ARM处理器内核全解析:从Cortex到Neoverse的架构与区别
ARM处理器内核全解析:从Cortex到Neoverse的架构与区别
ARM作为全球领先的处理器架构设计公司,其内核产品线覆盖了从高性能计算到低功耗嵌入式应用的广泛领域。本文将全面解析ARM处理器的内核分类、架构特点、性能差异以及应用场景,帮助读者深入理解ARM生态系统的技术脉络。
一、ARM处理器内核概述
ARM公司自1990年成立以来,已经发展出完整的内核产品线,主要分为三大系列:Cortex-A、Cortex-M和Cortex-R,以及面向服务器/基础设施的Neoverse系列。这些内核基于不同的ARM架构版本(如ARMv7、ARMv8、ARMv9)设计,各自针对特定的应用场景进行了优化。
ARM采用IP授权模式,其商业模式是设计处理器架构和内核,然后将这些设计授权给其他公司使用。芯片厂商如高通、三星、苹果等可以基于ARM架构设计自己的处理器,或者直接使用ARM的公版内核设计。
二、ARM内核分类及特点
1. Cortex-A系列:高性能应用处理器
Cortex-A系列是ARM的旗舰产品线,专注于高性能计算,主要应用于智能手机、平板电脑、数字电视、服务器等需要运行复杂操作系统(如Linux、Android)的设备。
主要特性:
- 支持多核配置(通常1-8核,服务器级可达128核以上)
- 高时钟频率(移动端2-3GHz,服务器可达3.5GHz+)
- 大容量缓存(L1/L2/L3)
- 支持虚拟化、NEON SIMD指令集
- 支持TrustZone安全扩展
- 采用先进制程(最新达3nm)
典型内核演进:
表:Cortex-A系列主要内核对比
内核 | 架构 | 发布时间 | 主频 | 特点 | 典型应用 |
---|---|---|---|---|---|
Cortex-A53 | ARMv8-A | 2012 | 1.2-2.3GHz | 首款64位小核,高能效 | 中端手机、IoT网关 |
Cortex-A55 | ARMv8.2-A | 2017 | 1.8-2.7GHz | 首款DynamIQ小核,AI优化 | 中高端手机、边缘计算 |
Cortex-A72 | ARMv8-A | 2015 | 1.8-2.5GHz | 性能比A57提升20% | 高端手机、平板 |
Cortex-A75 | ARMv8.2-A | 2017 | 2.0-3.0GHz | 首款DynamIQ大核 | 旗舰手机、笔记本 |
Cortex-A76 | ARMv8.2-A | 2018 | 2.8-3.5GHz | IPC提升35%,AI加速 | 旗舰手机、轻薄本 |
Cortex-A78 | ARMv8.2-A | 2020 | 2.4-3.0GHz | 性能提升20%,功耗降50% | 高端手机、AR/VR |
Cortex-X1 | ARMv8.2-A | 2020 | 3.0-3.5GHz | 极致性能,面积增大 | 顶级旗舰手机 |
Cortex-X4 | ARMv9-A | 2023 | 3.4-3.8GHz | SVE2指令集,AI性能翻倍 | 旗舰手机、笔记本 |
2. Cortex-M系列:微控制器内核
Cortex-M系列是面向微控制器(MCU)和嵌入式系统的处理器内核,强调低功耗、实时性和成本效益。
主要特性:
- 单周期指令执行
- 低功耗设计(μA/MHz级)
- 快速中断响应(纳秒级)
- 小尺寸(最小内核仅0.01mm²)
- 支持Thumb-2指令集
- 无MMU,可运行RTOS
典型内核演进:
表:Cortex-M系列主要内核对比
内核 | 架构 | 发布时间 | 特点 | 典型应用 |
---|---|---|---|---|
Cortex-M0 | ARMv6-M | 2009 | 面积最小,0.9DMIPS/MHz | 智能传感器、可穿戴 |
Cortex-M0+ | ARMv6-M | 2012 | 功耗降低30% | 物联网终端、HMI |
