当前位置: 首页 > news >正文

数字电子技术基础(三十九)——显示译码器

目录

1 显示译码器

1.1 显示译码器简介

1.2 七段显示译码器和八段显示译码器

1.3 BCD-七段显示译码器

1.4 多位显示译码器


1 显示译码器

1.1 显示译码器简介

显示译码器是一种数字电路,是将二进制转换为驱动显示设备所需要的信号,核心是将编码数据转换为对应的显示信号,使显示器能够正确地显示数字、字母和符号。

1.2 七段显示译码器和八段显示译码器

七段显示译码器是一种常见的数字显示设备,是由七个独立的发光段组成“8”的字形,通过控制不同段的亮灭组合来显示数字0~9。这种七段显示译码器广泛应用于各种显示屏中。如下图所示为七段显示译码器 :

图1 七段显示译码器

(图片来源:七段显示译码管)

上图是一种七段显示译码器的数码管,这个数码管每一段都是一个发光二极管(Light Emitting Diode,简称LED)。发光二极管与普通二极管不一样,而且半导体的杂质浓度很高,而且半导体的杂质浓度很高。
在BS201等一些数码管还会在右下角处增设一个小数点,形成所谓的八段显示数码管。如下图所示:

图2 八段显示数码管

八段数码管的外形图:

图3 BS201A的外形图

BS201A的八段发光二极管(此时包括小数点位)的阴极是做在一起的,属于共阴极类型。如下图所示:

图4 共阴极类型的等效电路

共阴极类型的八段数码管是高电平输入有效。

另一种显示译码管为共阳极类型:

图5 共阳极类型的等效电路

共阳极类型的八段数码管是低电平输入有效。

半导体数码管不仅电压低、体积小、可靠性高、响应时间短,亮度也比较高。缺点就是工作电流比较大,每一段工作电压都在10mA左右。   

1.3 BCD-七段显示译码器

BCD码是一种将BCD码转化为驱动七段显示译码器的信号。令A_3A_2A_1A_0表示显示译码器输入BCD代码,以Y_a\sim Y_g表示输出7位二进制代码,其中1表示点亮,0表示熄灭。其中还规定了1010~1111这六个状态下显示的字型,真值表如下所示:

图6 七段显示译码器的真值表


画出相应的真值表如下所示:

(1)对于逻辑变量Y_a

图7 Ya的卡诺图

Y_a的逻辑式为:Y_a=A_3'A_2'A_0'+A_3'A_1+A_3A_2'A_1'+A_2A_1'A_0

(2)对于逻辑变量Y_b:

图8 Yb的卡诺图

Y_b的逻辑式为:Y_b=A_3'A_2'+A_3'A_1A_0+A_3A_2'A_1'+A_1'A_0'

(3)对于逻辑变量Y_c

图9 Yc的卡诺图

Y_c的逻辑式为:Y_c=A_3'A_2+A_2'A_1'+A_2'A_0

(4)对于逻辑变量Y_d:

图10  Yd的卡诺图

Y_d的逻辑式为:Y_d=A_2'A_0+A_2'A_1'+A_2A_1'A_0+A_1A_0'
(4)对于逻辑变量Y_e

Y_c=A_3'A_2+A_2'A_1'+A_2'A_0

图11 Ye的卡诺图

Y_e的逻辑式为:Y_e=A_2'A_0'+A_1A_0'

(5)对于逻辑变量Y_f

图12 Yf的卡诺图

Y_f的逻辑式为:Y_f=A_3A_0'+A_2A_1'+A_2A_0'+A_1'A_0'

(6)对于逻辑变量Y_g

图13 Yg的卡诺图

Y_g的逻辑式为:Y_g=A_3A_0'+A_2A_1'+A_2'A_1+A_1A_0'

将上面的逻辑式进行总结得:

                                          Y_a=A_3'A_2'A_0'+A_3'A_1+A_3A_2'A_1'+A_2A_1'A_0

                                          Y_b=A_3'A_2'+A_3'A_1A_0+A_3A_2'A_1'+A_1'A_0'

                                          Y_c=A_3'A_2+A_2'A_1'+A_2'A_0

                                         Y_d=A_2'A_0+A_2'A_1'+A_2A_1'A_0+A_1A_0'

                                         Y_e=A_2'A_0'+A_1A_0'

