tag 标签: 评估

相关博文
  • 热度 25
    2015-8-31 02:31
    3125 次阅读|
    0 个评论
           ADS1232是TI的一款24bit的 Sigma Delta型 ADC,SPS可以配置成10hz或80hz,内置PGA,可配置增益为1,2,64,128倍。 手册标称噪声以及NOISE-FREE分辨率:   我所画的评估版的ADC就是使用ADS1232,SPS为10hz,PGA=1,外接基准电压为堪称带隙基准之王的LTC6655-2.5,使用该基准的开尔文接法,电源使用SGM的一款PSRR=70db的的LDO,数据信号隔离使用ADI的磁偶。 使用底噪测试模式,测试了20min,测得20000多个数据,从下图中可以看到噪声极差为28个LSB,折算noise free分辨率约为19.2bit,参考手册标称噪声略有偏低,看标称噪声貌似也会因VREF的电压低而使得噪声增大,手册使用的是5V和3V,而我使用的是2.5v,我测试的这个指标应该还算是符合标称指标。 噪声测试图:
相关资源
  • 所需E币: 0
    时间: 2024-10-26 13:48
    大小: 2.08MB
    罗姆应用文档,开关电源特性与评估
  • 所需E币: 0
    时间: 2024-10-21 11:13
    大小: 3.7KB
    上传者: huangyasir1990
    一、Llama3大模型是什么?Llama是由Meta的人工智能研究团队开发并开源的大型语言模型(LLM),继Llama2+模型之后,Meta进一步推出了性能更卓越的MetaLlama3系列语言模型,包括一个80亿参数模型和一个700亿参数模型。Llama370B的性能美Gemini1.5Pro,全面超越Claude大杯,而400B+的模型则有望与Claude超大杯和新版GPT-4Turbo掰手腕二、llama2和llama3有什么区别?llama3与llama2的模型架构完全相同,只是model的一些配置(主要是维度)有些不同,llama2推理的工程基本可以无缝支持llama3。在meta官方的代码库,模型计算部分的代码是一模一样的,也就是主干decoderonly,用到了RoPE、SwiGLU、GQA等具体技术。通过对比huggingface模型中的config.json,首先可以看出,模型都是LlamaForCausalLM这个类,模型结构不变。三、Llama3的目标和最佳表现Llama3拥抱开源社区。通过不断响应用户反馈来提升模型效果,并且持续在负责任的AI领域扮演重要角色。近期发布的基于文本的模型是Llama3集合的一部分。未来的目标是使Llama3成为多语言、多模态、长上下文、持续提升核心能力,如:推理和代码生成。得益于pretraining和post-training的改进,我们的pretrained模型和instruction-fine-tuned模型是8B和70B最好的大模型。post-training的改进包括:降低误拒率、改进的对齐方法、模型回答的多样性。同时,我们也看到Llama3综合能力的提升,如:推理、代码生成、指令遵循。这使得Llama3更加可控。四、从头构建LLaMA3大模型(Python)首先是模型架构的选择。原工作用的是GPTNeo架构(可以看他们的config),这个算是很老的模型了,最初是EleutherAI用来复现追踪GPT-3的工作的,现在用的也比较少了。我打算选用LLaMA架构,也算是符合研究主流、便于推广。LLaMA3主要多了个GQA,也是现在模型的主流,我这里也用一下。其次是数据的选择。既然是复现,就直接贯彻拿来主义,用原工作开源的数据集(主要是从头生成要花不少api费用)。原工作第一版的时候用的是GPT-3.5生成的数据,后面社区有人更新了第二版,是用GPT-4生成的,比原数据更好,就用它了。最后是训练。其实我手上就两张306012G和4060Ti16G,训这个确实是绰绰有余,但我还是不想在桌前吵我自己,于是继续用Colab。现在Colab可以直接看到剩余使用时长了,虽然已经被砍到只有3h左右的用卡时间,但至少心里有个底,况且3h训我们这个也完全够了。五、用户与LlaMA3进行交互的方式主要分为6个阶段。阶段1:通过按原样使用模型,以适应广泛的应用场景。第2阶段:在用户自定义的应用程序中使用模型。第3阶段:使用提示工程来训练模型,以产生所需的输出。第4阶段:在用户端使用提示工程,同时深入研究数据检索和微调,这仍然主要由LLM提供商管理。第5阶段:把大部分事情掌握在自己(用户)手中,从提示工程到数据检索和微调(RAG模型、PEFT模型等)等诸多任务。第6阶段:从头开始创建整个基础模型——从训练前到训练后。为了最大限度地利用这些模型,建议最好的方法是使用上面的第5阶段,因为灵活性很大程度上取决于用户自身。能够根据领域需求定制模型对于最大限度地提高其收益至关重要。因此,如果不参与到系统开发中,是不能产生最佳回报的。
