当前位置: 首页 > news >正文

电子技术——分立CS和CE放大器的低频响应

电子技术——分立CS和CE放大器的低频响应

Logo

我们之前在学习放大器中从来没有关系过信号频率对放大器的影响,也就是说我们默认放大器具有无限的带宽,这当然不符合现实逻辑。为了说明这一点,我们使用下图:

分立电路放大器的频响
上图描述了MOS或BJT分立电路放大器的频率响应特性。我们发现存在中间一段区域,无论信号的频率怎么变化,放大器的增益都是一个常数。一般的放大器都工作在此区间,我们称这个区域为 中频带 。一个好的放大器设计应该让中频带处于我们想放大的信号频率上。如果不是这样,则放大器就会造成失真,因为不同频率的信号放大的倍数不同。

上图还展示了当信号频率较小的时候,放大器的增益就会下降。这是因为此时的耦合和旁路电容不在对信号具有低阻抗,回忆一下电容的阻抗为 1/jωC1/ j \omega C1/C 若信号频率越小,则阻抗越大。我们称 fLf_LfL 为中频带的低频结束点,经常被定义为中频带增益的 −3dB-3dB3dB 下降点。我们本节将会讨论分立CS和CE放大器的低频响应。而对于集成电路来说,我们不使用耦合和旁路电容而是直接耦合,因此 fL=0f_L = 0fL=0 ,如图:

IC放大器的频率响应
无论是分立电路放大器还是IC放大器都会存在一个中频带的高频结束点 fHf_HfH ,经常被定义为中频带增益的 −3dB-3dB3dB 下降点,这是因为BJT和MOS的内部电容效应。我们将在后几个节学习如何在T模型或是混合 π\piπ 模型中模型化内部电容效应。

则放大器的 带宽 定义为:

BW=fH−fLBW = f_H - f_L BW=fHfL

一个对于放大器非常重要的特性是 增益-带宽积 定义为:

GB=∣AM∣BWGB = |A_M|BW GB=AMBW

增益-带宽积通常被用来权衡一个放大器的增益和带宽。

在本节我们探究分立CS和CE放大器的低频响应。

CS放大器

下图展示了一个典型的分立CS放大器的完整结构:

CS放大器
为了分析分立CS放大器在低频处的响应,我们使用下面的电路图进行研究:

阻抗模型
上图中,我们将 VDDV_{DD}VDD 短路,并且将MOS使用T模型替代。为了计算 Vo/VsigV_o / V_{sig}Vo/Vsig 我们使用下面的链式模型:

VoVsig=VgVsig×IdVg×VoId\frac{V_o}{V_{sig}} = \frac{V_g}{V_{sig}} \times \frac{I_d}{V_g} \times \frac{V_o}{I_d} VsigVo=VsigVg×VgId×IdVo

这里 VgV_gVg 是栅极电压, IdI_dId 是漏极电流。我们发现 VgV_gVg 可以通过分压定律计算:

Vg=VsigRGRG+1sCC1+RsigV_g = V_{sig} \frac{R_G}{R_G + \frac{1}{sC_{C1}} + R_{sig}} Vg=VsigRG+sCC11+RsigRG

这里的 RGR_GRG 是CS的输入阻抗为:

RG=RG1∣∣RG2R_G = R_{G1} || R_{G2} RG=RG1∣∣RG2

sss 是拉普拉斯变换中的复频率,以后我们都使用 sss 表示复频率:

s=jωs = j \omega s=

则重新排列:

VgVsig=RGRG+Rsigss+1CC1(RG+Rsig)\frac{V_g}{V_{sig}} = \frac{R_G}{R_G + R_{sig}} \frac{s}{s + \frac{1}{C_{C1}(R_G + R_{sig})}} VsigVg=RG+RsigRGs+CC1(RG+Rsig)1s

因此,我们发现 CC1C_{C1}CC1 在信号从信号源到MOS的栅极引入了频率相关因子。我们知道这个因子是单时间常数电路中高通型传递函数,具有极点频率:

ωP1=1CC1(RG+Rsig)\omega_{P1} = \frac{1}{C_{C1}(R_G + R_{sig})} ωP1=CC1(RG+Rsig)1

s=0s=0s=0 的时候, CC1C_{C1}CC1 引入了零因子。这是很显然的,因为电容具有阻直流的性质,下图描述了函数 ss+ωP1\frac{s}{s + \omega_{P1}}s+ωP1s 的频率响应波德图:

频率响应
继续我们的 IdI_dId 分析,因为 Id=IsI_d = I_sId=Is 后者可以通过电压比源极阻抗算出来:

Id=Is=Vg1gm+ZS=gmVgYSgm+YSI_d = I_s = \frac{V_g}{\frac{1}{g_m} + Z_S} = g_mV_g \frac{Y_S}{g_m + Y_S} Id=Is=gm1+ZSVg=gmVggm+YSYS

这里:

YS=1ZS=1RS+sCSY_S = \frac{1}{Z_S} = \frac{1}{R_S} + sC_S YS=ZS1=RS1+sCS

写出多项式分式的形式:

IdVg=gms+1CSRSs+gm+1/RSCS\frac{I_d}{V_g} = g_m \frac{s + \frac{1}{C_SR_S}}{s + \frac{g_m + 1/R_S}{C_S}} VgId=gms+CSgm+1/RSs+CSRS1

也就是说,旁路电容引入了极点频率:

ωP2=gm+1/RSCS\omega_{P2} = \frac{g_m + 1/R_S}{C_S} ωP2=CSgm+1/RS

以及一个零点:

sZ=−1CSRSs_Z = -\frac{1}{C_SR_S} sZ=CSRS1

对应的零点频率为:

ωZ=1CSRS\omega_Z = \frac{1}{C_SR_S} ωZ=CSRS1

下图展示了这个传递函数的频率响应图像:

频率响应
因为 gmg_mgm 很大,所以 ωP2>ωZ\omega_{P2} > \omega_ZωP2>ωZ 所以 ωP2\omega_{P2}ωP2 更加靠近中频带,对 ωL\omega_LωL 的影响比 ωZ\omega_ZωZ 大。

最后,计算:

VoId=−RDRLRD+RLss+1CC2(RD+RL)\frac{V_o}{I_d} = -\frac{R_DR_L}{R_D +R_L}\frac{s}{s + \frac{1}{C_{C2}(R_D+R_L)}} IdVo=RD+RLRDRLs+CC2(RD+RL)1s

耦合电容 CC2C_{C2}CC2 引入极点频率:

ωP3=1CC2(RD+RL)\omega_{P3} = \frac{1}{C_{C2}(R_D+R_L)} ωP3=CC2(RD+RL)1

以及零点 s=0s=0s=0 (DC)。频率响应如下:

频率响应
则整体低频响应函数为:

VoVsig=−RGRG+Rsiggm(RD∣∣RL)(ss+ωP1)(s+ωZs+ωP2)(ss+ωP3)\frac{V_o}{V_{sig}} = -\frac{R_G}{R_G + R_{sig}}g_m(R_D||R_L)(\frac{s}{s + \omega_{P1}})(\frac{s + \omega_Z}{s + \omega_{P2}})(\frac{s}{s + \omega_{P3}}) VsigVo=RG+RsigRGgm(RD∣∣RL)(s+ωP1s)(s+ωP2s+ωZ)(s+ωP3s)

也就是:

VoVsig=AM(ss+ωP1)(s+ωZs+ωP2)(ss+ωP3)\frac{V_o}{V_{sig}} = A_M(\frac{s}{s + \omega_{P1}})(\frac{s + \omega_Z}{s + \omega_{P2}})(\frac{s}{s + \omega_{P3}}) VsigVo=AM(s+ωP1s)(s+ωP2s+ωZ)(s+ωP3s)

这里 AMA_MAM 为完美增益,即不考虑任何频率特性的增益系数,也是我们之前几章使用过的:

AM=−RGRG+Rsiggm(RD∣∣RL)A_M = -\frac{R_G}{R_G + R_{sig}}g_m(R_D||R_L) AM=RG+RsigRGgm(RD∣∣RL)

s=jωs = j\omegas= 远大于 ωP1,ωP2,ωP3,ωZ\omega_{P1},\omega_{P2},\omega_{P3},\omega_ZωP1,ωP2,ωP3,ωZ 的时候,此时 Av≃AMA_v \simeq A_MAvAM 这个时候放大器进入中频带。

决定 3−dB3-dB3dB 频率 fLf_LfL

有了上述推导出的公式,我们就可以确定CS放大器的中频带的低频结束点,当 ∣Vo/Vsig∣|V_o/V_{sig}|Vo/Vsig 降至 ∣AM∣/2|A_M| / \sqrt{2}AM∣/2 的时候此时增益下降 3dB3dB3dB ,记为 fLf_LfL

