- 综合排序
- 最热优先
- 最新优先
- 来自专栏数字芯片实验室
VCS门级仿真系列文章之sdf文件和$sdf_annotate
$sdf_annotate("sdf_file"[,module_instance][,"sdf_configfile"][,"sdf_logfile"][,"mtm_spec"][,"scale_factors "][,"scale_type"]); 其中： "sdf_file"：指定SDF文件的路径。 module_instance：指定反标设计的范围（scope） "sdf_configfile"：指定SDF配置文件 "sdf_logfile"：指定VCS保存error 和warnings消息的SDF 下面通过一个振荡环（ring_oscillator）示例sdf文件和$sdf_annotate的用法。 系统函数： initial begin $sdf_annotate("ring_oscillator.sdf",ring_oscillator); end 界面打印出信息 *** $sdf_annotate
12.3K11发布于 2020-06-12 - 来自专栏DrugScience
使用Rdkit对SDF文件进行分割
import rdkit from rdkit import Chem suppl = Chem.SDMolSupplier('enamine_3d.sdf') count = len(suppl) 2102303 # out_sdf输出为sdf文件 def out_sdf(lig_list,filename): writer = Chem.SDWriter(filename) for i in lig_list: writer.write(i) writer.close() return # 将SDF分割为10000为单位的小块 cut = 10000 for try: tmp.append(next(suppl)) except StopIteration: break out_sdf (tmp,str(i)+'.sdf'）
2.4K51发布于 2021-08-12 - 来自专栏数字芯片
芯片后仿及SDF反标
sdf文件反标 方法一 在makefile中调用,使用如下命令： vcs +neg_tchk -negdelay -sdf min|typ|max:instance_name:file.sdf 启用SDF 方法二 $sdf_annotate 使用$sdf_annotate将SDF文件反标到网表中： $sdf_annotate ("sdf_file"[, module_instance] [,"sdf_configfile "][,"sdf_logfile"][,"mtm_spec"] [,"scale_factors"][,"scale_type"]); sdf_file: 指定指向SDF文件的路径; module_instance sdf_configfile: 指定SDF配置文件。 sdf_logfile: 指定SDF log文件，可以使用+sdfverbose显示所有的sdf反标错误。 /rtl/post_sim/file.sdf",tb,,"sdf.log",); end `endif 确认成功反标 打印出Doing SDF annotation ......
6.4K21发布于 2021-12-02 - 来自专栏R语言交流中心
R语言实现分子SDF文件操作
我们今天给大家介绍一个可以在R语言中对SDF文件进行操作的R包ChemmineR，当然这个包还包含了很多对分子分析的算法，需要通过Bioconductor安装： BiocManager::install 载入数据： a=read.SDFset("http://faculty.ucr.edu/~tgirke/Documents/R_BioCond/Samples/sdfsample.sdf") 其中获取详细信息的函数如下 5. makeUnique 主要用来检测数据的ID是否重复，也就是可以看一个sdf文件中是否有重复的数据。 6. datablock2ma 将SDF文件转化为矩阵数据。 7. grepSDFset 检索SDF文件。 或者写入新的sdf文件： write.SDF(at[1:4],file="sub.sdf", sig=F) 接下来就是对分子的处理，首先我们看下分子相似性以及聚类分析，直接看实例： apset <- sdf2ap
2.6K10发布于 2019-12-04 - 来自专栏祥的专栏
Visual Studio中的ipch和*.sdf文件
用VS做开发的时候，VS会在项目文件夹下自动的生成一个ipch的文件夹和(项目名).sdf的文件，这两个文件都是奇大无比。
4.2K10发布于 2020-03-10 - 来自专栏摸鱼范式
【附录B：SDF 下】静态时序分析圣经翻译计划
B.4 映射示例 以下是将SDF结构映射到VHDL泛型（generic）和Verilog HDL声明（declaration）的示例。 无变化的建立时间 SDF文件中的NOCHANGE结构将同时映射到VHDL中的tncsetup和tnchold泛型。 D和CK下降沿之间无变化的建立时间： ? 无变化的保持时间 SDF文件中的NOCHANGE结构将同时映射到VHDL中的tncsetup和tnchold泛型。 E和CLKA之间无变化的条件保持时间： ? ? 端口延迟 端口OE的延迟： ? B.5 完整语法 以下是使用BNF格式显示的SDF的完整语法。终端（terminal）名称是大写的，关键字是粗体的，但是不区分大小写。起始的终端是delay_file： ? ? ? ? ? ? ?