Cortex-M3 | ARMv7-M | 2004 | 1.25DMIPS/MHz,NVIC | 工业控制、家电 |
Cortex-M4 | ARMv7-M | 2010 | 增加DSP/FPU指令 | 数字信号控制、电机 |
Cortex-M7 | ARMv7-M | 2014 | 2.14DMIPS/MHz,6级流水线 | 高端工控、音频处理 |
Cortex-M23 | ARMv8-M | 2016 | TrustZone安全扩展 | 安全物联网设备 |
Cortex-M33 | ARMv8-M | 2016 | 1.5DMIPS/MHz,DSP扩展 | AIoT、边缘节点 |
Cortex-M55 | ARMv8.1-M | 2020 | 首款带AI加速(Helium) | 机器学习端点 |
Cortex-M85 | ARMv8.1-M | 2022 | 5.1DMIPS/MHz,ML优化 | 高端嵌入式AI |
3. Cortex-R系列:实时处理器内核
Cortex-R系列专为高可靠性实时系统设计,广泛应用于汽车电子、工业控制和存储设备等领域。
主要特性:
- 低延迟中断响应(<1μs)
- 锁步核(lock-step)设计
- ECC内存保护
- 实时操作系统支持
- 小容量紧耦合内存(TCM)
典型内核演进:
表:Cortex-R系列主要内核对比
内核 | 架构 | 发布时间 | 特点 | 典型应用 |
---|---|---|---|---|
Cortex-R4 | ARMv7-R | 2006 | 双核锁步,600MHz | 硬盘控制器、ABS |
Cortex-R5 | ARMv7-R | 2011 | 增强ECC,1GHz | 汽车ECU、工业PLC |
Cortex-R7 | ARMv7-R | 2013 | 1.5GHz,多核一致性 | 5G基带、SSD控制器 |
Cortex-R8 | ARMv7-R | 2016 | 4核,ASIL-D认证 | 自动驾驶传感器融合 |
Cortex-R52 | ARMv8-R | 2017 | 硬件虚拟化,1.5GHz | 域控制器、安全网关 |
4. Neoverse系列:基础设施处理器
Neoverse是ARM面向数据中心、网络基础设施和HPC设计的高性能处理器系列,基于最新的ARMv8/v9架构。
主要特性:
- 超高核心数(最高256核)
- 多芯片一致性互联
- 先进矢量扩展(SVE/SVE2)
- 硬件虚拟化加速
- 支持PCIe 5.0/CXL
典型产品线:
表:Neoverse系列主要平台对比
平台 | 架构 | 发布时间 | 特点 | 典型应用 |
---|---|---|---|---|
Neoverse N1 | ARMv8.2-A | 2019 | 64核,3GHz | 云服务器、边缘计算 |
Neoverse N2 | ARMv9-A | 2021 | IPC提升40%,128核 | 5G基础设施、AI推理 |
Neoverse V1 | ARMv9-A | 2021 | SVE 512位,2倍FP性能 | HPC、超算 |
Neoverse V2 | ARMv9-A | 2023 | SVE2,3倍AI性能 | 机器学习训练 |
三、关键技术演进
1. ARM架构版本发展
ARM架构是内核设计的基础,定义了指令集、内存模型等核心规范:
- ARMv4/v5:早期32位架构,代表内核ARM7/ARM9
- ARMv6:引入Thumb-2指令集,代表内核ARM11
- ARMv7:分为三线:A(应用)、R(实时)、M(微控制器)
- ARMv8:引入64位支持(AArch64),安全扩展
- ARMv9:SVE2矢量指令、CCA安全架构、AI加速
2. 大小核与DynamIQ技术
ARM的big.LITTLE技术通过组合高性能大核与高能效小核实现能效优化。2017年推出的DynamIQ技术进一步改进:
- 单集群支持混合架构(如A76+A55)
