程概念与控制

✨✨所属专栏&#xff1a;Linux✨✨ ✨✨作者主页&#xff1a;嶔某✨✨ Linux&#xff1a;线程概念于控制 var code “d7e241ae-ed4d-475f-aa3d-8d78f873fdca” 概念 在一个程序里的一个执行路线就叫做线程thread。更准确一点&#xff1a;线程是“一个进程内部的控制序列” …...

编程日记 2025/8/12 4:09:08

双轮驱动能源革命：能源互联网与分布式能源赋能工厂能效跃迁

在全球能源结构深度转型与“双碳”目标的双重驱动下&#xff0c;工厂作为能源消耗的主力军&#xff0c;正站在节能变革的关键节点。能源互联网与分布式能源技术的融合发展&#xff0c;为工厂节能开辟了全新路径。塔能科技凭借前沿技术与创新实践&#xff0c;深度探索能源协同优…...

编程日记 2025/8/15 23:49:11

网络安全-Burp Suite基础篇

声明 本文主要用做技术分享&#xff0c;所有内容仅供参考。任何使用或者依赖于本文信息所造成的法律后果均与本人无关。请读者自行判断风险&#xff0c;并遵循相关法律法规。 1 Burp Suite功能介绍 1.1 Burp Suite 简介 Burp Suite 是一款极为强大且广受欢迎的集成化 …...

编程日记 2025/8/13 0:47:19

从人工到智能：外呼系统如何重构企业效率新生态

在数字化转型的浪潮中&#xff0c;智能外呼系统正从边缘辅助工具演变为企业效率革命的核心引擎。根据Gartner最新调研数据&#xff0c;部署AI外呼系统的企业客服效率平均提升68%&#xff0c;销售线索转化率增长42%。但在这场技术驱动的变革中&#xff0c;真正决定成败的往往不是…...

编程日记 2025/8/14 1:25:39

折扣电影票api对接详细指南，如何对接？

以下是折扣电影票 API 对接的一般指南&#xff1a; 对接前准备 明确需求&#xff1a;确定对接的目的和所需功能&#xff0c;如电影信息查询、场次查询、座位预订、支付等。明确支持的数据字段和业务流程。选择 API 服务提供商&#xff1a;选择技术成熟、服务稳定、覆盖范围广的…...

编程日记 2025/8/16 3:34:51

初识Redis · 客户端“Hello world“

目录 前言&#xff1a; 环境配置 Hello world 前言&#xff1a; 前文我们已经介绍了Redis的不常见的五种数据类型&#xff0c;并且补充了几个渐进式命令和数据库管理命令等&#xff0c;最后简单认识了一下RESP协议&#xff0c;但是老实说&#xff0c;我们只能算是知道了这个…...

编程日记 2025/8/16 12:55:44

51单片机实验一：点亮led灯

目录 一、实验环境与实验器材 二、实验内容及实验步骤 1.用keil 软件创建工程&#xff0c;C文件编写程序&#xff0c;编译生成hex文件​编辑 2.用STC烧写hex文件&#xff0c;点亮第一个LED灯 3.使用法2&#xff0c;点除第一个以外的LED灯 一、实验环境与实验器材 环境&am…...

编程日记 2025/8/12 22:09:37

基于WOA鲸鱼优化的NARMAX模型参数辨识算法MATLAB仿真,对比PSO优化算法

目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 4.1 NARMAX模型定义 4.2 鲸鱼优化算法WOA原理 4.3 粒子群优化算法PSO原理 5.完整程序 1.程序功能描述 基于WOA鲸鱼优化的NARMAX模型参数辨识算法MATLAB仿真,对比PSO优化算法。分别通过WOA…...

编程日记 2025/8/13 22:20:22

AWS上构建基于自然语言的数值和符号计算系统

我想要实现一个通过使用C#、Semantic Kernel库、OpenAI GPT 4的API和以下使用C#开源库MathNet实现通过中文自然语言提示词中包含LATEX代码输入到系统，通过以下符号和数值计算和其它符号和数值计算程序输出计算结果和必要步骤的应用，这样的数学计算使用程序直接产生结果，可以…...

编程日记 2025/8/14 1:20:42

2025年03月中国电子学会青少年软件编程（Python）等级考试试卷（三级）真题

青少年软件编程&#xff08;Python&#xff09;等级考试试卷&#xff08;三级&#xff09; 分数&#xff1a;100 题数&#xff1a;38 答案解析&#xff1a;https://blog.csdn.net/qq_33897084/article/details/147341388 一、单选题(共25题&#xff0c;共50分) 1. 学校进行体…...