1.1K10发布于 2021-01-28 - 来自专栏摸鱼范式
【附录B：SDF 上】静态时序分析圣经翻译计划
经常在进行信息交换时，一个工具可能会在生成SDF文件时产生一个问题，而另一个读取SDF的工具可能无法正确读取SDF。 读取SDF的工具可能会在读取SDF时产生一个错误或警告，或者它可能会错误地解释SDF中的值。在这种情况下，设计人员可能必须查看SDF文件，看看出了什么问题。 例如，实例名称和实例的引脚名称将被存储到SDF文件中，因为它们对于指定实例相关或引脚相关的延迟是必需的。因此，必须为SDF生成工具和SDF读取工具提供相同的设计。 ? 图B-1 一个设计可以具有多个与之关联的SDF文件。可以为一个设计创建一个SDF文件，在分层设计中，也可以为分层中的每个块创建多个SDF文件。 假定会使用与HDL模型一致的信息创建SDF文件，并且在反标期间使用相同的HDL模型。此外，SDF标注器还需要负责正确解释SDF中的时序值。 SDF标注器标注了反标时序的泛型和参数。
3.3K41发布于 2021-01-28 - 来自专栏陌上风骑驴看IC
论 STA | 可以想到的抽SDF 相关的一切
SDF 长啥样 ---- SDF 通常包括三部分：表头，门延时，线延时，表头有SDF 的版本信息，当前设计的名称，产生时间，生产工具，工具的版本号，PVT, 时间单位等。 ? SDF 是不依赖于path 的，所以SDF 只能用GAB 的值。 write_sdf 如何处理负延时 ---- SDF 3.0 的协议规定，不论是否在写SDF 是加了option "-nonegchecks" 都不允许SETUP 跟HOLD 中有负值，所以当写SDF 如何写出Hierarchical 的SDF ---- 如果要写出某个sub block 的SDF, 在写SDF 时用option "-path" 指定要写block 对应的instance 即可。 在写SDF 时可以指定option "-no_variation" 写出一个non-SOCV 的SDF.
9.1K73发布于 2019-11-08 - 来自专栏施炯的IoT开发专栏
利用SDF2.3获取Windows Mobile上的WiFi接入点信息
在《Windows Mobile上的无线网络接入点扫描》一文中，讲述了用native code来获取WiFi接入点信息（名字、MAC地址、信号强度RSSI、Wifi信道以及是否需要密码等）的方法。然而，OpenNETCF的Smart Device Framework为开发者提供了许多开发捷径，我们可以很方便地获得AP信息，直接使用C#语言，就只需几行代码就可以搞定。 首先，新建一个智能设备项目，以VS2008+Windows Mobile 6.0 Professional为例，在新建好的项目
1.2K80发布于 2018-01-11 - 来自专栏施炯的IoT开发专栏
利用SDF2.3获取Windows Mobile上的IP地址和MAC地址
OpenNETCF的Smart Device Framework为开发者提供了许多开发捷径，其SDF1.x系列提供了完全的源代码，即Full Source，从SDF2.x以来，就不一样了。 特别是现在的SDF2.3，已经分为Community Edition、Standard Edition和Professional Edition，对于不同的版本，OpenNETCF对其支持的力度也是不一样的 SDF2.3可以帮助我们方便地实现。
2.1K90发布于 2018-01-10 - 来自专栏量子位
英伟达首次实现SDF实时3D渲染，还是细节超清晰的那种
其实，同样是基于大名鼎鼎的神经 SDF（有向距离场）——计算机图形学中，常见的一种隐式曲面表示方法。 不过在这项研究中，大型神经网络的渲染不再必需，这就使得渲染效率提升了2-3个数量级。 ? 这也是首个基于SDF的3D高保真实时渲染方法。 相关论文一经发布，引起了不少来自谷歌、Epic Games等等机构的专家学者的关注。 ? 一起来看详情。 用稀疏体素八叉树进行编码 SDF 可以表示为 f(x,y,z)=d，是一个表示位置的函数，返回值是到物体表面的最近距离。 ? 在进行渲染时，SDF 使用的是球体跟踪算法，该算法会沿射线执行距离查询。 而经典的神经 SDF 往往需要大型神经网络来进行编码，以便用隐式曲面来逼近复杂的形状，这就导致球体跟踪算法的代价很高。 ? 基于八叉树的特征量，可以自适应地拟合具有多个离散细节层次（LOD）的形状，并通过 SDF 插值实现连续 LOD。如此一来，就可以用一个小得多的多层感知机（MLP）实现加速渲染。 ?
1.6K11发布于 2021-02-26 - 来自专栏生信小驿站
R语言之分子指纹(1)计算分子指纹及批量保存sdf格式