                                        Y_f=A_3A_0'+A_2A_1'+A_2A_0'+A_1'A_0'

                                         Y_g=A_3A_0'+A_2A_1'+A_2'A_1+A_1A_0'

这种是对于卡诺图中的“1”画圈,同时另一种是对于卡诺图中的“0”画圈,这种方式可以得到如下所示的逻辑式:

                                         Y_a=(A_3'A_2'A_1'A_0+A_3A_1+A_2A_0')'

                                         Y_b=(A_3A_1+A_2A_1A_0'+A_2A_1'A_0)'

                                         Y_c=(A_3A_2+A_2'A_1A_0')'

                                         Y_d=(A_2A_1A_0+A_2A_1'A_0'+A_2'A_1'A_0)'

                                         Y_e=(A_2A_1'+A_0)'

                                         Y_f=(A_3'A_2'A_0+A_2'A_1+A_1A_0)'

                                         Y_g=(A_3'A_2'A_1'+A_2A_1A_0)'

电路结构如下图所示:

图14 BCD-七段显示译码器的内部逻辑图

8421码-七段显示译码器的逻辑框图如下所示:

图15 BCD-七段显示译码器的逻辑框图

在内部门电路图中,有三个附加的控制信号,分别为LT'、RBI'和BI'/RBO'。其中三个灯表示意思如下所示:

(1)灯测试输入LT'

灯测试输入是强制七段所有段点亮,用于检测显示器是否正常工作。当LT'=0时,Y_a\sim Y_g全部置于1,正常工作时保持LT'=1。

(2)灭灯输入RBI'

主要用于抑制无效前导零。当A_3A_2A_1A_0=0000时,但RBI'=0时,显示器熄灭。当输入的8421码输入非零,则正常显示。

(3)灭灯输入/灭零输出BI'/RBO'

BI'/RBO'具有双重作用。

  • 当BI'=0时,无论输入的变量值输入什么,数码管都会熄灭。
  • 当RBO'=0时,且8421码输入为0000时,RBO'输出为低电平,可用于下一级的级别。因此RBO'=0时,表示译码管被本来显示的零熄灭了。

1.4 多位显示译码器

如下所示多位显示译码器的电路图:

图16 有零灭控制的8位数码显示系统

(本图参考清华大学王红的《数字电子技术基础》内容,设计方式不唯一)

实物图如下所示:

图17 8位显示译码器的实物图

为什么要设计有零灭控制的8位数码显示译码器?在实际应用中,可能会出现不需要显示0的情况,例如“0017”不需要显示前面的00,或者“1.2000”不用显示后面的零,利用RBI'和RBO'的配合,实现多位显示器系统的灭零控制。

  • 整数部分:最高位是0,而且灭掉之后,输出RBO'作为次高位的输入信号RBI'。
  • 小数部分:最低位为0,而且灭掉之后,输出RBO'作为次低位的输入信号RBI'。 

在系统设计的过程中,高位的“0”和低位的“0”会被省略,但是中间的的“0”会被保留。 有灭零控制的8位数码器显示系统的设计方式不唯一。

(本文参考清华大学王红《数字电子技术基础》课程内容)

相关文章:

数字电子技术基础(三十九)——显示译码器

目录 1 显示译码器 1.1 显示译码器简介 1.2 七段显示译码器和八段显示译码器 1.3 BCD-七段显示译码器 1.4 多位显示译码器 1 显示译码器 1.1 显示译码器简介 显示译码器是一种数字电路,是将二进制转换为驱动显示设备所需要的信号,核心是将编码数据…...

Java学习总结-多线程-三种创建方法

什么是线程? 线程(Thread)是程序内部的一条执行流程。 程序如果只有一条执行流程,那这个程序就是单线程程序。 什么是多线程? 多线程是指从软硬件上实现的多条执行流程的技术(多条线程由CPU负责调度执行…...

sqli-labs靶场 less 7

文章目录 sqli-labs靶场less 7 mysql文件上传拿web shell sqli-labs靶场 每道题都从以下模板讲解,并且每个步骤都有图片,清晰明了,便于复盘。 sql注入的基本步骤 注入点注入类型 字符型:判断闭合方式 (‘、"、…...

