FPGA新手必看：Libero SoC 2024.2从安装到第一个工程实战（附免费License申请攻略）

优质文章学习记录

— 1 min read

FPGA开发入门：Libero SoC 2024.2从零到第一个工程实战指南

1. 环境准备与安装配置

对于FPGA开发新手来说，环境搭建往往是第一个拦路虎。Libero SoC作为Microchip旗下功能全面的FPGA开发工具链，其2024.2版本在用户体验上做了不少优化。我们先从最基础的安装开始，确保开发环境正确配置。

系统要求检查：

  • 操作系统：Windows 10/11 64位专业版或企业版
  • 内存：建议16GB以上（最低8GB）
  • 磁盘空间：安装目录需要至少20GB可用空间
  • 显卡：支持OpenGL 3.3及以上

安装前建议关闭杀毒软件和防火墙，避免安装过程中出现权限问题。下载安装包时有两个选择：

安装类型特点适用场景
Web Install按需下载组件，节省初始下载时间网络环境较好的开发者
Full Install包含所有组件，离线安装更方便网络受限或需要多次安装

推荐使用Web Install方式，虽然首次运行需要联网，但可以确保获取最新组件。安装过程中有几个关键点需要注意：

  1. 公共目录设置： 这个目录用于存放IP核等共享资源，建议与安装目录分开：

安装路径选择：

# 示例路径（避免中文和空格） D:\Microchip\Libero_2024.2

Read more

革新性物联网开发平台：低代码技术重构设备互联生态

革新性物联网开发平台：低代码技术重构设备互联生态 【免费下载链接】PandaX🎉🔥PandaX是Go语言开源的企业级物联网平台低代码开发基座，基于go-restful+Vue3.0+TypeScript+vite3+element-Plus的前后端分离开发。支持设备管控，规则链，云组态，可视化大屏，报表设计器，表单设计器，代码生成器等功能。能帮助你快速建立IOT物联网平台等相关业务系统。 项目地址: https://gitcode.com/gh_mirrors/pa/PandaX 在工业4.0与数字化转型的交汇点，你是否正面临设备接入复杂、数据孤岛严重、开发周期冗长的困境？作为一款企业级物联网开发平台，PandaX以低代码开发为核心，整合设备数据可视化与工业物联网解决方案，帮助你快速构建设备远程监控系统与物联网数据中台。这款基于Go语言构建的开源框架，通过前后端分离架构与模块化设计，重新定义了物联网应用的开发模式。 行业痛点与技术瓶颈 当企业尝试部署物联网系统时，通常会遭遇三重挑战：首先是设备协议碎片化，不同厂商的传感器、控制器采用各异的通信标准，导致接入成本居高不下；其

比 OpenClaw 轻 99%！我用 nanobot 搭了个 QQ AI 机器人，还顺手贡献了代码

❝ 4000 行代码，打造你的私人 AI 助手❞ 前言 最近 AI Agent 领域有个项目特别火——「OpenClaw」，它是一个功能强大的 AI 助手框架，能让你拥有一个 7×24 小时在线的智能助理。 但当我 clone 下来准备研究时，发现它有 「43 万行代码」！对于想快速上手或做二次开发的个人开发者来说，这个体量实在太重了。 直到我发现了它的"轻量版"——「nanobot」。 nanobot：99% 的瘦身，核心功能全保留 nanobot 来自香港大学数据科学实验室（HKUDS），它的设计理念很简单： ❝ 用最少的代码，实现 AI Agent 的核心能力❞ 来看一组对比数据： 项目 代码行数 核心功能 OpenClaw 430,

NIC400生成Flow全解析（八）Micro Architechture

当所有配置完成后，就可以生成Micro Architechture了。在Micro Architechture中也会进行一系列配置。比如微架构、timing closure、buffering等配置。 生成Micro Architechture的方法如下： 生成时需要解决掉所有报错问题后，即可打开Micro Architechture。打开方式如下： 大致界面如下： 其中主要包含了如下元素： * Micro Architechture窗口 * Parameter/Timing Closure/Buffering窗口 * Overlays窗口 1.Micro Architechture窗口 该窗口主要是设定需要的互联微架构，AMBA Designer生成NIC-400时需要手动定义，Socrates生成NIC-400时会根据工具内部算法生成一个微架构。生成后也可以根据自己的需求进行调整。图中的各种标志如下所示： Micro Architechture的左边有一排按键，11个按键的含义从上到下依次为： * Zoom in：视图放大 * Zoom o
【论文阅读】Self-supervised Learning of Person-specific Facial Dynamics for APR

【论文阅读】Self-supervised Learning of Person-specific Facial Dynamics for APR

基于特定人物面部动态的自监督学习自动人格识别 * 摘要 * 引言INTRODUCTION * 相关工作 * 五因素模型 * 人格、面部行为与情绪之间的关系 * 基于视频的自动人格预测 * 方法 * 面部动态的自监督学习 * 人格化描述提取 * 训练人格模型 * 实验 * 人格数据库 * 实现细节 * 评价指标 * 消融实验 * 与其他方法的比较 * 结论 论文 关键词：自动人格分析（APR），排序损失，面部时间演变，人格化动态层，自监督学习，卷积神经网络，CNN权重表示 本文主要创新点在于：自监督学习、关注个性化特征 摘要 本文旨在解决现有自动人格分析系统中频繁出现的两个重要问题：1. 使用短视频片段甚至单帧，而非长期行为来推断人格特质；2. 缺乏对特定个体面部动态进行编码以用于人格识别的方法。为解决这些问题，本文提出了一种新颖的排序损失（Rank Loss）利用面部动作的自然时间演变，而非人格标签，来进行面部动态的自监督学习。我们首先训练一个通用的U-net风格模型从一组未标记的面部视频中学