- 共享L3缓存,降低核间通信延迟
- 每个核独立电压/频率控制
- 支持8核灵活配置(如1+3+4组合)
3. 安全技术演进
- TrustZone:硬件安全隔离(安全/非安全世界)
- CCA(ARMv9):机密计算架构,保护运行时数据
- MTE(ARMv9):内存标签扩展,防内存漏洞
四、选型与应用指南
1. 性能对比
表:典型ARM内核性能对比(DMIPS/MHz)
内核 | 类型 | 性能 | 功耗 | 工艺节点 |
---|---|---|---|---|
Cortex-A510 | 小核 | 3.3 | 超低 | 5nm |
Cortex-A715 | 中核 | 4.7 | 中 | 4nm |
Cortex-X4 | 大核 | 5.8 | 高 | 3nm |
Cortex-M85 | MCU | 5.1 | 极低 | 22nm |
Neoverse V2 | 服务器 | 6.2+ | 超高 | 5nm |
2. 应用场景推荐
- 智能手机:A510+A715+X4组合,配合DynamIQ
- 汽车电子:Cortex-R52(实时)+Cortex-A78(信息娱乐)
- 工业控制:Cortex-M7(实时)+Cortex-A53(HMI)
- 数据中心:Neoverse N2/V2多芯片配置
- AI边缘设备:Cortex-A55+NPU或Cortex-M55
3. 发展趋势
- AI加速:矩阵运算指令(如SVE2、Helium)
- 安全性:RISC-V竞争推动ARM安全功能增强
- chiplet:Neoverse多芯片互联技术
- 能效比:ARM在移动端持续领先x86
五、总结
ARM处理器内核经过30多年发展,已经形成覆盖从μW级传感器到MW级超算的完整产品矩阵。理解不同内核的架构特性、性能差异和应用场景,对于嵌入式系统设计、产品选型至关重要。随着ARMv9的普及和chiplet技术的发展,ARM正在向更高性能的计算领域拓展,同时保持其一贯的能效优势。
相关文章:
ARM处理器内核全解析:从Cortex到Neoverse的架构与区别
ARM处理器内核全解析:从Cortex到Neoverse的架构与区别 ARM作为全球领先的处理器架构设计公司,其内核产品线覆盖了从高性能计算到低功耗嵌入式应用的广泛领域。本文将全面解析ARM处理器的内核分类、架构特点、性能差异以及应用场景,帮助读者深…...
网络缓冲区
网络缓冲区分为内核缓冲区和用户态网络缓冲区 我们重点要实现用户态网络缓冲区 1.设计用户态网络缓冲区的原因 ①.生产者和消费者的速度不匹配问题, 需要缓存数据。 ②.粘包处理问题, 不能确保一次系统调用读取或写入完整数据包。 2.代码实现(cha…...
数据仓库的核心架构与关键技术(数据仓库系列二)
目录 一、引言 二、数据仓库的核心架构 三、数据仓库的关键技术 1 数据集成与治理 2 查询优化与性能提升 3 数据共享服务 BI:以Tableau为例 SQL2API:以麦聪QuickAPI为例 4 实时数据处理 四、技术的协同作用 五、总结与展望 六、预告 一、引言…...
基于PyQt5与OpenCV的图像处理系统设计与实现
1. 系统概述 本系统是一个集成了多种经典图像处理算法的图形用户界面(GUI)应用程序,采用Python语言开发,基于PyQt5框架构建用户界面,利用OpenCV库实现核心图像处理功能。 系统支持11种图像处理操作,每种操作都提供参数实时调节功能,并具备原始图像与处理后图像的双视图对…...
如何根据设计稿进行移动端适配:全面详解
如何根据设计稿进行移动端适配:全面详解 文章目录 如何根据设计稿进行移动端适配:全面详解1. **理解设计稿**1.1 设计稿的尺寸1.2 设计稿的单位 2. **移动端适配的核心技术**2.1 使用 viewport 元标签2.1.1 代码示例2.1.2 参数说明 2.2 使用相对单位2.2.…...
什么是大型语言模型(LLM)?哪个大模型更好用?
