150111-Lesson4

TOPIC :

1. Altera TimeQuest & SDC

example :

a. spi

b. uart

2. pll reconfig

example :

Device : Cyclone 5CEFA2F23C8

------------------------------------------------------------------------------------

IIC Write:

IIC Read:

------------------------------------------------------------------------------------

Q : SPI 與 IIC 最大不同點?

A : 1. IIC 不管幾個device只要address沒有衝突，他們就可以拖在同一個bus上(不過這是理論上，實際上還是有問題)

2. SPI不管幾個device就要有幾個CSB，其他如SCK,MOSI,MISO都是可以共用的，所以你接越多device代表CSB就越多，所占的IO就越多

不過有些device的MISO不會自己拉tri-state，這時候就要自己再安排

Q : timing沒過會有什麼問題?

A : 代表那條路跑起來會有問題，可能會時好時壞, sdc可幫助rounting跑短一點，即optimize timing

Q :

------------------------------------------------------------------------------------

Gardline:

*所有雙向inout都拉到top去處理，這樣比較不會亂掉

*你只要做FPGA，一定會有一個MCU來控制你，如果MCU資源不夠可能會需要你幫忙控制其他的東西

------------------------------------------------------------------------------------

tmep

clk分頻出來的做法有很多種

时间： 2024-10-06 06:06:21

150111-Lesson4的相关文章

阿甘学java视频--lesson4

视频信息: 时长:53分钟20秒作者:于盼盼内容:信息的隐藏,信息的封装,源文件的结构介绍,JDK中常用的包视频地址:点击打开阿甘学java视频--lesson4 如果你想在学习java开发技术上少走弯路,欢迎一起加入我的课堂,这里有更多的java技术爱好者与你一起交流,一起成长. 于盼盼简介:专注Java软件开发.软件培训行业.2006年从事java软件开发工作,历任武汉软帝科技信息有限责任公司软件开发工程师,河南捷迅高级研发工程师,上

斯坦福《机器学习》Lesson4感想-------2、广义线性模型

在前面几篇中分类问题和回归问题里涉及到的伯努利分布和高斯分布都是广义线性模型(Generative Linear Models.GLMs)的特例.下面将详细介绍广义线性模型. 1.指数族我们可以将一些分布总结到一个指数族中.指数族可表示为: η是指naturalparameter/canonical parameter,T (y)是指sufficientstatistic, a(η)是指logpartition function.T.a和b的选择决定了分布族,η的改变会得到这个分布族里的不同分

lesson4: 函数简单应用

函数语法: 语法: def functionname(para): "函数_文档字符串" function_suite return[expression] sample1:print str by def def printstr(str): "print input str" print str return printstr("welcome to python!") 实参:调用函数时的变量名称形参:定义函数时的变量名称

Lesson4（定位、超出隐藏）

1.外边框 outline:1px solid blue; 外边框用法和边框相似,外边框不占空间,只会显示 2.定位 position (1)相对定位 relative:对自身的一种定位 1>给父级设置相对定位之后,自己也跟随父级移动 2>给元素设置相对定位之后,不会影响其他元素的位置(即没有脱离文档流.还占有原来的空间) (2)绝对定位 absolute:相对于父级的定位 1>脱离文档流,不占原来的空间 2>定位在不设置top等方向值时,位置不会发生变化 3>定位的层级是要

150111 切片总结（待学习…）

1,关于提高目前工作效率的思考: 首先,提高自身的技能水平很重要(当然团队各自的技能提高更重要) 清楚知道项目时间计划,与自己的时间规划融合 …… 2,关于目前切片方式的整理: 分析设计稿,形成大体切片思路搭建html框架,css样式表添加js(在赶进度时,可提交首次svn:以后渐进修改调整细节) 测试浏览器总结blog,整理出常用代码片段学习研究总结遗留的问题知识点 tip:过程中记录切片遇到所有问题 3,关于接收设计稿的规范考思考(目的提高切片效率) 文件命名统一文件太大,自身机器

lesson4:利用jmeter来压测数据库

本文讲述了如何利用jmeter来压测数据库,事例中选取了mysql作为测试数据库,其它的数据库也是一样,只需要更换驱动程序即可. 准备工作:a.mysql数据库安装,请自行百度:b.jdbc驱动包,请在我的github上下载文件log4jdbc4-1.2beta2.jar .mysql-connector-java-5.1.21.jar :https://github.com/mantuliu/publiclibs 1.首先先将log4jdbc4-1.2beta2.jar .mysql-conn

15-01-11 C# 面向对象 10

类中的成员,如果不加访问修饰符,默认是private; 私有的,只能在当前类的内部访问; 理论上是给每个私有的字段配备一个公有的属性; 静态函数中只能访问静态成员;静态类中只能有静态成员;非静态函数既可以访问静态成员,也可以访问非静态成员,非静态类中既可以有静态成员,也可以有非静态成员; this的作用1.当前类的对象,是为了把字段(属性)和局部变量区分开来;字段和属性是和方法平级的,而局部变量是在方法里面的; namespace(命名空间),用于解决类重名问题,可以看做类的文件夹; 命名空间里

蓝欧--lesson4

#import <Foundation/Foundation.h> int main(int argc, const char * argv[]) { //循环语句 //while循环// int a = 0, b = 0;// while (a < 10) { //死循环// printf("%d", a);// }// // int a = 0, b = 0

斯坦福《机器学习》Lesson4感想--1、Logistic回归中的牛顿方法

在上一篇中提到的Logistic回归是利用最大似然概率的思想和梯度上升算法确定θ,从而确定f(θ).本篇将介绍另一种求解最大似然概率?(θ)的方法,即牛顿迭代法. 在牛顿迭代法中,假设一个函数是,求解θ值使得f(θ)=0.在图1中可知, 图1 选择一个点,对应函数值为,并将对应的切线与x轴相交的点记为,所以 ,依此类推可知牛顿迭代规律. 为了求得最大似然概率?(θ),让,所以牛顿迭代方法确定最大似然概率的公式为: 在Logistic回归中,θ是一个向量.因此公式可表示为: H是一个n*n的矩阵,

java多线程经典案例

/** * 典型案例:子线程执行10次,主线程执行100次,两者交替50次. */ package cn.itcast.lesson4; public class TestWaitNotify { public static void main(String[] args){ final Business business= new Business(); new Thread( new Runnable() { public void run() { for(int i=1;i<=50;i++