有一个更简单的方式估算频率 fLf_LfL ,当所有的极点和零点分的足够开的时候,我们可以使用博德规则,整体博德图如下:

博德图
上图中,一般情况下都是 fP2f_{P2}fP2 最大。一个快速的估算方法为:若最高极点频率 fP2f_{P2}fP2 至少是最近的极点、零点频率 fP3f_{P3}fP3 的4倍(2个8度)。则 fLf_LfL 大约是最高极点频率。

fL=fP2f_L = f_{P2} fL=fP2

此时这种情况下,我们称最高极点频率为 主导极点

如果主导极点不存在,可以使用下面的表达式估算:

fL≃fP12+fP22+fP32−2fZ2f_L \simeq \sqrt{f_{P1}^2 + f_{P2}^2 + f_{P3}^2 - 2f_Z^2} fLfP12+fP22+fP322fZ2

通过观察决定极点和零点频率

因为在CS放大器中,各个电容是相互独立的,因此存在一个更简单的方法确定每一个电容的极点和零点频率。

首先是零点。传递函数的传输零点在 sss 使得 Vo=0V_o = 0Vo=0 的时候。在CS放大器中, CC1C_{C1}CC1s=0s =0s=0 的时候具有无穷大阻抗因此引入了传输零点。

对于 CC2C_{C2}CC2 也具有相同的结论。然而,对于旁路电容 CSC_SCS 则具有不同的效果:根据定义传输零点在 sss 使得 ZS=∞Z_S = \inftyZS= 的时候,此时 sZ=−1CSRSs_Z = -\frac{1}{C_SR_S}sZ=CSRS1

对于极点,我们令 Vsig=0V_{sig} = 0Vsig=0 此时电路可以拆成下面三个电路:

三个电路

我们发现每一个电路都是单时间常数电路,时间常数为每个电容的容值乘以从该电容看过去的阻值,其对应的极点频率正好的每一个单时间常数的倒数。

耦合电容和旁路电容的选值

我们现在解决如何选择三个电容的容值,我们的最终目标是将 fLf_LfL 设定在我们想要的值上同时最小化三个电容的容值。因为从 CSC_SCS 看过去的阻值 1gm∣∣RS\frac{1}{g_m} || R_Sgm1∣∣RS 是三个里面最小的,总容抗可以通过选择 CSC_SCS 来提供一个最高的极点频率来最小化,也就是令 fP2=fLf_{P2} = f_LfP2=fL 。之后我们决定后两个极点频率,都是小于 fP2f_{P2}fP2 5到10倍的。然而,fP1f_{P1}fP1fP3f_{P3}fP3 也不能设置的太小,因为这需要更大的 CC1,CC2C_{C1},C_{C2}CC1,CC2

短路时间常数法

在一些电路中,例如我们即将要讨论的CE放大器电路,电容并不是相互独立的,此时决定极点频率是比较困难的。幸好,存在一个简单的方法用来估算 fLf_LfL ,这个方法不需要计算极点频率。尽管这个方法需要建立在存在一个主导极点频率的前提下,但是在前提不是那么严格的情况下也能获得不错的结果。方法是:

  1. 令输入信号源 Vsig=0V_{sig} = 0Vsig=0
  2. 依次考虑每一个电容。就是说,当考虑电容 CiC_iCi 的时候,将其他电容看成是容值无穷大的电容,即短路状态。
  3. 对于每一个电容,计算从这个电容看过去的总阻值 RiR_iRi 这可以通过戴维南定理计算。
  4. fL=∑i=1n1CiRif_L = \sum_{i = 1}^n \frac{1}{C_i R_i}fL=i=1nCiRi1

这个方法揭示了每个电容对 fLf_LfL 的贡献。

CE放大器

下图展示了一个完整的CE放大器的原理图:

CE放大器
为了分析低频响应,我们使用下面的等效电路:

等效电路

我们发现,因为存在有限的基极电流,电容 CC1C_{C1}CC1CC2C_{C2}CC2 不是相互独立的。也就是说,不像CS放大器,每一个极点频率都和这两个电容有关,这给我们设计电路造成了不小的困难。因此,我们不想计算极点频率,而是转手使用短路时间常数法。

将信号输入源置地,然后依次考虑每个电容,如下图:

依次考虑每个电容
所有的时间常数我们都已经标在图中,因此估算的 fLf_LfL 为:

fL=12π[1CC1RC1+1CERE+1CC2RC2]f_L = \frac{1}{2 \pi}[\frac{1}{C_{C1} R_{C1}} + \frac{1}{C_E R_E} + \frac{1}{C_{C2} R_{C2}}] fL=2π1[CC1RC11+CERE1+CC2RC21]