什么是 LLM? ChatGPT 是一种大型语言模型 (LLM),您可能对此并不陌生。它以非凡的能力而闻名,已证明能够出色地完成各种任务,例如通过考试、生成产品内容、解决问题,甚至在最少的输入提示下编写程序。 他们的实力现已…...
集合学习内容总结
集合简介 1、Scala 的集合有三大类:序列 Seq、集Set、映射 Map,所有的集合都扩展自 Iterable 特质。 2、对于几乎所有的集合类,Scala 都同时提供了可变和不可变的版本,分别位于以下两个包 不可变集合:scala.collect…...
使用typedef和不使用的区别
使用 typedef 定义的函数指针类型 typedef sensor_drv_params_t* (*load_sensor_drv_func)(); 不使用 typedef 的函数指针声明 sensor_drv_params_t* (*load_sensor_drv_func)(); 这两者看似相似,但在语义和用途上有显著区别。下面将详细解释这两种声明的区别、各…...
基于线性回归模型的汽车燃油效率预测
基于线性回归模型的汽车燃油效率预测 1.作者介绍2.线性回归介绍2.1 线性回归简介2.2 线性回归应用场景 3.基于线性回归模型的汽车燃油效率预测实验3.1 Auto MPG Data Set数据集3.2代码调试3.3完整代码3.4结果展示 4.问题分析 基于线性回归模型的汽车燃油效率预测 1.作者介绍 郝…...
Playwright之自定义浏览器目录访问出错:BrowserType.launch: Executable doesn‘t exist
Playwright之自定义浏览器目录访问出错:BrowserType.launch: Executable doesn’t exist 问题描述: 在使用playwright进行浏览器自动化的时候,配置了自定义的浏览器目录,当按照自定义的浏览器目录启动浏览器进行操作时,…...
如何拿到iframe中嵌入的游戏数据
在 iframe 中嵌入的游戏数据是否能被获取,取决于以下几个关键因素: 1. 同源策略 浏览器的同源策略是核心限制。如果父页面和 iframe 中的内容同源(即协议、域名和端口号完全相同),那么可以直接通过 JavaScript 访问 …...
优选算法第七讲:分治
优选算法第七讲:分治 1.分治_快排1.1颜色分类1.2排序数组1.3数组中第k个最大元素1.4库存管理II 2.分治_归并2.1排序数组2.2交易逆序对的总数2.3计算右侧小于当前元素的个数2.4翻转对 1.分治_快排 1.1颜色分类 1.2排序数组 1.3数组中第k个最大元素 1.4库存管理II 2.…...
OpenBMC:BmcWeb 处理http请求4 处理路由对象
OpenBMC:BmcWeb 处理http请求2 查找路由对象-CSDN博客 Router::handle通过findRoute获取了FindRouteResponse对象foundRoute void handle(const std::shared_ptr<Request>& req,const std::shared_ptr<bmcweb::AsyncResp>& asyncResp){FindRouteResponse …...
直流电能表计量解决方案适用于光伏储能充电桩基站等场景
多场景解决方案,准确测量 01 市场规模与增长动力 全球直流表市场预测: 2025年市场规模14亿美元,CAGR超15%。 驱动因素:充电桩、光伏/储能、基站、直流配电 市场增长引擎分析: 充电桩随新能源车迅猛增长ÿ…...
x-cmd install | Slumber - 告别繁琐,拥抱高效的终端 HTTP 客户端
目录 核心优势,一览无遗安装应用场景,无限可能示例告别 GUI,拥抱终端 还在为调试 API 接口,发送 HTTP 请求而苦恼吗?还在各种 GUI 工具之间切换,只为了发送一个简单的请求吗?现在,有…...
git修改已经push的commit的message
1.修改信息 2.修改message 3.强推...
STM32 基础2
STM32中断响应过程 1、中断源发出中断请求。 2、判断处理器是否允许中断,以及该中断源是否被屏蔽。 3、中断优先级排队。 4、处理器暂停当前程序,保护断点地址和处理器的当前状态,根据中断类型号,查找中断向量表,转到…...