0 0 0 0 0 setwd('D:\\SCIwork\\F29\\lianxishuju\\ligand') #循环生成sdf parse.smiles(SMILES[i]) ## perform operations on this molecule file_name <- paste0('molecule', i, '.sdf ') write.molecules(m,filename=file_name ) } 用DS2019读取这些sdf文件后，全部visible，然后保存为sdf格式，即可将所有小分子保存到一个sdf
2.1K21发布于 2021-01-20 - 来自专栏一点人工一点智能
【CVPR2022 Oral】Manhattan-SDF：从多视角图像做三维场景重建
作者丨郭浩宇@知乎 原文 | 【CVPR2022 Oral】Manhattan-SDF：从多视角图像做三维场景重建 编辑丨东岸因为@一点人工一点智能 我们介绍一篇2022 CVPR Oral的三维场景重建论文 NeuS [4] 和 VolSDF [5] 使用有SDF（向距离场）建模场景的几何，并实现了基于SDF的体积渲染，可以得到相比于NeRF更加平滑的几何重建结果。 2.2 基于SDF的体积渲染 为了采用体积渲染技术，我们首先将有向距离场转换为体积密度： \beta其中 是一个可学习的参数。
3.1K20编辑于 2023-02-21 - 来自专栏AI算法与图像处理
清华&商汤提出了神经SDF！从多个照明条件下单视图纯阴影或RGB图像重建！论文代码速递2022.11.29！
ECCV2022论文和代码整理：https://github.com/DWCTOD/ECCV2022-Papers-with-Code-Demo 最新成果demo展示： 标题：ShadowNeuS: Neural SDF 通过监督阴影光线，我们在多种光照条件下成功地从单视图纯阴影或 RGB 图像重建场景的神经 SDF。
1K30编辑于 2022-12-11 - 来自专栏Android知识点总结
线程篇2：[- sleep、wait、notify、join、yield -]
1.测试代码： public class Main0 { static SimpleDateFormat sdf = new SimpleDateFormat("mm:ss"); public @Override public void run() { synchronized (sdf) { System.out.println(sdf.format 在Car线程调用sdf.wait();后,锁将被释放，然后Ambulance线程就可以持有锁运行了 如果不唤醒线程，线程将一直阻塞，就是根本停不下来。 打个比方就是sdf是司机 wait()之后就把车钥匙扔了，然后熄火了。钥匙拿不回来，车就跑不了。 System.out.println(sdf.format(System.currentTimeMillis()) + ":救护车跑到终点"); sdf.notify();
53120发布于 2020-04-30 - 来自专栏流川疯编写程序的艺术
《大数据+AI在大健康领域中最佳实践前瞻》---- 基于DBSCAN 与软聚类实现单一实体识别
, input_sdf.PI_FROM, input_sdf.PI_AGE, input_sdf.PI_SEX, pid_sdf.PI_ID,] join_sdf = input_sdf.join (pid_sdf).where((input_sdf.PI_FROM == pid_sdf.T_FROM)&(input_sdf.PI_NAME == pid_sdf.T_NAME)&(input_sdf.PI_SEX cols = [join_sdf.PI_NAME, join_sdf.PI_FROM, join_sdf.PI_AGE, join_sdf.PI_SEX, join_sdf.PI_ID, join_sdf.ORIGREC , join_sdf.ORIGSTS,] join_sdf = unique_sdf.join(join_sdf).where((unique_sdf.T_ID == join_sdf.PI_ID self.ER_sdf2 = self.ER_sdf2.join(self.orig_sdf, self.orig_sdf.ORIGREC == self.ER_sdf2.RECORD_ID, how
1K20编辑于 2021-12-06 - 来自专栏java架构计划训练营
随机生成某一段的时间