大模型最新面试题系列:模型部署(二)

一、如何通过unsloth的批处理(Batching)功能提升推理效率? Unsloth的批处理(Batching)功能通过整合硬件加速、内存优化和动态调度技术,显著提升大模型推理效率。以下是具体实现方法和实际应用场景的深度解…...

Python助力去中心化云计算:构建分布式计算的未来

Python助力去中心化云计算:构建分布式计算的未来 随着区块链技术和Web 3.0生态的兴起,去中心化云计算正逐步成为主流。它不仅颠覆了传统集中式云计算的架构,还为数据安全、隐私保护以及资源分配带来了新的可能性。在这一领域,Python因其简洁易用、社区庞大以及强大的工具链…...

HCIP【路由过滤技术(详解)】

目录 1 简介 2 路由过滤方法 3 路由过滤工具 3.1 静默接口 3.2 ACL 3.3 地址前缀列表 3.4 filter-policy 3.4.1 filter-policy过滤接收路由(以RIP为例) 3.4.2 filter-policy过滤接收路由(以OSPF为例) 1 简介 路由过滤技术…...

LeetCode Hot100 刷题笔记(3)—— 链表

目录 前言 1. 相交链表 2. 反转链表 3. 回文链表 4. 环形链表 5. 环形链表 II 6. 合并两个有序链表 7. 两数相加 8. 删除链表的倒数第 N 个结点 9. 两两交换链表中的节点 10. K 个一组翻转链表 11. 随机链表的复制 12. 排序链表 13. 合并 K 个升序链表 14. LRU 缓存 前言 一、…...

商品计费打折实现效果

1.创建php站点 2.创建php文件 3.执行php文件打开浏览器地址栏输入http://localhost/dophp/price.php页面如图所示: 4.表单输入,创建php文件price_form.php 运行效果为...

游戏引擎学习第207天

回顾并为今天的内容定下基调 我们正在继续上一次的任务,目的是构建一个基本的元编程系统,用来自动处理结构体信息,减少手动维护的代码量。具体来说,我们写了一个简单的预处理器,它可以解析代码中的结构体定义&#xf…...

Linux内核页表缓存(TLB)与巨型页

一、页表缓存(TLB) 处理器厂商在内存管理单元 (MMU) 里增加一个 TLB (Translation Lookaside Buffer) 的高速缓存,TLB 直译为转译后备缓冲器,也被翻译为页表缓存。 TLB 为 CPU 的一种缓存,由存储器管理单元用于…...

Web3(阶段一:入门)——默克尔树

什么是默克尔树 默克尔树(Merkle Tree),又称哈希树,是一种基于哈希算法的数据结构,用于高效验证数据完整性。其核心思想是将数据分块并逐层哈希,最终生成唯一的根哈希值。 核心特点: 结构分层…...

Qt Quick 与 Qt 版本匹配关系

一、核心版本对应关系 Qt 版本Qt Quick 版本重要特性Qt 5.0Qt Quick 2.0首次引入基于Scene Graph的架构Qt 5.12Qt Quick 2.12长期支持版(LTS),新增粒子系统增强Qt 5.15Qt Quick 2.15最后5.x LTS,改进3D集成Qt 6.0Qt Quick 6.0完全重写渲染架构,支持VulkanQt 6.2Qt Quick 6.2…...

DefaultListableBeanFactory

文章目录 DefaultListableBeanFactory介绍继承关系源码码解析属性成员getbean方法setAutowireCandidateResolver方法resolveDependency方法doResolveDependency方法findAutowireCandidates 方法determineAutowireCandidate 方法 DefaultListableBeanFactory介绍 BeanFactory是…...

软件工程面试题(三十二)

1、java程序每天12点打印”hello” public static void main(String[] args) {Date date = new Date(); System.out.println(date.getHours()); while (true) {while (date.getHours() == 12) {if (date.getMinutes() == 0) {if (date.getSeconds() == 0) {System.out.print…...

高频面试题(含笔试高频算法整理)基本总结回顾66

干货分享,感谢您的阅读! (暂存篇---后续会删除,完整版和持续更新见高频面试题基本总结回顾(含笔试高频算法整理)) 备注:引用请标注出处,同时存在的问题请在相关博客留言…...

生成式人工智能(AIGC):内容创作的新引擎与新挑战

在数字化时代,内容创作的需求呈爆炸式增长。无论是社交媒体、新闻媒体、广告营销还是娱乐行业,都急需大量高质量的文本、图像、音频和视频内容。然而,传统的内容创作方式面临着效率低下、成本高昂、创意枯竭等问题。生成式人工智能&#xff0…...