【STL 之速通pair vector list stack queue set map 】
考list 的比较少 --双端的啦 pair 想下,程序是什么样的. 我是我们要带着自己的思考去学习DevangLic.. #include <iostream> #include <utility> #include <string>using namespace std;int main() {// 第一部分:创建并输出两个 pair …...
深度学习篇---LSTM+Attention模型
文章目录 前言1. LSTM深入原理剖析1.1 LSTM 架构的进化理解遗忘门简介数学表达式实际作用 输入门简介数学表达式后选候选值实际作用 输出门简介数学表达式最终输出实际作用 1.2 Attention 机制的动态特性内容感知位置无关可解释性数学本质 1.3 LSTM与Attention的协同效应组合优…...
React 多个 HOC 嵌套太深,会带来哪些隐患?
在 React 中,使用多个 高阶组件(HOC,Higher-Order Component) 可能会导致组件层级变深,这可能会带来以下几个影响: 一、带来的影响 1、调试困难 由于组件被多个 HOC 包裹,React 开发者工具&am…...
企业工厂生产线马达保护装置 功能参数介绍
安科瑞刘鸿鹏 摘要 工业生产中,电压暂降(晃电)是导致电动机停机、生产中断的主要原因之一,给企业带来巨大的经济损失。本文以安科瑞晃电再起动控制器为例,探讨抗晃电保护器在生产型企业工厂中的应用,分析…...
Redis 的五种数据类型面试回答
这里简单介绍一下面试回答、我之前有详细的去学习、但是一直都觉得太多内容了、太深入了 然后面试的时候不知道从哪里讲起、于是我写了这篇CSDN帮助大家面试回答、具体的深入解析下次再说 面试官你好 我来介绍一下Redis的五种基本数据类型 有String List Set ZSet Map 五种基…...
多线程代码案例(定时器) - 3
定时器,是我们日常开发所常用的组件工具,类似于闹钟,设定一个时间,当时间到了之后,定时器可以自动的去执行某个逻辑 目录 Timer 的基本使用 实现一个 Timer 通过这个类,来描述一个任务 通过这个类&…...
基于大模型的GCSE预测与治疗优化系统技术方案
目录 技术方案文档:基于大模型的GCSE预测与治疗优化系统1. 数据预处理模块功能:整合多模态数据(EEG、MRI、临床指标等),标准化并生成训练集。伪代码流程图2. 大模型架构(Transformer-GNN混合模型)功能:联合建模时序信号(EEG)与空间结构(脑网络)。伪代码流程图3. 术…...
IntelliJ IDEA 中 Continue 插件使用 DeepSeek-R1 模型指南
IntelliJ IDEA 中 Continue 插件使用 DeepSeek-R1 模型指南 Continue 是一款开源的 AI 编码助手插件,支持 IntelliJ IDEA 等 JetBrains 系列 IDE。它可以通过连接多种语言模型(如 DeepSeek-R1)提供实时代码生成、问题解答和单元测试生成等功…...
Valgrind——内存调试和性能分析工具
文章目录 一、Valgrind 介绍二、Valgrind 功能和使用1. 主要功能2. 基本用法2.1 常用选项2.2 内存泄漏检测2.3 详细报告2.4 性能分析2.5 多线程错误检测 三、在 Ubuntu 上安装 Valgrind四、示例1. 检测内存泄漏2. 使用未初始化的内存3. 内存读写越界4. 综合错误 五、工具集1. M…...
京东API智能风控引擎:基于行为分析识别恶意爬虫与异常调用
京东 API 智能风控引擎基于行为分析识别恶意爬虫与异常调用,主要通过以下几种方式实现: 行为特征分析 请求频率:正常用户对 API 的调用频率相对稳定,受到网络延迟、操作速度等因素限制。若发现某个 IP 地址或用户在短时间内对同一…...
