第五章stm32cubemx软件I2C实验以及EEPROM的使用理论及实验过程目录第五章stm32cubemx软件I2C实验以及EEPROM的使用理论及实验过程前言IIC概述IIC物理层IIC协议层IIC读写概述起始、停止信号及代码数据有效性及代码响应ACK及代码地址及数据方向前言本章将讲解stm32通讯协议中的IIC协议，利用cubeMX完成软件和硬件IIC的实现，并结合实验数据，给人更为深刻的体验。我们结合IIC的具体协议和逻辑分析仪得到的具体实验数据理解IIC协议。IIC概述I2C通讯协议是由Phiilps公司开发的，由于它引脚少，硬件实现简单，可扩展性强，不需要USART、CAN等通讯
1.理论知识1.1贝叶斯网络概述 贝叶斯网络（BayesianNetwork，BN）作为一种概率图模型（ProbabilisticGraphicalModel，PGD），可以通过有向无环图(DirectedAcyclicGraph，DAG)来表现。因为概率图模型是用图来表示变量概率依赖关系的模型，结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。在处理实际问题时，如果我们希望在数据中挖掘隐含的知识，可以通过概率图模型构建一幅图的方式实现，具体实现就是用观测结点表示观测到的数据，用隐含结点表示潜在的知识，用边来描述知识与数据的相互关系，最后基于这样的关系图获得一个概率分布。概
contents1.引言2.什么是斯皮尔曼相关系数基本原理计算方法值的范围和解释应用场景3.python应用案例案例：阅读习惯与写作技能评分的相关性分析数据构造Python代码结果解释1.引言让我用一个简单的方式来解释斯皮尔曼相关系数的计算方法。想象你和你的朋友们在玩一个游戏，比如赛跑。在比赛结束后，每个人都根据跑得快慢得到一个排名，跑得最快的得第一名，其次是第二名，以此类推。现在，假设我们还知道每个人在学校的成绩排名。我们想知道，跑步的快慢和学校成绩好坏是否有关系。也就是说，跑得快的人是不是在学校也学得好，或者跑得慢的人是不是学习也不那么好。斯皮尔曼相关系数就是帮助我们找出这种关系的一个工具
一个正态总体的抽样分布统计量：X‾=1n∑i=1nXi，其中Xi~N(μ,σ2)\overline{X}=\cfrac{1}{n}\sum_{i=1}^nX_{i}，其中X_{i}\text{\textasciitilde}N(\mu,{\sigma^{2}})X=n1i=1∑nXi，其中Xi~N(μ,σ2)S2=1n−1∑i=1n(Xi−X‾)2S^2=\cfrac{1}{n-1}\sum_{i=1}^n(X_{i}-\overline{X})^2S2=n−11i=1∑n(Xi−X)2推论·：X‾~N(μ,σ2n)证明：X‾=1n∑i=1nXi~N(1n∑i=1nμ,∑i=1n
1.数仓概述数据仓库：数据仓库是一个面向主题的、集成的、非易失的、随时间变化的数据集合。重要用于组织积累的历史数据，并且使用分析方法（OLAP、数据分析）进行分析整理，进而辅助决策，为管理者、企业系统提供数据支持，构建商业智能。面向主题：为数据分析提供服务，根据主题将原始数据集合在一起。集成的：原始数据来源于不同的数据源，要整合成最终数据，需要经过ETL（抽取、清洗、转换）的过程。非易失：保存的数据是一系列历史快照，不允许被修改，只允许通过工具进行查询、分析。时变性：数仓会定期接收、集成新的数据，从而反映出数据的最新变化。数据仓库VS 数据库数据库面向事务设计，属于OLTP（在线事务处理）系统
NameNode与DataNode回顾主节点和副本节点通常指的是Hadoop分布式文件系统（HDFS）中的NameNode和DataNode。NameNode（主节点）：NameNode是Hadoop集群中的一个核心组件，它负责管理文件系统的命名空间和元数据。它记录了文件的目录结构、文件的块分配信息以及每个文件块所在的DataNode等关键信息。NameNode维护着整个文件系统的元数据，并提供对文件系统的访问控制。DataNode（副本节点）：DataNode是Hadoop集群中的另一个核心组件，它负责存储实际的数据块。当客户端写入文件时，数据被分成多个块并复制到不同的DataNode上进行
HDFS有什么特点，被设计做什么 Hadoop分布式文件系统(HDFS)被设计成适合运行在通用硬件(commodityhardware)上的分布式文件系统。有一下几个特点： HDFS是一个高度容错性的系统，具有高容错、高可靠性、高扩展性的特点，适合部署在廉价的机器上。 HDFS能提供对应用程序数据的高吞吐量访问，非常适合大规模数据集上的应用。HDFS上的一个典型文件大小一般都在G字节至T字节。因此，HDFS被调节以支持大文件存储。它应该能提供整体上高的数据传输带宽，能在一个集群里扩展到数百个节点。一个单一的HDFS实例应该能支撑数以千万计的文件
在网上转了一圈，看到如下理由：refreshToken的作用：1、更加安全。直接接给access_token较长时间的有效期，有泄露风险，所以引用refresh_token，有效期长，但权限小。2、类似session的检验方式，会在用户每次访问的时候刷新access_token的过期时间。此方案会有较大性能问题，有高频率无用刷新，尤其在请求频繁的时候。此时refresh_token的作用相当于降低了access_token的刷新频率。3、在利用第三方登录，如微信登录、google登录时，用户操作会产生code,用code向第三方换取access_token，此时refresh_token的作用
源自：计算机集成制造系统作者：陶飞 张贺 戚庆林 徐俊 孙铮 胡天亮 刘晓军 刘庭煜 关俊涛 陈畅宇 孟凡伟 张辰源 李志远 魏永利 朱铭浩 肖斌摘要数字孪生作为实现数字化转型和促进智能化升级的重要使能途径，一直备受各行各业关注，已从理论研究走向了实际应用阶段。数字孪生是以多维虚拟模型和融合数据双驱动，通过虚实闭环交互，来实现监控、仿真、预测、优化等实际功能服务和应用需求，其中数字孪生模型构建是实现数字孪生落地应用的前提。针对如何构建数字孪生模型问题，首先提出了数字孪生模型“四化四可八用”构建准则。基于所提出的构建准则，从“建—组—融—验—校—管”6个方面探索建立了一套数字孪生模型构建理论体系
自从yolov5-5.0加入se、cbam、eca、ca发布后，反响不错，也经常会有同学跑过来私信我能不能出一期6.0版本加入注意力的博客。个人认为是没有必要专门写一篇来讲，因为步骤几乎一样，但是问的人也慢慢多了，正好上一篇加入注意力的文章写的略有瑕疵，那就再重新写一篇。yolo加入注意力三部曲1.common.py中加入注意力模块2.yolo.py中增加判断条件3.yaml文件中添加相应模块所有版本都是一致的，加入注意力机制能否使模型有效的关键在于添加的位置，这一步需要视数据集中目标大小的数量决定。第一部曲：common.py加入注意力模块classh_sigmoid(nn.Module):
