- 综合排序
- 最热优先
- 最新优先
- 来自专栏Vehicle攻城狮
GM Cruise AV
先来目睹一波GM即将量产的No Pedals, No Steering Wheel 且达到Level 4等级的Cruise AV。 1、GM Cruise简介 GM Cruise的前身是一家叫做 Cruise Automation专注汽车自动驾驶领域研发的公司，在2016年3月通用斥资10亿美金将其招致麾下，同时结合自身在自动驾驶领域的技术储备和资源进行整合 在今年1月GM Cruise就发布了具备L4水平的第四代自动驾驶汽车，名叫Cruise AV，基于通用雪佛兰的Bolt EV打造，并计划在2019年也就是今年量产，在2018年5月份日本软银曾向Cruise 为了达到所谓的Level 4，GM是如何打造的呢？据悉，GM Cruise此次从产品的设计、制造、测试和验证的每个环节都将安全设计融入到了车辆中。 这样每辆车的数据都可被收集并分析，以便更好的帮助GM Cruise去改进软件并将其及时更新在汽车上，GM Cruise也期望通过此种方式，使其后续的产品实现数据的回传、共享和相互学习。
1K30编辑于 2022-04-19 - 来自专栏全栈程序员必看
install 945GM drivers ubuntu
Re: intel 945GM express driver ---- You can install 915resolution and vbetool the same way you install
57530发布于 2021-05-19 - 来自专栏十月梦想
node操作gm进行图像基本操作
上一篇介绍了GraphicsMagick的简单使用,这一批使用node结合gm处理一些图像的简单操作! 接下来简单实现日常基本操作 首先引入所需第三方gm包,引入之前请实现npm i gm var fs = require('fs') var gm = require('gm'); 改变图片尺寸(修改图像尺寸 resise) //设置图像为100*100尺寸 gm(". err) console.log("done") }) 图片添加水印 gm(". //www.npmjs.com/package/gm
91820发布于 2018-08-29 - 来自专栏云深之无迹
GM1215=GM1200+IIC（加了一个寄存器的共模新品）
几天前看见共模出了个新东西，我看了下原来是加了个可编程的寄存器：GM1215 集成了 I 2 C 通信接口，器件地址为 0x21，可以编程 SET 引脚电流和输出电压。 GM1215 在保持与 LT3042 完全兼容的同时，GM1215 增加了 I²C 在线调压功能，可实时微调输出电压，解决了红外探测器在不同环境温度下的偏置漂移问题。
8710编辑于 2026-01-07 - 来自专栏Cocos Creator开发
nodejs 图片处理工具 gm 的使用！
安装 gm 直接命令行安装： npm install --save gm 环境变量配置 GraphicsMagick 和 ImageMagic 安装完以后，需要把对应执行文件所在目录添加到环境变量 gm('png图片路径') .crop(width, height, x, y) .write(`碎图保存路径`, err => { if(err ! 具体实现代码如下： var gm = require('gm'); var fs = require('fs'); const { createCipher } = require('crypto') in json.frames){ console.log(`${key}`); var frame = json.frames[key].frame; gm
1.8K10发布于 2020-07-22 - 来自专栏AI那点小事
灰色系统预测GM(1,1)模型