Swift 解 LeetCode 250:搞懂同值子树,用递归写出权限系统检查器
文章目录 前言问题描述简单说:痛点分析:到底难在哪?1. 子树的概念搞不清楚2. 要不要“递归”?递归从哪开始?3. 怎么“边遍历边判断”?这套路不熟 后序遍历 全局计数器遍历过程解释一下:和实际场…...
Nginx搭建API网关服务教程-系统架构优化 API统一管理
超实用!用Nginx搭建API网关服务,让你的系统架构更稳更强大!🚀 亲们,今天来给大家种草一个超级实用的API网关搭建方案啦!👀 在如今的Web系统架构中,一个稳定、高性能、可扩展的API网…...
SQL2API是什么?SQL2API与BI为何对数据仓库至关重要?
目录 一、SQL2API是什么? 二、SQL2API的历史演变:从数据共享到服务化革命 1990年代:萌芽于数据仓库的数据共享需求 2010年代初:数据中台推动服务化浪潮 2022年左右:DaaS平台的兴起 2025年代:麦聪定义…...
CentOS 7无法上网问题解决
CentOS 7无法上网问题解决 问题 配置了桥接模式以后,能够ping通本地IP但是无法ping通www.baidu.com 这里的前提是VWare上已经对虚拟机桥接模式网卡做了正确的选择,比如我现在选择的就是当前能够上外网的网卡: 问题根因 DNS未正确配置。…...
优化 Web 性能:使用 WebP 图片(Uses WebP Images)
在 Web 开发中,图片资源的优化是提升页面加载速度和用户体验的关键。Google 的 Lighthouse 工具在性能审计中特别推荐“使用 WebP 图片”(Uses WebP Images),因为 WebP 格式在保持视觉质量的同时显著减少文件大小。本文将基于 Chr…...
SQL121 创建索引
-- 普通索引 CREATE INDEX idx_duration ON examination_info(duration);-- 唯一索引 CREATE UNIQUE INDEX uniq_idx_exam_id ON examination_info(exam_id);-- 全文索引 CREATE FULLTEXT INDEX full_idx_tag ON examination_info(tag);描述 现有一张试卷信息表examination_in…...
Leetcode - 周赛443
目录 一、3502. 到达每个位置的最小费用二、3503. 子字符串连接后的最长回文串 I三、3504. 子字符串连接后的最长回文串 II四、3505. 使 K 个子数组内元素相等的最少操作数 一、3502. 到达每个位置的最小费用 题目链接 本题是一道脑筋急转弯,实际就是计算前缀最小…...
dolphinscheduler单机部署链接oracle
部署成功请给小编一个赞或者收藏激励小编 1、安装准备 JDK版本:1.8或者1.8oracle版本:19Coracle驱动版本:8 2、安装jdk 下载地址:https://www.oracle.com/java/technologies/downloads/#java8 下载后上传到/tmp目录下。 然后执行下面命…...
Three.js 系列专题 5:加载外部模型
内容概述 Three.js 支持加载多种 3D 文件格式(如 GLTF、OBJ、FBX),这让开发者可以直接使用专业建模软件(如 Blender、Maya)创建的复杂模型。本专题将重点介绍 GLTF 格式的加载,并调整模型的位置和材质。 学习目标 理解常见 3D 文件格式及其特点。掌握使用 GLTFLoader 加…...
【C++算法】50.分治_归并_翻转对
文章目录 题目链接:题目描述:解法C 算法代码:图解 题目链接: 493. 翻转对 题目描述: 解法 分治 策略一:计算当前元素cur1后面,有多少元素的两倍比我cur1小(降序) 利用单…...
观察者模式详解实战
观察者模式深度解析与实战案例 一、传统观察者模式痛点分析 强制接收所有通知:观察者被迫处理无关事件 事件信息不透明:状态变更缺乏上下文信息 类型安全缺失:需要手动进行类型判断和转换 扩展成本高:新增事件类型需要修改接口 …...
