未分类

查看树莓派温度

Posted on 2018年2月16日, updated on 2018年2月16日 by allenmo

终端命令1：

pi@raspberrypi2:~ $ cat /sys/class/thermal/thermal_zone0/temp
39704

1 2	pi@raspberrypi2:~ $ cat /sys/class/thermal/thermal_zone0/temp 39704

终端命令2： [crayon- […]

MQTT协议 – 安全问题

Posted on 2018年2月7日, updated on 2018年2月14日 by allenmo

http://blog.csdn.net/seelye/article/details/72678421 &n […]

理解16593

Posted on 2018年1月25日, updated on 2018年1月25日 by allenmo

射频识别技术漫谈(23)——ISO15693的载波、调制与编码(潘春伟的博客): http://blog.si […]

13.56MHz RFID

Posted on 2018年1月16日, updated on 2018年1月16日 by allenmo

FM1702 13.56Mhz读卡器天线PCB设计 http://blog.csdn.net/chen2447 […]

8266

Posted on 2018年1月4日, updated on 2018年1月4日 by allenmo

文档中心： http://wiki.ai-thinker.com/esp8266/docs http://wi […]

vba

Posted on 2017年12月21日 by allenmo

http://club.excelhome.net/forum.php?mod=viewthread& […]

Luat

Posted on 2017年12月19日, updated on 2017年12月19日 by allenmo

http://www.openluat.com/ http://wiki.openluat.com/

diego Robot !

Posted on 2017年8月23日 by allenmo

Lesson 26：Diego 1# —物体识别和定位

ROS(004: Understanding ROS Topics)

Posted on 2017年8月11日, updated on 2017年8月11日 by allenmo

$ roscore $ rosrun turtlesim turtlesim_node $ rosrun tu […]

The TensorFlow library wasn’t compiled to use SSE4.1 instructions

Posted on 2017年7月3日, updated on 2017年7月3日 by allenmo

import numpy as np
import tensorflow as tf

# Model parameters
W = tf.Variable([.3], dtype=tf.float32)
b = tf.Variable([-.3], dtype=tf.float32)
# Model input and output
x = tf.placeholder(tf.float32)
linear_model = W * x + b
y = tf.placeholder(tf.float32)
# loss
loss = tf.reduce_sum(tf.square(linear_model - y)) # sum of the squares
# optimizer
optimizer = tf.train.GradientDescentOptimizer(0.01)
train = optimizer.minimize(loss)
# training data
x_train = [1, 2, 3, 4]
y_train = [0, -1, -2, -3]
# training loop
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init) # reset values to wrong
for i in range(1000):
	sess.run(train, {x:x_train, y:y_train})

# evaluate training accuracy
curr_W, curr_b, curr_loss = sess.run([W, b, loss], {x:x_train, y:y_train})
print("W: %s b: %s loss: %s"%(curr_W, curr_b, curr_loss))