编程日记 2025/8/13 16:23:49

校平机：精密制造的“材料雕刻家“

在液晶面板生产线的无尘车间里&#xff0c;一片薄如蝉翼的玻璃基板正经历纳米级的形态修正&#xff1b;在新能源电池极片生产线上&#xff0c;铜箔以每秒5米的速度穿越精密辊系&#xff0c;完成微米级的平整蜕变。这些现代工业的"毫米级魔术"&#xff0c;都离不开一台…...

编程日记 2025/8/15 22:01:36

FPGA HR Bank如何支持ODELAY问题分析

目录 1.ODELAY简单介绍 2.IODELAY 的特性 3.IODELAY 的 资源支持的管脚 4.HR bank如何支持ODELAY固定延迟 1.ODELAY简单介绍 FPGA 中的 IODELAY（Input/Output Delay），这是 Xilinx（现 AMD）FPGA 中一种用于精确控制输入/输出信号时序延迟的硬件资源。以下是关于 IODELAY…...

编程日记 2025/8/15 21:19:24

深入解析C++驱动开发实战：优化高效稳定的驱动应用

深入解析C驱动开发实战&#xff1a;优化高效稳定的驱动应用 在现代计算机系统中&#xff0c;驱动程序&#xff08;Driver&#xff09;扮演着至关重要的角色&#xff0c;作为操作系统与硬件设备之间的桥梁&#xff0c;驱动程序负责管理和控制硬件资源&#xff0c;确保系统的稳定…...

编程日记 2025/8/14 8:21:33

高级java每日一道面试题-2025年4月13日-微服务篇[Nacos篇]-Nacos如何处理网络分区情况下的服务可用性问题？

如果有遗漏,评论区告诉我进行补充 面试官: Nacos如何处理网络分区情况下的服务可用性问题&#xff1f; 我回答: 在讨论 Nacos 如何处理网络分区情况下的服务可用性问题时&#xff0c;我们需要深入理解 CAP 理论以及 Nacos 在这方面的设计选择。Nacos 允许用户根据具体的应用…...

编程日记 2025/8/14 8:28:29

07_Docker 资源限制

Docker 容器做资源限制&#xff0c;是为了不让某个容器抢光 CPU、内存等主机资源&#xff0c;保证所有容器都能稳定运行&#xff0c;还能避免宿主机资源被耗尽&#xff0c;让资源利用更高效&#xff0c;也方便管理和满足服务的性能要求。 监控容器资源使用情况 docker stats …...

编程日记 2025/8/16 5:31:38

Flutter Notes ｜ 我用到的一些插件整理

Flutter开发必备插件推荐与iOS上架工具分享 前言 一个项目的开始和结束&#xff0c;总会遇到很多意料之外的东西。大神和菜鸟的区别&#xff0c;个人感觉更多的是大神花费了很多私下时间去了解每个问题的根本是什么&#xff0c;而我这小菜鸟&#xff0c;仅仅网上浪一圈&#…...

编程日记 2025/8/11 9:48:18

WordPress自定义页面与文章：打造独特网站风格的进阶指南

文章目录 引言一、理解WordPress页面与文章的区别二、主题与模板层级&#xff1a;自定义的基础三、自定义页面模板&#xff1a;打造专属页面风格四、自定义文章模板&#xff1a;打造个性化文章呈现五、使用自定义字段和元数据&#xff1a;增强内容灵活性六、利用WordPress钩子&…...

编程日记 2025/8/12 16:45:26

golang channel源码

解析 数据结构 hchan&#xff1a;channel 数据结构 qcount&#xff1a;当前 channel 中存在多少个元素&#xff1b; dataqsize: 当前 channel 能存放的元素容量&#xff1b; buf&#xff1a;channel 中用于存放元素的环形缓冲区&#xff1b; elemsize&#xff1a;channel 元素…...

编程日记 2025/8/14 3:53:30

麒麟操作系统漏洞修复保姆级教程弱（一）算法漏洞修复

如果你想拥有你从未拥有过的东西&#xff0c;那么你必须去做你从未做过的事情 目录 一、相关问题 二、建议修复方法 修复方案&#xff08;方案一和方案二是错误示范&#xff0c;干货在方案三&#xff09; 方案一、首先我想按照第一步&#xff0c;将OpenSSH升级解决这一漏洞…...

编程日记 2025/8/15 17:38:17

汉诺塔专题：P1760 通天之汉诺塔 题解 + Problem D: 汉诺塔 题解

1. P1760 通天之汉诺塔 题解 题目背景 直达通天路小A历险记第四篇 题目描述 在你的帮助下&#xff0c;小 A 成功收集到了宝贵的数据&#xff0c;他终于来到了传说中连接通天路的通天山。但是这距离通天路仍然有一段距离&#xff0c;但是小 A 突然发现他没有地图&#xff0…...

编程日记 2025/8/14 5:58:03