Java 大视界 -- 基于 Java 的大数据分布式计算在气象数据处理与天气预报中的应用进展(176)

💖亲爱的朋友们,热烈欢迎来到 青云交的博客!能与诸位在此相逢,我倍感荣幸。在这飞速更迭的时代,我们都渴望一方心灵净土,而 我的博客 正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识,也…...

react和vue在开发使用的语法上面有什么区别?

React和Vue在开发使用的语法上有诸多区别,下面从组件定义、数据绑定、事件处理、生命周期钩子等方面详细阐述: 1. 组件定义 React: 函数组件是React推荐的组件定义方式,它本质上是一个JavaScript函数,返回JSX元素。类…...

ReFormX:现代化的 React 表单解决方案 - 深度解析与最佳实践

ReFormX文档 表单开发一直是前端工作中最繁琐却又最常见的任务之一。从简单的登录表单到复杂的多步骤配置页面,开发者往往需要编写大量重复代码,处理繁琐的状态管理、数据验证和联动逻辑。ReFormX 应运而生,它不仅是一个表单组件库&#xff…...

STM32单片机入门学习——第19节: [6-7]TIM编码器接口

写这个文章是用来学习的,记录一下我的学习过程。希望我能一直坚持下去,我只是一个小白,只是想好好学习,我知道这会很难,但我还是想去做! 本文写于:2025.04.06 STM32开发板学习——第19节: [6-7]TIM编码器接口 前言开发板说明引用解答和科普一…...

Spring 中的 bean 生命周期

🌱 一、什么是 Bean 生命周期? 在 Spring 容器中,一个 Bean 从“创建 → 初始化 → 使用 → 销毁”,经历了完整的生命周期。 Spring 提供了 多个扩展点 让你可以在这些阶段做事情,比如注入资源、日志记录、连接资源、清…...

Kafka 在 k8s 中的消费者实例

每个 Pod(在 K8s 中运行的消费者实例)都会作为一个独立的消费者加入到 Kafka 消费者组中。 如果只是将消费者代码在 K8s 中复制多个实例(例如通过增加副本数),每个实例都会作为一个独立的消费者加入到 Kafka 消费者组…...

野草云防火墙风险分析及 Docker 使用注意事项

在实际使用野草云服务器部署 Docker 服务过程中,我发现了一个非常容易被忽视但极具风险的安全问题——野草云的防火墙逻辑与 Docker 默认行为之间存在冲突,如果配置不当,可能会导致容器服务被意外暴露在公网,甚至绕过你设置的“拒…...

C++中高精度运算问题

前言:在备赛蓝桥杯时,遇到C处理数值较大的浮点数问题,特此记录一下。 C 的 std::string 类使用动态内存分配,其长度可以根据需要动态增加或减少,自动调整内存大小以适应字符串内容的变化。当字符串长度超过当前分配的…...

开篇 - 配置Unlua+VsCode的智能提示、调试以及学习方法

智能提示 为要绑定Lua的蓝图创建模板文件,这会在Content/Script下生成lua文件 然后点击生成智能代码提示,这会在Plugins/Unlua/Intermediate/生成Intenllisense文件夹 打开VSCode,点击文件->将工作区另存为。生成一个空工作区,放置在工程…...

前端快速入门学习4——CSS盒子模型、浮动、定位

一、盒子模型 所有HTML元素可以看作盒子,在CSS中,"box model"这一术语是用来设计和布局时使用。 CSS盒模型本质上是一个盒子,封装周围的HTML元素,它包括:边距,边框,填充&#xff0c…...

在 ASP.NET Web Forms 项目中,编译后可能找不到 `Login.aspx.cs` 的源码文件的原因?

在 ASP.NET Web Forms 项目中,确实存在一种情况:编译后可能找不到 Login.aspx.cs 的源码文件。以下是对此现象的详细分析和解释: 1. 已知信息 您提供的 Web.config 文件显示这是一个 ASP.NET Web Forms 项目。在 ASP.NET 中,.asp…...

centos7 yum install docker 安装错误

1、错误信息: [rootlocalhost atguigu]# yum install docker 已加载插件:fastestmirror, langpacks Repository base is listed more than once in the configuration Loading mirror speeds from cached hostfile Could not retrieve mirrorlist http:…...

spring mvc异步请求 sse 大文件下载 断点续传下载Range

学习连接 异步Servlet3.0 Spring Boot 处理异步请求(DeferredResult 基础案例、DeferredResult 超时案例、DeferredResult 扩展案例、DeferredResult 方法汇总) spring.io mvc Asynchronous Requests 官网文档 spring.io webflux&webclient官网文…...