这个式子揭示了每个电容对 fLf_LfL 的贡献。也就是具有最小时间常数的对 fLf_LfL 的贡献最大,换句话说,就是 CEC_ECE 贡献最大,因此 CEC_ECE 是我们的主导极点频率。通常计算我们都假设 CEC_ECEfLf_LfL 贡献 80%80\%80% 而其他两项贡献 20%20\%20%

相关文章:

电子技术——分立CS和CE放大器的低频响应

电子技术——分立CS和CE放大器的低频响应 我们之前在学习放大器中从来没有关系过信号频率对放大器的影响,也就是说我们默认放大器具有无限的带宽,这当然不符合现实逻辑。为了说明这一点,我们使用下图: 上图描述了MOS或BJT分立电路…...

代码随想录【Day16】| 104. 二叉树的最大深度、111. 二叉树的最小深度、222. 完全二叉树的节点个数

104. 二叉树的最大深度 题目链接 题目描述: 给定一个二叉树,找出其最大深度。 二叉树的深度为根节点到最远叶子节点的最长路径上的节点数。 说明: 叶子节点是指没有子节点的节点。 示例: 给定二叉树 [3,9,20,null,null,15,7]&#xff0c…...

状态机图、通信图题

1.下列关于通信图与顺序图中的对象的相同点的叙述.正确的是(D)。A.两种图中都可以表示对象的创建和销毁B.对象在两种图中的位置都没有任何限制C.对象在两种图中的表示方式完全一致D.对象名在两种图中的表示完全一致2.下列关于通信图的说法错误的是(C)。A.通信图是对一次交互过程…...

分布式文件存储Minio学习入门

文章目录一、分布式文件系统应用场景1. Minio介绍Minio优点2. MinIO的基础概念、3. 纠删码ES(Erasure Code)4. 存储形式5. 存储方案二、Docker部署单机Minio三、minio纠删码模式部署四、分布式集群部署分布式存储可靠性常用方法冗余校验分布式Minio优势运行分布式minio使用dock…...

handler解析(4)-Message及Message回收机制

Message中可以携带的信息 Message中可以携带的数据比较丰富,下面对一些常用的数据进行了分析。 /*** 用户定义的消息代码,以便当接受到消息是关于什么的。其中每个Hanler都有自己的命名控件,不用担心会冲突*/ public int what; /*** 如果你…...

Linux使用定时任务监控java进程并拉起

需求描述: 设计一个脚本,通过Linux定时任务,每分钟执行一次,监控jar包进程是否存在,存在则不做动作,不存在则重新拉起jar包程序。 定时任务配置: */1 * * * * bash -x /root/myfile/jars/che…...

Win 10电脑摄像头提示错误代码0xa00f4244怎么办?

如果你的Windows 10电脑无法打开摄像头,提示“我们找不到你的摄像头”的错误消息,错误代码是0xA00F4244,原因可能是杀毒软件阻止了摄像头,或者是摄像头驱动程序有问题。 小编为你整理了摄像头错误代码0xA00F4244的解决方法&#…...

MFC消息机制

1.消息映射消息映射是一个将消息和成员函数相互关联的表。比如,框架窗口接收到一个鼠标左击消息,MFC将搜索该窗口的消息映射,如果存在一个处理WM_LBUTTTONDOWN消息的处理程序,然后就调用OnButtonDown。2.消息映射机制2.1 声明宏 写…...

全国计算机等级考试报名照片要求以及证件照制作教程

马上就全国计算机等级考试就要开始了,相信现在很多同学都在网上进行报名呢,报名的时候肯定需要用到个人证件照片,所以问题来了,我们怎么自己制作证件照片呢?计算机等级考试报名时对证件照都有哪些要求呢?该…...

SQLSERVER 临时表和表变量到底有什么区别?

一:背景 1. 讲故事 今天和大家聊一套面试中经常被问到的高频题,对,就是 临时表 和 表变量 这俩玩意,如果有朋友在面试中回答的不好,可以尝试看下这篇能不能帮你成功迈过。 二:到底有什么区别 1. 前置思…...

技术生态异军突起,昇思MindSpore进入AI框架第一梯队

ChatGPT掀起的新一轮人工智能狂欢下,隐藏在背后的“大模型”正进入越来越多开发者的视野。 诚如几年前开始流行的一种说法:数据是燃料、模型是引擎、算力是加速器。ChatGPT的出现,恰如其分地诠释了数据、模型和算力的“化学反应”。而在其中…...

