UC3842是AC-DC反激式变压器中常用的电源管理芯片，其具有较低的启动电流（一、管脚描述（以8脚封装为例）图1.UC3842管脚分布图1.COMP(Compensation)：误差放大器补偿引脚。内接误差放大器E/A的输出端，可通过连接外部补偿组件(如阻容网络)来调整误差放大器的输出。误差放大器内部限流，可以通过将COMP引脚接GND来设置零占空比。2.VFB：电压反馈引脚。误差放大器的反相输入端，通常接开关电源电路的反馈电路。3.ISENSE：初级绕组电流感应引脚。PWM比较器的同相输入端，与误差放大器的输出信号经过二极管和电阻分压后的信号做对比，控制PWM锁存输出低电平使MOS管关闭。
UC3842是AC-DC反激式变压器中常用的电源管理芯片，其具有较低的启动电流（一、管脚描述（以8脚封装为例）图1.UC3842管脚分布图1.COMP(Compensation)：误差放大器补偿引脚。内接误差放大器E/A的输出端，可通过连接外部补偿组件(如阻容网络)来调整误差放大器的输出。误差放大器内部限流，可以通过将COMP引脚接GND来设置零占空比。2.VFB：电压反馈引脚。误差放大器的反相输入端，通常接开关电源电路的反馈电路。3.ISENSE：初级绕组电流感应引脚。PWM比较器的同相输入端，与误差放大器的输出信号经过二极管和电阻分压后的信号做对比，控制PWM锁存输出低电平使MOS管关闭。
3月31日，UC伯克利联手CMU、斯坦福、UCSD和MBZUAI，推出了130亿参数的Vicuna，俗称「小羊驼」（骆马），仅需300美元就能实现ChatGPT90%的性能。今天，团队正式发布了Vicuna的权重——只需单个GPU就能跑！项目地址：https://github.com/lm-sys/FastChat/#fine-tuning130亿参数，90%匹敌ChatGPTVicuna是通过在ShareGPT收集的用户共享对话上对LLaMA进行微调训练而来，训练成本近300美元。研究人员设计了8个问题类别，包括数学、写作、编码，对Vicuna-13B与其他四个模型进行了性能测试。测试过程
3月31日，UC伯克利联手CMU、斯坦福、UCSD和MBZUAI，推出了130亿参数的Vicuna，俗称「小羊驼」（骆马），仅需300美元就能实现ChatGPT90%的性能。今天，团队正式发布了Vicuna的权重——只需单个GPU就能跑！项目地址：https://github.com/lm-sys/FastChat/#fine-tuning130亿参数，90%匹敌ChatGPTVicuna是通过在ShareGPT收集的用户共享对话上对LLaMA进行微调训练而来，训练成本近300美元。研究人员设计了8个问题类别，包括数学、写作、编码，对Vicuna-13B与其他四个模型进行了性能测试。测试过程
自从Meta发布并开源了LLaMA系列模型，来自斯坦福大学、UC伯克利等机构的研究者们纷纷在LLaMA的基础上进行「二创」，先后推出了Alpaca、Vicuna等多个「羊驼」大模型。羊驼已然成为开源社区的新晋顶流。由于「二创」过于丰富，生物学羊驼属的英文单词都快不够用了，但是用其他动物的名字给大模型命名也是可以的。最近，UC伯克利的伯克利人工智能研究院（BAIR）发布了一个可以在消费级GPU上运行的对话模型Koala（直译为考拉）。Koala使用从网络收集的对话数据对LLaMA模型进行微调。项目地址：https://bair.berkeley.edu/blog/2023/04/03/koal
自从Meta发布并开源了LLaMA系列模型，来自斯坦福大学、UC伯克利等机构的研究者们纷纷在LLaMA的基础上进行「二创」，先后推出了Alpaca、Vicuna等多个「羊驼」大模型。羊驼已然成为开源社区的新晋顶流。由于「二创」过于丰富，生物学羊驼属的英文单词都快不够用了，但是用其他动物的名字给大模型命名也是可以的。最近，UC伯克利的伯克利人工智能研究院（BAIR）发布了一个可以在消费级GPU上运行的对话模型Koala（直译为考拉）。Koala使用从网络收集的对话数据对LLaMA模型进行微调。项目地址：https://bair.berkeley.edu/blog/2023/04/03/koal
自从Meta发布「开源版ChatGPT」LLaMA之后，学界可谓是一片狂欢。先是斯坦福提出了70亿参数Alpaca，紧接着又是UC伯克利联手CMU、斯坦福、UCSD和MBZUAI发布的130亿参数Vicuna，在超过90%的情况下实现了与ChatGPT和Bard相匹敌的能力。今天，「卷王」UC伯克利LMSysorg又发布了70亿参数的Vicuna——不仅体积小、效率高、能力强，而且只需两行命令就能在M1/M2芯片的Mac上运行，还能开启GPU加速！项目地址：https://github.com/lm-sys/FastChat/#fine-tuning恰在今天，HuggingFace的研究人员也
自从Meta发布「开源版ChatGPT」LLaMA之后，学界可谓是一片狂欢。先是斯坦福提出了70亿参数Alpaca，紧接着又是UC伯克利联手CMU、斯坦福、UCSD和MBZUAI发布的130亿参数Vicuna，在超过90%的情况下实现了与ChatGPT和Bard相匹敌的能力。今天，「卷王」UC伯克利LMSysorg又发布了70亿参数的Vicuna——不仅体积小、效率高、能力强，而且只需两行命令就能在M1/M2芯片的Mac上运行，还能开启GPU加速！项目地址：https://github.com/lm-sys/FastChat/#fine-tuning恰在今天，HuggingFace的研究人员也
深度学习具备强感知能力但缺乏一定的决策能力，强化学习具备决策能力但对感知问题束手无策，因此将两者结合起来可以达到优势互补的效果，为复杂系统的感知决策问题提供了解决思路。今天我们推荐这样一门课程——UCBerkeley的CS188《人工智能导论》（IntroductiontoArtificialIntelligence）。课程主要介绍了AI的基础知识，尤其是强化学习方面，讲解非常详细，覆盖面比较全面，学习资料也很丰富，包括了课程的全套视频、课件PPT、课后学习资料、Homework、配套的Project，该视频全部内容已经由矩池云进行翻译，对AI新手来说非常友好。课程全套视频课程介绍根据官方介绍
深度学习具备强感知能力但缺乏一定的决策能力，强化学习具备决策能力但对感知问题束手无策，因此将两者结合起来可以达到优势互补的效果，为复杂系统的感知决策问题提供了解决思路。今天我们推荐这样一门课程——UCBerkeley的CS188《人工智能导论》（IntroductiontoArtificialIntelligence）。课程主要介绍了AI的基础知识，尤其是强化学习方面，讲解非常详细，覆盖面比较全面，学习资料也很丰富，包括了课程的全套视频、课件PPT、课后学习资料、Homework、配套的Project，该视频全部内容已经由矩池云进行翻译，对AI新手来说非常友好。课程全套视频课程介绍根据官方介绍