目前使用最广泛的灰色预测模型就是关于数列预测的一个变量、一阶微分的GM(1,1)模型。它是基于随机的原始时间序列，经按时间累加后所形成的新的时间序列呈现的规律可用一阶线性微分方程的解来逼近。 因此，当原始时间序列隐含着指数变化规律时，灰色模型GM(1,1)的预测是非常成功的。 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (X0,a,tmp): #GM(1,1)模型 A = np.ones(len(X0)) for i in range(len(A)): A[i] = a [1]/a[0] + (X0[0]-a[1]/a[0])*np.exp(a[0]*(tmp[i]-1)*(-1)) print ('GM(1,1)模型为:\nX(k) = ',X0[0]-a[1 )',a[1]/a[0]) XK = Series(A,index=pd.period_range('2000','2005',freq = 'A-DEC')) print ('GM
2.6K10发布于 2020-04-20 - 来自专栏云深之无迹
GM4500 精密 OP：有源滤波器“圣体”
今天来看老朋友共模的两颗运放（分为上下）： 先速览一下： GM4xxx 是 op 先看这个 GM4500，大致看了几篇 datasheet，我有点迷惑，这个东西到底算不算精密 OP 呢？ 友商是放到普通 OP 的，但是标题里面又有精密，看参数也蛮不错的： 那我就暂且认为它属于精密 OP 那这颗运放是什么定位 GM4500/GM45002 是精密、低噪声、轨到轨输入输出（RRIO）的 CMOS GM4500：单运放（MSOP-8）。 GM45002：双运放（MSOP-8 或 SO-8），引脚为 OUTA/INA、OUTB/INB。
15310编辑于 2026-01-15 - 来自专栏glm的全栈学习之路
数学建模学习GM（1,1）灰色预测模型
灰色模型（Grey Model，简称GM模型）一般表达方式为GM（n,x）模型，其含义是：用n阶微分方程对x个变量建立模型。 常用的灰色系统预测模型主要有GM(1,1)和GM(1,n)，以下分别对这两种模型展开。 【1】.GM(1,1)模型 GM（1,1）模型的预测原理是：对某一数据序列用累加的方式生成一组趋势明显的新数据序列，按照新的数据序列的增长趋势建立模型进行预测，然后再用累减的方法进行逆向计算，恢复原始数据序列 GM(1,1)建模过程： (1) 设一组原始数据为 ? ，n为数据个数。对 ? 累加以便弱化随机序列的波动性和随机性,得到新的数列为： ? 其中， ? (2) 生成 ? 的邻均值等权数列 ? 建立关于t的白化形式的一阶一元微分方程GM(1,1): ? 其中，a，u为待解系数,分别称为发展系数和灰色作用量，a的有效区间是(-2,2)，并记a，u构成的矩阵为灰参数 ?
3.3K40发布于 2020-09-28 - 来自专栏owent
Webpack+vue+boostrap+ejs构建Web版GM工具
前言 Web前端的组件技术刷新真的是日新月异，前段时间看到很多童鞋分享了webpack的使用，刚好之前做我们游戏里Web版的GM工具的时候正在想怎么用简单的方式，做模块分离并且又不需要引入重量级的第三方库或组件 我们的Web版GM工具长差不多这个样子，全静态页面。 因为分成了好几个模块，然后由于用的是bootstrap的。上面的Tab和下面的内容还有处理逻辑的函数都分了三大块，在不同的位置。 options: { indentedSyntax: true } } ] } Vue模板 我的GM new VueLoaderPlugin() //开 .vue 支持的话加这一行 ] } HTML模板引擎和ejs webpack 默认是对js打包的，但是如果能在编译期对html打包才能满足我们GM ", $: "jquery", jQuery: "jquery" }) ] } 集成VSCode: monaco-editor 和 typescript 支持 我们GM
3.2K32发布于 2018-10-22 - 来自专栏云深之无迹
共模新品-GM6506：小尺寸高效降压模组