Light RPC:一款轻量高效的Java RPC框架实践指南
Light RPC:一款轻量高效的Java RPC框架实践指南 一、框架简介二、快速入门1. 环境准备2. 服务端配置2.1 添加依赖2.2 YAML配置2.3 接口与实现 3. 客户端配置3.1 添加依赖3.2 YAML配置3.3 客户端调用 三、核心设计解析四、适用场景与优势对比五、总结 一、框架简介 …...
国内MCP资源网站有哪些?MCP工具上哪找?
在人工智能领域,MCP(模型上下文协议)正逐渐成为连接 AI 模型与外部世界的重要桥梁。而AIbase (https://www.aibase.com/zh/repos/topic/mcp)正是探索 MCP 生态的绝佳平台,它为开发者和研究者提供了一个集中…...
在PowerBI中通过比较日期实现累加计算
#表格数据# 日期数量2025/4/712025/4/822025/4/932025/4/1042025/4/1152025/4/1262025/4/1372025/4/1482025/4/1592025/4/16102025/4/1711 #新建计算列# 列 SUMX(FILTER(表格数据,[日期]<EARLIER([日期])),表格数据[数量])...
十四届蓝桥杯Java省赛 B组(持续更新..)
十四届蓝桥杯Java省赛 B组 第一题:阶乘求和 📖 📚阶乘求和 第二题:幸运数字 📖 📚幸运数字 第三题:数组分割 📖 📚数组分割 说是考动态规划,但没有用…...
NO.73十六届蓝桥杯备战|搜索算法-剪枝与优化-记忆化搜索|数的划分|小猫爬山|斐波那契数|Function|天下第一|滑雪(C++)
剪枝与优化 剪枝,形象得看,就是剪掉搜索树的分⽀,从⽽减⼩搜索树的规模,排除掉搜索树中没有必要的分⽀,优化时间复杂度。 在深度优先遍历中,有⼏种常⻅的剪枝⽅法 排除等效冗余 如果在搜索过程中…...
深度学习总结(2)
神经网络的数据表示 在前面的例子中,我们的数据存储在多维NumPy数组中,也叫作张量(tensor)。一般来说,目前所有机器学习系统都使用张量作为基本数据结构。张量对这个领域非常重要,重要到TensorFlow都以它来命名。究竟什么是张量呢?张量这一概念的核心在于,它是一个数…...
STM32H7 ADC最大速率
STM32H7 ADC最大速率 硬件限制 封装 在手册 AN5354 中说明了不同封装、不同分辨率的最大速率是不一致的; BGA封装的ADC的速度要快于LQFP封装的速度的; 分辨位数越高、转换时间越长,所以ADC的最大采样速率也就最低; ADC通道模…...
MVC模型
MVC模型(Model模型,View视图,Controller控制器) 逻辑执行流程: JSP(View)----》Servlet(Controller)----》service,dao,pojo(Model&a…...
OpenGL ES -> SurfaceView + EGL实现立方体纹理贴图+透视效果
XML文件 <?xml version"1.0" encoding"utf-8"?> <com.example.myapplication.MySurfaceView xmlns:android"http://schemas.android.com/apk/res/android"android:layout_width"match_parent"android:layout_height"…...
arthas线上不停机修改bug
安装arthas wget https://alibaba.github.io/arthas/arthas-boot.jar启动: java -jar arthas-boot.jar 启动失败 使用jps也没查到对应的进程 发生错误信息 使用进程id启动,报错 进程id查看使用命令: ps -ef | grep java 详情…...
#关于require 与 import 相关了解
📦 require 在前端项目中使用,属于 CommonJS 模块规范 的语法,主要用于 Node.js 环境。早期的前端模块打包工具(如 Webpack)会兼容这种写法,但在现代前端项目(如 Vue、React)中&…...
【算法应用】基于融合A星-粒子群算法求解六边形栅格地图路径规划
目录 1.粒子群算法PSO原理2.结果展示3.参考文献4.代码获取 1.粒子群算法PSO原理 【智能算法】粒子群算法(PSO)原理及实现 六边形栅格地图 分析一下地图: 六边形栅格地图上移动可以看做6领域运动,偶数列与奇数列移动方式有所差异…...