首页 > TAG信息列表 > 0.000000
QEMU 启动方式分析 （1）：QEMU 及 RISC-V 启动流程简介
Author: YJMSTR jay1273062855@outlook.com Date: 2022/08/16 Revisor: Bin Meng, Falcon Project: RISC-V Linux 内核剖析 Sponsor: PLCT Lab, ISCAS QEMU 启动方式分析 （1）：QEMU 及 RISC-V 启动流程简介 使用软件版本如下： QEMU: v7.0.0 OpenSBI: v1.1 U-Boot: v2022.04 Linux KQEMU 启动方式分析（2）: QEMU 'virt' 平台下通过 OpenSBI + U-Boot 引导 RISCV64 Linux Kernel
Author: YJMSTR jay1273062855@outlook.com Date: 2022/08/23 Revisor: Bin Meng, Falcon Project: RISC-V Linux 内核剖析 Sponsor: PLCT Lab, ISCAS QEMU 启动方式分析（2）: QEMU 'virt' 平台下通过 OpenSBI + U-Boot 引导 RISCV64 Linux Kernel 使用软件版本如下： QEMU: v7.0.0适合初学者的使用CNN的数字识别项目：Digit Recognizer with CNN for beginner
准备工作 数据集介绍 数据文件 train.csv 和 test.csv 包含从零到九的手绘数字的灰度图像。 每张图像高 28 像素，宽 28 像素，总共 784 像素。每个像素都有一个与之关联的像素值，表示该像素的亮度或暗度，数字越大表示越暗。该像素值是介于 0 和 255 之间的整数，包括 0 和 255。 训练数据第3章 MySQL高级 查询截取分析
1.分析慢SQL的步骤 分析1. 观察，至少跑1天，看看生产的慢 SQL 情况2. 开启慢查询日志，设置阈值，比如超过5秒钟的就是慢 SQL ，并将它抓取出来3. explain + 慢 SQL 分析4. show Profile5. 运维经理 or DBA,进行 MySQL 数据库服务器的参数调优 总结(大纲)1. 慢查询的开启并捕获2. explain +移植Kdump至嵌入式ARM64环境
参考----> https://blog.csdn.net/lsy673908720/article/details/90215501 工欲善其事，必先利其器。操作系统崩溃是高级Linux运维工程师很头疼的事情，但也不要害怕，前辈们已经给我们磨了好多把刀，其中有一把叫做Kdump。目前在主流的Linux发行版如Ubuntu、Centos等已经默认安装或者时间序列平稳性检验（ADF）和白噪声检验（Ljung-Box）
在对时间序列做预测前，我们要对数据进行一系列检验，主要是检验数据的稳定性和随机性（白噪声检验），本文主要介绍ADF检验和Ljung-Box检验 ADF检验 ADF检验即单位根检验是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了。单位根就是指单位根过程，可以证明，序列中存在SQL优化工具
十四、SQL优化工具 1 慢查询日志 MySQL的慢查询日志是MySQL提供的一种日志记录，它用来记录在MySQL中响应时间超过阀值的语句，具体指运行时间超过long_query_time值的SQL，则会被记录到慢查询日志中。long_query_time的默认值为10，运行10秒以上的SQL语句会被记录下来。由慢查询日志来查Datawhale组队学习 2022年1月 动手学数据分析 第1章3
上一部分 复习：在前面我们已经学习了Pandas基础，知道利用Pandas读取csv数据的增删查改，今天我们要学习的就是探索性数据分析，主要介绍如何利用Pandas进行排序、算术计算以及计算描述函数describe()的使用。 【笔者注】该教程第一章第三部分感觉和前两部分有不小的区别 目录1 第一章：探rk3566 android CMA预留内存系统层获取ddr容量变小
reserved-memory { #address-cells = <2>; #size-cells = <2>; ranges; reserved: buffer@0 { compatible = "shared-dma-pool"; reusable; reg = <0x0 0x70000000 0x0 0x10000000>; linux,cma-default; }; };iDirect Evolution Option Config
iDirect Evolution Option Config ID:SatName(Long):HuntFreq:LoFreq:DownlinkFreq:RxSymrat:RxRol:RxPol 14:ChinaSat_6A_Network(125E):1973:10600:12573:5000:0.2:V 41:ChinaSat_12_CHN_Ku_Network(87.5E):2019.5:10600:12619.5:2500:0.2:V 58:A7-ST-KU01(105.5E):2016.如何获取嵌入式设备的内核版本信息
1、有源码时 VERSION = 2 PATCHLEVEL = 6 SUBLEVEL = 35 EXTRAVERSION = .7 NAME = Yokohama 如果你有内核的源码，可以在内核顶层的Makefile中找到版本号。上面的代码就是从内核的顶层Makefile摘抄的，表明当前的内核版本是2.6.35.7。 2、用终端连接设备获取 2.1、从内核打印NMI PANIC
1 [ 0.000000] microcode: microcode updated early to revision 0x42e, date = 2019-03-14 2 [ 0.000000] Initializing cgroup subsys cpuset 3 [ 0.000000] Initializing cgroup subsys cpu 4 [ 0.000000] Initializing cgroup subsys cpuacctCoggle 30 Days of ML：结构化赛题：天池二手车交易价格预测（一）