上次我分享了共模的一个DCDC-GM2500，是一个非常高效的同步降压变换器，而且还能在降低EMI的前提下以小体积存在。 其实在年初的时候，共模也给出了另一颗参数类似的GM6506. 一句话： GM6506 = 模块化、快速上板、低风险。 GM2500 = 可调频、外置电感、更像“让你精细调教性能/EMI”。 开始研究GM6506这个电源模块 GM6506 本质上是一颗集成电感的 6A 同步降压电源模块，内部已经把 MOSFET、驱动、电流模式补偿、电感都做好了，你在外围只需要：输入/输出电容 + FB 分压电阻 Bandgap + gm 放大器 + 误差放大器 Bandgap 提供温漂很小的基准电压；通过 gm 放大器与 FB 引脚电压比较，调节控制电压 VC（内部节点），决定峰值电感电流。 直接供电就有点“吵”，建议结构上做：GM6506 → LC/RC 滤波 → 低噪声 LDO → ADC/REF；或者用 GM6506 供大电流数字部分，用独立的 LDO 或线性电源给模拟部分。
13710编辑于 2026-01-07 - 来自专栏机器学习初学者精选文章
【数据竞赛】Kaggle GM秘技：树模型初始化技巧
作者: 尘沙樱落 树模型初始化技巧 大家都知道神经网络训练的提升分数的技巧之一就是： 依据验证集合的效果，来调整learning rate的大小，从而获得更好的效果; 但我们在训练树模型的时候却往往
72220发布于 2021-02-08 - 来自专栏Datawhale专栏
本科生晋升GM记录 & Kaggle比赛进阶技巧分享
93806755 本文已授权，未经允许，不得二次转载 Kaggle profile: kaggle.com/garybios rank: 60/125547 前言 个人其实从入坑kaggle到最近拿到了GM 拿下第二个银牌升级为Expert title后，进入了华人Kagglers大群（当时expert是进群门槛，现在已经是master了），里面全是GM/Master/Expert大神，在群里向各位老师学习 Phase 2 自己当时完全想不到自己有机会拿下金牌和Master title，在比赛里也认识到了涛哥（史上最快晋升GM的男人），杨老师等。
1.5K12发布于 2019-12-03 - 来自专栏全栈程序员必看
石器时代服务器架设教程_石器时代gm命令
主机在眼前的就不说了，首先说的是如果你租了服务器，机房给你装好系统 你自己还需要一些工具再进Linux
2.1K20编辑于 2022-11-10 - 来自专栏云深之无迹
共模基准GM740X 的曲率补偿（Curvature Compensation）
“曲率补偿（Curvature Compensation）”是高精度电压基准（如 GM7400）能做到 1.5 ppm/°C 温漂 的关键技术之一，它属于带隙参考（Bandgap Reference） 的非线性区导通 多晶电阻混合法 不同材料电阻（N+Poly / P+Poly）温度系数相反 通过比例混合抵消非线性曲率 运放线性化补偿 在反馈放大器环中插入温度曲率修正支路 常见于高精度带缓冲输出器件 GM7400 “微调网络（Trim Network）”的作用 GM7400 在实现曲率补偿的基础上，还增加了一个TRIM微调引脚;它实际上与内部“分压电阻阵列”相连，可以微调输出电压和温漂匹配点。 工程意义（为什么 GM7400 能做到 < 3 ppm/°C） 通过曲率补偿 + 微调网络： 传统带隙漂移：30~50 ppm/°C → 降至 < 3 ppm/°C整个 –55 °C~125 °C 曲线几乎为直线 GM7400 的“曲率补偿与微调网络”是在传统带隙结构中加入 二次温度补偿与外部微调反馈机制 的复合方案。
18710编辑于 2026-01-07 - 来自专栏云深之无迹
使用 GM6506 为 FPGA 设计一个电源轨
目标：VOUT = 5 V，IOUT_max = 4 A 负载：FPGA（典型数字电源） 合理假设：上游有一个 5.5 V 左右电源，给 GM6506 做前级，GM6506 输出 5 V（Buck，占空比约 5/5.5 ≈ 0.91）；GM6506 支持接近 100% 占空比的工作模式，用来做这种“低压差”场景是符合手册描述的。 噪声估算：纹波 + 负载阶跃 电感电流纹波和稳态输出纹波 GM6506 集成电感的数据手册里没直接给出数值（通常在几百 nH 量级），我们假设内部电感 约 0.47 µH（这是同类 6 A / 1.6 这种典型数字负载来说：电源容差一般是 ±5% 左右，你这里的设计连 ±1% 都碰不到；数字负载本身对高频噪声的 PSRR 不敏感，只要 DC 电压和大尺度瞬态在范围内就行；所以这套 VOUT=5 V / 4 A 的 GM6506