  • 所需E币: 1
    时间: 2023-12-23 13:45
    大小: 12.67MB
    上传者: 魏治亮
    GBZ17625.13-2020电磁兼容限值接入中压、高压、超高压电力系统的不平衡设施发射限值的评估.pd
  • 所需E币: 1
    时间: 2023-5-9 14:59
    大小: 31.91MB
    风资源评估:风电项目开发实用导则-(国际电气工程先进技术译丛)-[美]MichaelC.Brower
  • 所需E币: 1
    时间: 2023-3-29 21:32
    大小: 1.15MB
    上传者: 指的是在下
    一种考虑防护措施的缓存可靠性评估方法.pdf
  • 所需E币: 1
    时间: 2023-3-29 11:18
    大小: 68.15MB
    旋转电机的绝缘-设计、评估、老化、试验、修理
  • 所需E币: 5
    时间: 2023-2-13 21:29
    大小: 1.59MB
    上传者: czd886
    基于态势评估技术的移动机器人局部路径规划.
  • 所需E币: 5
    时间: 2023-2-13 11:27
    大小: 4.05MB
    上传者: czd886
    低成本移动机器人2DSLAM算法地图评估研究.
  • 所需E币: 0
    时间: 2023-2-12 22:05
    大小: 332.31KB
    上传者: ZHUANG
    一种用于评估抗辐射DSP单粒子翻转的试验方法
  • 所需E币: 3
    时间: 2023-2-13 16:20
    大小: 435.19KB
    上传者: 张红川
    评估高速DAC性能.pdf
  • 所需E币: 0
    时间: 2023-2-11 22:43
    大小: 2.09MB
    上传者: ZHUANG
    基于神经网络模型的波候变化影响下深海系泊缆疲劳损伤评估
  • 所需E币: 0
    时间: 2023-2-11 22:38
    大小: 4.3MB
    上传者: ZHUANG
    基于遗传算法优化BP神经网络的辐射源威胁等级评估方法
  • 所需E币: 5
    时间: 2023-2-11 21:45
    大小: 1.29MB
    上传者: ZHUANG
    基于人工神经网络的军队采购流标情况评估模型设计.
  • 所需E币: 0
    时间: 2023-2-11 21:39
    大小: 7.27MB
    上传者: ZHUANG
    基于数据挖掘的信息网络传播权司法保护效果评估平台设计.
  • 所需E币: 5
    时间: 2023-2-11 17:34
    大小: 1.42MB
    上传者: ZHUANG
    神经网络优化5G定位结果域的分析与评估
  • 所需E币: 5
    时间: 2023-2-11 16:07
    大小: 1.25MB
    上传者: ZHUANG
    基于贝叶斯优化的CatBoost的网络安全态势评估方法
  • 所需E币: 3
    时间: 2023-2-11 14:37
    大小: 1012.56KB
    上传者: ZHUANG
    攻击模式识别方法在网络安全态势评估中的应用
  • 所需E币: 5
    时间: 2023-2-11 14:26
    大小: 5.3MB
    上传者: ZHUANG
    面向智能电网嵌入式设备的网络威胁动态评估方法
  • 所需E币: 0
    时间: 2023-2-11 14:11
    大小: 1.6MB
    上传者: ZHUANG
    基于信息熵的电力信息耦合网络重要节点评估.
  • 所需E币: 0
    时间: 2023-2-11 13:55
    大小: 1.77MB
    上传者: ZHUANG
    基于改进贝叶斯网络的风电机组动态可靠性评估