u013445412的博客

MIMO雷达波形设计与实时处理系统研究.pdf

一些官方工程代码，注释比较清晰、全面，可以在上面做一些开发。包括UART,GPIO,I2C,EMIF,网口（GE）,SPI,SRIO,TIMER,HyperLink,Memory_Test等,很好的学习开发资源

TMS320C6678是一款八核C66x的定点/浮点DSP，支持高性能信号处理应用。TMS320C6678芯片是美国德州仪器公司生产的处理器。它支持高性能信号处理应用，支持DMA传输，可应用于高端图像处理设备、雷达/声纳、软件无线电、高速数据采集和生成、机器视觉、信号分析仪、点钞机等等 SRIO是面向嵌入式系统开发提出的高可靠、高性能、基于包交换的新一代高速互联技术。

本书深入剖析Tomcat 4和Tomcat 5中的每个组件，并揭示其内部工作原理。通过学习本书，你将可以自行开发Tomcat组件，或者扩展已有的组件。 Tomcat是目前比较流行的Web服务器之一。作为一个开源和小型的轻量级应用服务器，Tomcat 易于使用，便于部署，但Tomcat本身是一个非常复杂的系统，包含了很多功能模块。这些功能模块构成了Tomcat的核心结构。本书从最基本的HTTP请求开始，直至使用JMX技术管理Tomcat中的应用程序，逐一剖析Tomcat的基本功能模块，并配以示例代码，使读者可以逐步实现自己的Web服务器。

阿里巴巴，百度，京东的面经，还有一些海量数据处理

传智播客javeEE就业班笔记，包含前端HTML，CSS，数据库，SSH等

《机器人学导论》是2006年由机械工业出版社出版的图书，作者是(美)John J. Craig等，贠超等译。本书系统讲解了机器人学的理论知识，主要内容包括：机器人操作臂的几何性质、引起操作臂运动的力和力矩、与操作臂机械设计有关的问题和控制方法、机器人编程方法等。

TensorFlow实战》希望用简单易懂的语言带领大家探索TensorFlow（基于1.0版本API）。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理，TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning(Policy Network、Value Network)。此外，《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。《TensorFlow实战》希望能帮读者快速入门TensorFlow和深度学习，在工业界或者研究中快速地将想法落地为可实践的模型。 目录 1 TensorFlow基础 1 1.1 TensorFlow概要 1 1.2 TensorFlow编程模型简介 4 2 TensorFlow和其他深度学习框架的对比 18 2.1 主流深度学习框架对比 18 2.2 各深度学习框架简介 20 3 TensorFlow第一步 39 3.1 TensorFlow的编译及安装 39 3.2 TensorFlow实现SoftmaxRegression识别手写数字 46 4 TensorFlow实现自编码器及多层感知机 55 4.1 自编码器简介 55 4.2 TensorFlow实现自编码器 59 4.3 多层感知机简介 66 4.4 TensorFlow实现多层感知机 70 5 TensorFlow实现卷积神经网络 74 5.1 卷积神经网络简介 74 5.2 TensorFlow实现简单的卷积网络 80 5.3 TensorFlow实现进阶的卷积网络 83 6 TensorFlow实现经典卷积神经网络 95 6.1 TensorFlow实现AlexNet 97 6.2 TensorFlow实现VGGNet 108 6.3 TensorFlow实现GoogleInceptionNet 119 6.4 TensorFlow实现ResNet 143 6.5 卷积神经网络发展趋势 156 7 TensorFlow实现循环神经网络及Word2Vec 159 7.1 TensorFlow实现Word2Vec 159 7.2 TensorFlow实现基于LSTM的语言模型 173 7.3 TensorFlow实现BidirectionalLSTMClassifier 188 8 TensorFlow实现深度强化学习 195 8.1 深度强化学习简介 195 8.2 TensorFlow实现策略网络 201 8.3 TensorFlow实现估值网络 213 9 TensorBoard、多GPU并行及分布式并行 233 9.1 TensorBoard 233 9.2 多GPU并行 243 9.3 分布式并行 249 10 TF.Learn从入门到精通 259 10.1 分布式Estimator 259 10.2 深度学习Estimator 267 10.3 机器学习Estimator 272 10.4 DataFrame 278 10.5 监督器Monitors 279 11 TF.Contrib的其他组件 283 11.1 统计分布 283 11.2 Layer模块 285 11.3 性能分析器tfprof 293 参考文献 297

《TensorFlow：实战Google深度学习框架》为使用TensorFlow深度学习框架的入门参考书，旨在帮助读者以更快、更有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《TensorFlow：实战Google深度学习框架》包含了深度学习的入门知识和大量实践经验，是走进这个更新、更火的人工智能领域的推荐参考书

java面试过程中遇到的问题及回答整理，包括Java基础，算法与数据结构，jvm，集合源码，JavaEE，海量数据处理，并发与多线程。希望可以帮助到你

Altera Quartus II 作为一种可编程逻辑的设计环境, 由于其强大的设计能力和直观易用的接口，越来越受到数字系统设计者的欢迎。

所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。

粒子滤波用于对视频目标跟踪的代码，而且有说明文档，所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。

吴军博士的数学之美，把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。读者通过具体的例子学到的是思考问题的方式 —— 如何化繁为简，如何用数学去解决工程问题，如何跳出固有思维不断去思考创新。