目录1.功能2.架构2.1.imperfect_soc_block_top2.2.ahb_bus_matrix_3x32.3.sram0与sram12.4.ahb2apb_bridge2.5.usart2.6.spi2.7.timer3.逻辑设计3.1.imperfect_soc_block_top3.2.ahb_bus_matrix_3x33.3.sramahb2sramsram3.4.ahb2apb_bridge3.5.usart3.6.spi3.7.timer4.测试这次基于AHB与APB的协议，设计一个片内各组件互联的架构笔记：soc最小系统（软硬件协同仿真）–插桩&hello笔记：F
靶场搭建靶机下载地址：Matrix-Breakout:2Morpheus~VulnHub直接解压双击ova文件即可使用软件：VMware（可能会出现问题），VirtualBox（此处官方建议使用VirtualBox）难度：中等攻击机：kali信息收集为了方便我直接使用windows上的lansee直接扫描出目标靶机iplansee扫描结果去除已知靶机ip剩下的就是目标靶机192.168.21.134当然需要访问看看访问结果看看源码能出现啥192.168.21.134网页主页源码没有什么有用的看看nmap能看出来啥nmap192.168.21.143nmap简单扫描结果看看端口详细信息nmap-
靶场搭建靶机下载地址：Matrix-Breakout:2Morpheus~VulnHub直接解压双击ova文件即可使用软件：VMware（可能会出现问题），VirtualBox（此处官方建议使用VirtualBox）难度：中等攻击机：kali信息收集为了方便我直接使用windows上的lansee直接扫描出目标靶机iplansee扫描结果去除已知靶机ip剩下的就是目标靶机192.168.21.134当然需要访问看看访问结果看看源码能出现啥192.168.21.134网页主页源码没有什么有用的看看nmap能看出来啥nmap192.168.21.143nmap简单扫描结果看看端口详细信息nmap-
前言文献名称：LearnedImageCompressionwithDiscretizedGaussianMixtureLikelihoodsandAttentionModules本文基于CompressAI的库进行复现github地址：compressAI关于compressAI相关博客说明：CompressAI：基于pytorch的图像压缩框架使用安装好compressai后相当于把这个底层库引入了我们的工程相关环境搭配可以参考JointAutoregressiveandHierarchicalPriorsforLearnedImageCompression文献复现文献复现同样都是使用co
前言文献名称：LearnedImageCompressionwithDiscretizedGaussianMixtureLikelihoodsandAttentionModules本文基于CompressAI的库进行复现github地址：compressAI关于compressAI相关博客说明：CompressAI：基于pytorch的图像压缩框架使用安装好compressai后相当于把这个底层库引入了我们的工程相关环境搭配可以参考JointAutoregressiveandHierarchicalPriorsforLearnedImageCompression文献复现文献复现同样都是使用co
1.写在前面为什么时隔多年又再做一次混淆矩阵的整理，TMD就是每次用的时候要自己回过头查一遍，老是记不住，为了打好基础，再次进行梳理。2.为什么会有混淆矩阵我们简单的分类衡量模型的好坏，其实正常使用均方误差就行了，如下：E(f;D)=1m∑i=1m(f(xi)−yi)2E(f;D)=\frac{1}{m}\sum_{i=1}^{m}(f(x_i)-y_i)^2E(f;D)=m1∑i=1m(f(xi)−yi)2其次就是错误率：E(f;D)=1m∑i=1m∏(f(xi)−yi)2E(f;D)=\frac{1}{m}\sum_{i=1}^{m}\prod(f(x_i)-y_i)^2E(f;D
1.写在前面为什么时隔多年又再做一次混淆矩阵的整理，TMD就是每次用的时候要自己回过头查一遍，老是记不住，为了打好基础，再次进行梳理。2.为什么会有混淆矩阵我们简单的分类衡量模型的好坏，其实正常使用均方误差就行了，如下：E(f;D)=1m∑i=1m(f(xi)−yi)2E(f;D)=\frac{1}{m}\sum_{i=1}^{m}(f(x_i)-y_i)^2E(f;D)=m1∑i=1m(f(xi)−yi)2其次就是错误率：E(f;D)=1m∑i=1m∏(f(xi)−yi)2E(f;D)=\frac{1}{m}\sum_{i=1}^{m}\prod(f(x_i)-y_i)^2E(f;D
zip是一个非常常见的压缩包格式，本文主要用于说明如何使用代码文件或文件夹压缩为zip压缩包及其解压操作，我们采用的是微软官方的实现，所以也不需要安装第三方的组件包。使用的时候记得usingSystem.IO.Compression;//////将指定目录压缩为Zip文件//////文件夹地址D:/1////zip地址D:/1.zippublicstaticvoidCompressDirectoryZip(stringfolderPath,stringzipPath){DirectoryInfodirectoryInfo=new(zipPath);if(directoryInfo.Parent
zip是一个非常常见的压缩包格式，本文主要用于说明如何使用代码文件或文件夹压缩为zip压缩包及其解压操作，我们采用的是微软官方的实现，所以也不需要安装第三方的组件包。使用的时候记得usingSystem.IO.Compression;//////将指定目录压缩为Zip文件//////文件夹地址D:/1////zip地址D:/1.zippublicstaticvoidCompressDirectoryZip(stringfolderPath,stringzipPath){DirectoryInfodirectoryInfo=new(zipPath);if(directoryInfo.Parent
一、题目大意标签:数组https://leetcode.cn/problems/search-a-2d-matrix-ii编写一个高效的算法来搜索 m x n 矩阵matrix中的一个目标值target。该矩阵具有以下特性：每行的元素从左到右升序排列。每列的元素从上到下升序排列。示例1：输入：matrix=[[1,4,7,11,15],[2,5,8,12,19],[3,6,9,16,22],[10,13,14,17,24],[18,21,23,26,30]],target=5输出：true示例2：输入：matrix=[[1,4,7,11,15],[2,5,8,12,19],[3,6,9,16,