RandomDateUtil { public static void main(String[] args) throws Exception { SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); Date startTime = sdf.parse(start); Date endTime = sdf.parse(end); Random random = new Random(); List<Date> dates = random.longs = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); Date startTime = sdf.parse(start); Date endTime = sdf.parse(end); Random random = new Random(); List<Date> dates = random.longs
59120编辑于 2022-09-28 - 来自专栏写字母的代码哥
在java中进行日期时间比较的4种方法
"); Date date1 = sdf.parse("2009-12-31"); Date date2 = sdf.parse("2019-01-31"); System.out.println ("date1 : " + sdf.format(date1)); System.out.println("date2 : " + sdf.format(date2)); if (date1. = new SimpleDateFormat("yyyy-MM-dd"); Date date1 = sdf.parse("2009-12-31"); Date date2 = sdf.parse ("2019-01-31"); System.out.println("date1 : " + sdf.format(date1)); System.out.println("date2 : = new SimpleDateFormat("yyyy-MM-dd"); Date date1 = sdf.parse("2009-12-31"); Date date2 = sdf.parse
20.1K11发布于 2020-09-23 - 来自专栏用户7621540的专栏
SimpleDateFormat线程安全引发的事故以及解决方法
，判断是多线程导致，测试代码如下： public class DateTest { //工具类中的日期组件 private static final SimpleDateFormat sdf String dateString2 = sdf.format(parseDate); System.out.println(dateString.equals( 我们通过源码看下： SimpleDateFormat继承了 DateFormat DateFormat类中维护了一个全局的Calendar变量 sdf.parse(dateStr)和sdf.format String dateString2 = sdf.format(parseDate); System.out.println(dateString.equals( ("yyyy-MM-dd HH:mm:ss"); // private static final FastDateFormat sdf = FastDateFormat.getInstance(
44020编辑于 2022-09-19 - 来自专栏机器人课程与技术
Gazebo機器人仿真學習探索筆記（三）機器人模型
> <model> <name>My Robot</name> <version>1.0</version> <sdf version='1.4'>model.sdf</sdf> <author > <model> <name>My Model Name</name> <version>1.0</version> <sdf version='1.5'>model.sdf</sdf> > <model> <name>Wedge juggler</name> <version>1.0</version> <sdf version="1.5">model.sdf</sdf> > <model> <name>Wedge juggler</name> <version>1.0</version> <sdf version="1.5">model.sdf</sdf> <sdf version="1.4">model-1.4.sdf</sdf> <author> <name>Evan Drumwright</name> <email>drum
1.6K10发布于 2019-01-23
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