Java项目集成大模型(通译千问)

1:打开阿里云搜索 通义大模型,然后点击丰富开发API接口。 2:可以看到有openAi和DashScope两种模式,我们这次采用DashScope方法,点击DashScope 3:点击获取Apikey 然后点击 前往我得Api-key跳转到控制台&…...

Lisp语言的安全协议

Lisp语言与安全协议的结合 引言 在信息社会的今天,数据的安全性和隐私保护愈发重要。随着网络攻击手段的不断演进,各种安全协议相继被提出与实现。与此同时,Lisp作为一种古老且灵活的计算机编程语言,虽然并不是主流的系统编程语…...

【图像处理基石】什么是自动曝光(AE)?

1. 什么是自动曝光(AE)? 自动曝光(Auto Exposure, AE)是一种通过调整相机参数(如曝光时间、增益、光圈等)使图像亮度达到目标值的技术。其核心是通过实时分析图像亮度,动态优化参数…...

清明假期间

1.思维导图 2.90题 3. #include <iostream> #include <cstring> #include <cstdlib> #include <unistd.h> #include <sstream> #include <vector> #include <memory>using namespace std;class Weapon;class Hero{ private:int hp;…...

el-tabs添加按钮增加点击禁止样式

前置文章 一、vue使用element-ui自定义样式思路分享【实操】 二、vue3&ts&el-tabs多个tab表单校验 现状确认 点击添加按钮&#xff0c;没有点击样式&#xff0c;用户感知不明显没有限制最大的tab添加数量&#xff0c;可以无限添加 调整目标&代码编写 调整目标…...

Elasticsearch DSL 中的 aggs 聚合

一、聚合的概述 Elasticsearch 的 聚合&#xff08;Aggregations&#xff09; 功能用于对数据进行多维分析和统计&#xff0c;支持从简单的指标计算到复杂的分组分析。以下是聚合的基本结构&#xff1a; {"aggs": { // 也可以使用"agg…...

API调用类型全面指南:理解基础知识

在当今快速发展的数字化环境中&#xff0c;API&#xff08;应用程序编程接口&#xff09;是不同软件应用程序能够无缝通信的基石。无论是开发移动应用、集成第三方服务&#xff0c;还是构建强大的Web平台&#xff0c;理解各种API调用类型至关重要。那么&#xff0c;API调用到底…...

华东师范​地面机器人融合空中无人机视角的具身导航!KiteRunner:语言驱动的户外环境合作式局部-全局导航策略

作者&#xff1a;Shibo Huang 1 ^{1} 1, Chenfan Shi 1 ^{1} 1, Jian Yang 2 ^{2} 2, Hanlin Dong 1 ^{1} 1, Jinpeng Mi 3 ^{3} 3, Ke Li 2 ^{2} 2, Jianfeng Zhang 1 ^{1} 1, Miao Ding 4 ^{4} 4, Peidong Liang 5 ^{5} 5, Xiong You 2 ^{2} 2, Xian Wei 1 ^{1} 1单位&#x…...

Ansible(6)——管理变量

目录 一、Ansible 变量&#xff1a; 1、什么是变量&#xff1a; 2、变量可能包含的值&#xff1a; 3、变量命名&#xff1a; 4、定义变量&#xff1a; 二、Playbook 中的变量&#xff1a; 1、在 Playbook 中定义变量&#xff1a; &#xff08;1&#xff09;最简单的定…...

Git常用问题收集

gitignore 忽略文件夹 不生效 有时候我们接手别人的项目时&#xff0c;发现有的忽略不对想要修改&#xff0c;但发现修改忽略.gitignore后无效。原因是如果某些文件已经被纳入版本管理在.gitignore中忽略路径是不起作用的&#xff0c;这时候需要先清除本地缓存&#xff0c;然后…...