14510编辑于 2026-01-07 - 来自专栏往期博文
数学建模学习笔记（二十二）灰色预测（上）GM(1,1)
理论部分：（看得有点懵，先记录，主要看应用） GM(1,1)： 看不懂没关系，来个例子上手： 由于 22.034 与17 相差5.034，这表明下一次旱灾将发生在五年以后
82520编辑于 2022-06-14 - 来自专栏云深之无迹
GM45012：性能刚刚好，懵逼不烧脑
还是专门围绕 GM45012，把它的噪声表现与“真正可用带宽”再系统、工程化地解读一遍，并且对比你刚才看的 GM4500 系列，明确它在信号链中的真实定位。 GM45012 的“噪声情况”——属于哪一档？ 系列的“本质区别” 参数 GM4500 GM45012 GBW 28 MHz 10 MHz SR 11 V/µs 4.7 V/µs en @10k 2.7 nV/√Hz 2.7 nV/√Hz 稳定性 偏激进 更温和 工程友好度 中 高 感觉GM45012 是“降速换稳定”的版本，非常典型、非常好用。 GM4500 / GM45002 输出电流能力：±100 mA（典型/最大级别）；供电是5 V 或 ±2.5 V，这是连续输出能力量级，不是 ESD 或瞬态注脚 GM45012 输出电流能力：±100
15410编辑于 2026-01-15 - 来自专栏云深之无迹
共模半导体-国产超低噪音LDO：GM1200
瓜瓜也是拱火国产，还真别说，国内确实有一家专门搞低噪音的模拟厂，尤其它家的名字，更是好记。
34800编辑于 2025-03-20 - 来自专栏云深之无迹
共模低噪声负压 LDO-GM1402（低噪音设计）
1.22 V），通过误差放大器将参考电压与反馈电压进行比较，调节 NMOS 栅压以控制输出电压，保持稳定 对于可调版本，用户可外接分压电阻 设定输出电压： 俩个版本 降噪设计（用于 ADC 应用） GM1402 GM1402 简化版 PSRR（电源抑制比）响应 仿真模型使用了一个 2 阶低通滤波器，截止频率设为 10kHz，近似表示 GM1402 的频域降噪特性。 GM1402 输出噪声在加入外部降噪网络（CNR + RNR）前后的对比仿真 蓝色曲线：原始输出噪声，包含： 白噪声（10 µV RMS） 1/f 粉红噪声（5 µV RMS） 橙色曲线：加入模拟的降噪网络后 的快速响应特性 和数据手册中图 21“负载瞬态响应”行为一致，说明 GM1402 对 ADC 或高动态负载变化场景具有良好瞬态稳定性 Dropout 行为（右图） 模拟场景：将 VIN 从 −5.5 mV 结果说明： 当 VIN − VOUT < 88 mV（即 VIN 高于 −5.088 V）时，输出开始掉压 一旦 VIN 接近 −5.0 V，LDO 已无法维持稳定 −5.0 V 输出 说明 GM1402
38700编辑于 2025-07-02 - 来自专栏云深之无迹
从 LTZ1000 内部结构看 GM7402 设计细节
我看了下，里面有一些小参数，它们微小，但是对待最终的结果有不小的影响： 看着三个参数 “低漂移 0.8 ppm/°C（典型值），1.5 ppm/°C（最大值）”是 GM7402 最核心的技术指标之一，反映了它的温度稳定性 为什么能做到 0.8 ppm/°C GM7402 相比前代（GM7400/7401 约 1.5 ppm/°C typ）能进一步降低温漂，关键在于： 采用深埋齐纳（Buried Zener）核心：齐纳击穿电压在特定电流下对温度几乎不敏感 GM7400（1.5 ppm/°C）：漂移曲线斜率最大，温度变化 180 °C 时约 ±0.68 mV。 GM7401（1.35 ppm/°C）：略优，漂移减少约 10–15%。 GM7402（0.8 ppm/°C，深埋齐纳架构）：曲线几乎水平，全温区漂移仅 ±0.36 mV。 这说明随着架构演进（带隙 → 低压带隙 → 深埋齐纳复合），温度稳定性提升约 2 倍，体现 GM7402 已进入准实验室级稳定区。
16010编辑于 2026-01-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号