任务1：报名比赛，下载比赛数据集并完成读取 载入各种数据科学以及可视化库 import warnings warnings.filterwarnings('ignore')#忽略版本问题警告 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import missingno as msno#缺失值Python 通过 .cube LUT 文件对图像加滤镜
Python 通过 .cube LUT 文件对图像加滤镜 一个好用的python给图片加滤镜的代码: https://github.com/CKboss/PyApplyLUT 这个是对C++代码的封装, 并用上了openmp来并行处理, 速度很快, 4k图片加滤镜在本地测试也只要不到0.2秒. 需要编译一下. 依赖pybind11和eigen. 好在这两ARM64 linux kernel virtual address layout
以下内存布局信息在引导时由Linux内核在我的SoC平台上打印（带有4核Cortex-A53处理器和2.75GiB DRAM） [ 0.000000] Memory: 2736316K/2883584K available (4796K kernel code, 488K rwdata, 1360K rodata, 448K init, 341K bss, 130884K reserved, 16384K cma-reserved) [ 0.0設置Linux保留物理內存並使用 （1）【转】
转自：https://www.cnblogs.com/pengdonglin137/p/5837115.html 阅读目录(Content) 平臺 參考博文 代碼調用 方法一 方法二 方法三 在Linux系統中可以通過memblock來設置系統保留物理內存，防止這些內存被內存管理系統分配出去。 作者： 彭東林 郵箱： pengdonglin137@163.com线性规划练习题
线性规划练习题 习题1：某厂计划生产甲、乙、丙三种零件，有机器、人工工时和原材料的限制，有关数据见下表： 产品甲 产品乙 产品丙 资源总量 机器（时） 10 5 2 3000 人工（时） 5 10 4 2000 原材料（公斤） 1 1 2 500 产品售价（元） 10 15 10 1.试建立获得最大产值的生产计划的线性规划模型。 mo⭐KNN（最近邻）算法——分类问题和回归问题都能做的算法
KNN： 一种非参数、惰性学习方法，导致预测时速度慢当训练样本集较大时，会导致其计算开销高样本不平衡时，对稀有类别的预测准确率低KNN模型的可解释性不强 文章目录 KNN（思想：物以类聚）一、 距离度量1.1 欧氏距离（L2距离）1.2 曼哈顿距离（L1距离）1.3 夹角余弦 二、 举例解析三、 k-近邻方块
方块 # This file uses centimeters as units for non-parametric coordinates. mtllib 2021090201.mtl g default v -3400.000000 -3400.000000 3400.000000 v 3400.000000 -3400.000000 3400.000000 v -3400.000000 3400.000000 3400.000000 v 3400.000000 3400.000000 3400pandas_profiling
1.describe()和info()函数 pandas里面有两个重要的函数describe()和info()函数，能够查看数据的一个整体情况，这里我们用经典的泰坦尼克数据集进行演示。 import pandas as pd # 文件路径 path = r'titanic_data.csv' # 如果你读取的文件是excel而不是csv的话，那么下面改成pd.read_exMySQL show profile使用概述
MySQL show profile使用概述 分析SQL执行带来的开销是优化SQL的重要手段。在MySQL数据库中，可以通过配置profiling参数来启用SQL剖析。该参数可以在全局和session级别来设置。对于全局级别则作用于整个MySQL实例，而session级别紧影响当前session。该参数开启后，后续执行的SQL语R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析
原文链接：http://tecdat.cn/?p=19469 本文将分析工业指数（DJIA）。工业指数（DIJA）是一个股市指数，表明30家大型上市公司的价值。工业指数（DIJA）的价值基于每个组成公司的每股股票价格之和。 本文将尝试回答的主要问题是： 这些年来收益率和交易量如何变化？ 这些年来，收益率和交易量的波动R语言使用多元AR-GARCH模型衡量市场风险
原文链接：http://tecdat.cn/?p=19118 本文分析将用于制定管理客户和供应商关系的策略准则。假设： 贵公司拥有用于生产和分销聚戊二酸的设施，聚戊二酸是一种用于多个行业的化合物。 制造和分销过程的投入包括各种石油产品和天然气。价格波动可能非常不稳定。 营运资金管理一直是一8-加载立方图纹理
目录概述立方图纹理立方图纹理源码解析如何画球体球的顶点坐标球体绘制的数学模型绘制球体的源码源码解析参考 概述 立方图纹理 立方图就是一个由6个单独2D纹理面组成的纹理，通常，生成环境贴图所用的立方图通过在场景中央放置一个摄像机，从6个轴的方向（+X，-X，+Y，-Y，+Z，-Z）捕捉场景图像并第10章 数据聚合与分组运算
对数据集进行分组并对各组应用一个函数（无论是聚合还是转换），通常是数据分析工作中的重要环节。在将数据集加载、融合、准备好之后，通常就是计算分组统计或生成透视表。pandas提供了一个灵活高效的gruopby功能，它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。 关系型数