构建高效多标签选择组件:从设计到实现

在现代Web应用中&#xff0c;多标签选择功能已成为常见需求&#xff0c;特别是在内容分类、文章标签、用户兴趣选择等场景。本文将深入解析一个完整的多标签选择实现方案&#xff0c;涵盖交互设计、核心功能和优化技巧。 组件功能概述 这个多标签选择组件提供以下核心功能&am…...

4.1论文阅读

一&#xff1a;PhDnet&#xff1a;一种用于遥感图像的新型物理感知去雾网络&#xff08;A novel physic-aware dehazing network for remote sensing images&#xff09; 论文链接 只是粗略读了一下&#xff0c;关于遥感图像去雾&#xff0c;圆形U--net&#xff0c;加入了物理…...

【渗透测试】Vulnhub靶机-HA: Armour-详细通关教程

下载地址&#xff1a;https://www.vulnhub.com/entry/ha-armour,370/ 目录 前言 信息收集 tftp获取&#xff08;spiderman&#xff09; 查看.htpasswd&#xff08;ant-man&#xff09; ssh欢迎信息提示&#xff08;hulkbuster&#xff09; 反弹shell 提权&#xff08;i…...

Flask使用MySQL数据库通过Flask-SQLAlchemy 迁移数据库,实际更新文件,但是提示没有检测到数据更新。

本地写了一个model的用户类&#xff0c;数据库连接信息正确&#xff0c;执行下面2条命令进行数据库迁移。 flask db migrate 生成迁移文件 flask db upgrade 执行迁移文件的升级 发现执行完后&#xff1a;提示没有检测到数据的更新 PS C:\Users\mu> flask db migrate IN…...

【leetcode100】前K个高频元素

1、题目描述 给你一个整数数组 nums 和一个整数 k &#xff0c;请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。 示例 1: 输入: nums [1,1,1,2,2,3], k 2 输出: [1,2]示例 2: 输入: nums [1], k 1 输出: [1] 2、初始思路 2.1 思路 全排列&#xf…...

内网渗透-MySQL提权

MySQL提权 mysql的权限提升通常有两种&#xff1a; UDF提权&#xff08;常用&#xff09; 写文件提权启动项提权mof提权一、UDF提权 UDF 全称为user defined function&#xff0c;用户自定义函数 用户可以添加自定义的新函数到Mysql中&#xff0c;以达到功能的扩充&#xf…...

Hibernate核心方法总结

Session中的核心方法梳理 1、save方法 这个方法表示将一个对象保存到数据库中&#xff0c;可以将一个不含OID的new出来的临时对象转换为一个处于Session缓存中具有OID的持久化对象。 需要注意的是&#xff1a;在save方法前设置OID是无效的但是也不会报错&#xff0c;在save方…...

DevOps 与持续集成(CI/CD)

1. DevOps 概述 DevOps(Development + Operations)是一种软件开发方法,强调开发(Dev)与运维(Ops)协作,通过自动化工具提高软件交付效率。其目标是: ✅ 提高部署速度 —— 频繁发布新版本 ✅ 减少人为错误 —— 通过自动化降低运维风险 ✅ 增强可观测性 —— 监控和日…...

下一代AI App架构:前端生成,后端消失

过去十年&#xff0c;Web 和 App 的开发范式基本稳定&#xff1a;前端负责交互体验&#xff0c;后端负责业务逻辑和数据管理。即使是“无服务架构”也只是将后端“拆散”而非“消失”。 但随着 AI 原生应用的兴起&#xff0c;特别是 大模型本地化、小模型部署、WebAssembly、L…...

告别过去,奔向未来

人生就是一个不断雕刻自己的过程&#xff01;一路走来&#xff0c;我们经历过酸甜苦辣咸&#xff0c;迷茫过&#xff0c;跌倒过&#xff0c;懈怠过……但是&#xff0c;我想说这又何妨&#xff01;一个成功人士的经历必定是跌跌宕宕&#xff0c;起起伏伏的。关键是我们要做到&a…...

AF3 Recycling机制

在 AlphaFold3中,输入数据的特征加工中生成了recycling 维度的数据,主要通过ensembled_transform_fns函数抽样得到不同的扰动的MSA、template特征等,类似于数据增强的作用。在数据集的加载和模型的训练中利用了这一维度的数据,增强了模型的稳定性和鲁棒性,避免单一预测结果…...