代码解析参考资料建议大家在阅读前有一定Transformer模型基础，可以先看看Transformer论文，论文下载链接阅读Informer时序模型论文，重点关注作者针对Transformer模型做了哪些改进，论文下载链接Informer时序模型Github地址，数据没有包含在项目中，需要自行下载，这里提供下载地址(包含代码文件和数据)参数设定模块(main_informer)值得注意的是'--model'、'--data'参数需要去掉required参数，否则运行代码可能会报'--model'、'--data'错误修改完参数后运行该模块，保证代码运行不报错的情况下进行debug参数含义下面是

代码解析参考资料建议大家在阅读前有一定Transformer模型基础，可以先看看Transformer论文，论文下载链接阅读Informer时序模型论文，重点关注作者针对Transformer模型做了哪些改进，论文下载链接Informer时序模型Github地址，数据没有包含在项目中，需要自行下载，这里提供下载地址(包含代码文件和数据)参数设定模块(main_informer)值得注意的是'--model'、'--data'参数需要去掉required参数，否则运行代码可能会报'--model'、'--data'错误修改完参数后运行该模块，保证代码运行不报错的情况下进行debug参数含义下面是

一.简介：本文将完成一个真实业务中的设备上报数据的一个例子，完整的展示后台服务接收到设备上报的数据后，将数据添加到时序数据库，并且将数据查询出来的一个例子。本文所有代码已经上传GitHub：https://github.com/Tom-shushu/work-study 下的iotdb-demo下。IoTDB是针对时间序列数据收集、存储与分析一体化的数据管理引擎。它具有体量轻、性能高、易使用的特点，完美对接Hadoop与Spark生态，适用于工业物联网应用中海量时间序列数据高速写入和复杂分析查询的需求。我的理解：它就是一个树形结构的数据库可以很灵活的查询各个级下面的数据，因为它特殊的数据结构也

一.简介：本文将完成一个真实业务中的设备上报数据的一个例子，完整的展示后台服务接收到设备上报的数据后，将数据添加到时序数据库，并且将数据查询出来的一个例子。本文所有代码已经上传GitHub：https://github.com/Tom-shushu/work-study 下的iotdb-demo下。IoTDB是针对时间序列数据收集、存储与分析一体化的数据管理引擎。它具有体量轻、性能高、易使用的特点，完美对接Hadoop与Spark生态，适用于工业物联网应用中海量时间序列数据高速写入和复杂分析查询的需求。我的理解：它就是一个树形结构的数据库可以很灵活的查询各个级下面的数据，因为它特殊的数据结构也

碎碎念：没想到上一篇发出去，前几个小时竟然基本没人看，是我写得太晦涩了吗，这篇介绍个简单但是相当好用的软件WaveDrom，可以非常方便的绘制时序图，简直是数字人的福音啦！本文将从安装开始，详细介绍涉及到的语法等内容，读者可以收藏起来随时查阅。P.S.照这个速度，也不知道多久能把BasicVerilog库中的模块学习完毕哇_(:з)∠)_（已经忘记了是这周第几躺了）。目录1软件安装2绘图教程2.1创建信号（Signal）2.2添加时钟（AddingClock）2.3将时钟与信号结合（Puttingalltogether）2.4添加间隙（SpacersandGaps）2.5为信号分组（Thegr

碎碎念：没想到上一篇发出去，前几个小时竟然基本没人看，是我写得太晦涩了吗，这篇介绍个简单但是相当好用的软件WaveDrom，可以非常方便的绘制时序图，简直是数字人的福音啦！本文将从安装开始，详细介绍涉及到的语法等内容，读者可以收藏起来随时查阅。P.S.照这个速度，也不知道多久能把BasicVerilog库中的模块学习完毕哇_(:з)∠)_（已经忘记了是这周第几躺了）。目录1软件安装2绘图教程2.1创建信号（Signal）2.2添加时钟（AddingClock）2.3将时钟与信号结合（Puttingalltogether）2.4添加间隙（SpacersandGaps）2.5为信号分组（Thegr

写在前面        全系列：《基于Xilinx的时序分析、约束和收敛》目录与传送门        最近研究vivado里的时序分析路径时，发现了3个很有意思的问题。经过一番查找资料后，总算把问题搞明白了，在这里分享给大家。1、为什么同一条时序路径在报表里的值不一样？        在如下文件建立的工程中：moduletest(inputsys_clk ,inputrst ,outputreg[7:0] cnt);always@(posedgesys_clk)beginif(rst)cnt        时序约束只做了主时钟约束，约束时钟100M：create_clock-period10.

写在前面        全系列：《基于Xilinx的时序分析、约束和收敛》目录与传送门        最近研究vivado里的时序分析路径时，发现了3个很有意思的问题。经过一番查找资料后，总算把问题搞明白了，在这里分享给大家。1、为什么同一条时序路径在报表里的值不一样？        在如下文件建立的工程中：moduletest(inputsys_clk ,inputrst ,outputreg[7:0] cnt);always@(posedgesys_clk)beginif(rst)cnt        时序约束只做了主时钟约束，约束时钟100M：create_clock-period10.

GramianAngularField（格拉姆角场）     我们通常认为时序数据为一维数据，实际上时序数据隐含另外一个维度就是时间。但有时我们可能需要从其他维度来解读单变量时序数据，例如我们可以把时序数据转换为空间数据，就是类似图像的数据，后续可以使用卷积神经网络来进行特征提取。达到这一目的有两个常用方法，格拉姆角场(GramianAugularFields,GAF)和马尔可夫转换场(MarkovTransitionFields,MTF)。本篇文章主要介绍GAF，下一篇介绍MTF。一.理论部分GAF牵涉到了太多的数学，本文结合一些简单的数学知识，主要是从直观上解释GAF。内积回顾首先让我们回

GramianAngularField（格拉姆角场）     我们通常认为时序数据为一维数据，实际上时序数据隐含另外一个维度就是时间。但有时我们可能需要从其他维度来解读单变量时序数据，例如我们可以把时序数据转换为空间数据，就是类似图像的数据，后续可以使用卷积神经网络来进行特征提取。达到这一目的有两个常用方法，格拉姆角场(GramianAugularFields,GAF)和马尔可夫转换场(MarkovTransitionFields,MTF)。本篇文章主要介绍GAF，下一篇介绍MTF。一.理论部分GAF牵涉到了太多的数学，本文结合一些简单的数学知识，主要是从直观上解释GAF。内积回顾首先让我们回