安路FPGA_LED闪烁

安路FPGA_LED闪烁

1. 新建工程,选择芯片

2. 编写.v文件,保存为.v格式

C++
module led_test(
    //input
    input clk,//
时钟 25M
    input rst_n,//复位,高电平复位
   
    //output
        output reg [3:0]led
);
 
reg [23:0]cnt_250ms;
parameter TIME_250ms = 24'b0101_1111_0101_1110_0001_0000;
 
always@(posedge clk or negedge rst_n) begin
    if (rst_n == 1'b0)
        cnt_250ms <= 24'd0;
    else if (cnt_250ms == TIME_250ms - 1)
        cnt_250ms <= 24'd0;
    else
        cnt_250ms <= cnt_250ms + 24'd1;
end
always@(posedge clk or negedge rst_n) begin
    if (rst_n == 1'b0)
        led <= 8'b0000;
    else if (cnt_250ms ==TIME_250ms - 1)
        case(led)
        8'b0000: led <= 8'b1111;
        8'b1111: led <= 8'b0000;
       
        default: led <= 8'b0000;
        endcase
    else
        led <= led;
end
 
endmodule

3. hierarchy右键-->Add Source

4. 点RUN编译,并保证无报错。

下图左为正常界面,会自动生成bit文件;下图右为报错界面

如果报错License expired,需要去官网下载License

下载地址:https://www.anlogic.com/support/tools-downloads

将上述文件下载,并放到:C:\Anlogic\TD5.0.43066\license

账号:1533**

密码:4147**

5.点击Tools,选择 IO constants,分配管脚

6. Download,选择文件下载。

准备工作:JTAGEN管脚需要上拉,再上电

7. 如果无bit文件,可右键Generate bitstream生成

8. 点击refresh刷新并识别USB,成功识别会显示芯片型号

9. 点击add添加bit文件,并高亮选择要烧录的bit文件

10. 选择jtag烧录到ram,选择program flash烧录到rom

11. 点击run,开始烧录

特别注意

仿真器的驱动在安装目录,如下图所示:

Read more

中文文本分类新选择|AI万能分类器集成WebUI开箱即用

中文文本分类新选择|AI万能分类器集成WebUI开箱即用 在自然语言处理(NLP)的实际应用中,文本分类是构建智能客服、舆情监控、工单系统、内容推荐等场景的核心能力。传统方法往往依赖大量标注数据进行模型训练,成本高、周期长。而随着预训练语言模型的发展,零样本学习(Zero-Shot Learning) 正在改变这一局面。 本文将介绍一款基于 StructBERT 零样本分类模型 的 AI 万能分类器镜像——无需训练、支持自定义标签、集成可视化 WebUI,真正实现“开箱即用”的中文文本智能打标解决方案。 🌟 为什么需要“零样本”文本分类? 在实际业务中,我们常常面临这样的问题: * 新的分类需求不断出现(如新增投诉类型) * 标注数据稀缺或成本过高 * 快速验证分类逻辑是否可行 * 希望快速搭建原型系统进行演示 传统的监督学习流程:收集数据 → 清洗标注 → 训练模型 → 部署上线,动辄数周甚至数月。而零样本分类技术让我们可以跳过训练阶段,在推理时直接定义类别标签,由模型根据语义理解自动判断归属。 💡 零样本

前端实现Word文档在线编辑与导出:基于mammoth.js与Blob对象的完整解决方案

如何在浏览器中直接编辑Word文档并导出?本文将深入探索一种基于mammoth.js和Blob对象的完整技术方案。 在当今的Web应用开发中,实现文档的在线编辑与导出已成为常见需求。无论是企业内部系统、教育平台还是项目管理工具,都迫切需要让用户能够在浏览器中直接编辑Word文档,而无需安装桌面软件。本文将详细介绍如何利用mammoth.js和Blob对象实现这一功能,并对比其他可行方案。 一、为什么选择mammoth.js与Blob方案? 在Web前端实现Word文档处理,主要有三种主流方案:浏览器原生Blob导出、mammoth.js专业转换和基于模板的docxtemplater方案。它们各有优劣,适用于不同场景。 mammoth.js的核心优势在于它能将.docx文档转换为语义化的HTML,而非简单复制视觉样式。这意味着它生成的HTML结构清晰、易于维护和样式定制。配合Blob对象,我们可以轻松将编辑后的内容重新导出为Word文档。 与直接使用Microsoft Office Online或Google Docs嵌入相比,mammoth.js方案不依赖外部服务,能更好地

C# 技术栈下的 WebAPI 数据协议实战解析:RESTful 与 GraphQL 的对决

一、基础架构设计对比  1. RESTful:资源驱动的.NET原生方案 核心特性: 通过 ASP.NET Core 的 [ApiController] 和路由模板实现资源管理,每个端点对应一个 HTTP 方法。例如获取商品信息的典型实现: [ApiController] [Route("api/products")] public class ProductsController : ControllerBase { [HttpGet("{id}")] public IActionResult GetProduct(int id) => Ok(_productRepo.GetById(id)); // 单资源获取 } 优势: * 遵循 HTTP 规范,天然支持无状态设计和缓存(如 [ResponseCache]