审批流、工作流、业务流

是业务流、工作流、审批流 业务流:即业务流程,指为了完成某项业务而进行的各种工作的有序组合 工作流:即工作流程,指为了完成某项工作而进行的各种动作的有序组合 审批流:即审批流程,是对某项工作的审批活动…...

如何利用知识库加强内部管理?

许多公司都知道需要有一个面向客户的知识库,以加强客户服务,提供更好的客户体验。 但是很多企业没有意识到的是,拥有一个内部知识库软件对于员工改善沟通和促进知识共享的重要性。 协作是组织成功的关键部分,通过明确的远景和使…...

饕餮 NFT 作品集来袭!

饕餮 NFT 作品集包含 Chili Game 创作的体验《饕餮》第一章中的角色。可以在 The Sandbox 农历新年活动期间(01/18/23 至 02/28/23)体验。 饕餮的故事植根于中国古代神话,主要灵感来自《山海经》,一个关于捉妖人「青蛙侠」的故事。…...

C++中的内存分区、引用、函数

内存分区模型 代码区 存放CPU执行的机器指令代码区是共享的且具有只读性 全局区 全局变量和静态变量都存放在此处全局区还包括了常量区、字符串常量和其他常量也存放在此该区域的数据在程序结束后由操作系统释放const修饰的局部变量并不算在全局区 栈区 由编译器自动分配和释放…...

关于angular表格total模板中一直为0

哈喽 小伙伴们大家好昨天在用angular得antdesign组件得table表格 我用total模板 结果&#xff0c;total一直为0这可是愁坏我了 <ng-template #totalTemplate let-total>找到 {{ total }} 条结果</ng-template>[nzShowTotal]"totalTemplate"最后找到原因了…...

多线程事务怎么回滚

背景介绍1&#xff0c;最近有一个大数据量插入的操作入库的业务场景&#xff0c;需要先做一些其他修改操作&#xff0c;然后在执行插入操作&#xff0c;由于插入数据可能会很多&#xff0c;用到多线程去拆分数据并行处理来提高响应时间&#xff0c;如果有一个线程执行失败&…...

基于FPGA的时间数字转换(TDC)设计(五:基于Carry4的高精度TDC设计)

1.基于Carry4进位链设计原理 常见的基于FPGA开发的TDC有直接计数法,多相位时钟采样法,抽头延迟线法等,之前内容为基于多相位的TDC,本章节中,主要讲解基于抽头延迟线法。在Xilinx FPGA开发中,实现抽头延迟线法有很多种,如使用IODELAY构建延迟进位链,此处将介绍基于Carr…...

【C++】二叉搜索树的实现(递归和非递归实现)

文章目录1、二叉搜索树1.1 构建二叉搜索树1.2 二叉搜索树的插入1.3 二叉搜索树的删除1.4 二叉搜索树插入和删除的递归实现为了学习map和set的底层实现&#xff0c;需要知道红黑树&#xff0c;知道红黑树之前需要知道AVL树。 红黑树和AVL树都用到了二叉搜索树结构&#xff0c;所…...

春招来了,如何正确使用领英超高效招聘海外员工、挖掘人才?

金三银四到了&#xff0c;每年的这个时候都是企业招聘的好时机。而领英是目前全球最大的职场社交网络平台&#xff0c;基本上海外求职都是在使用它&#xff0c;所以很多企业涉及到海外招聘时&#xff0c;都会优先考虑领英&#xff0c;但是却经常缺乏一些经验技巧&#xff0c;今…...

Mysql中锁机制深入理解

Mysql中锁机制深入理解默认大家已经知道。分类性能悲观锁&#xff0c;乐观锁操作类型读锁&#xff0c;写锁&#xff0c;数据粒度表锁&#xff0c;行锁&#xff0c;页面锁更细粒度间隙锁&#xff0c;临键锁按使用来讲。由数据粒度出发。表锁&#xff0c;分为 共享锁&#xff0c;…...

去中心化社交网络协议除了Nostr还有哪些?

当下最火的去中心化社交软件Dmaus就是基于Nostr协议开发的&#xff0c;Nostr协议的基本情况之前的文章《一文了解去中心化社交网络协议Nostr》已经做了详细介绍&#xff0c;本文将介绍其他几个目前比较流行的去中心化社交协议。FarcasterFarcaster是由前Coinbase高管Dan Romero…...

【FT2000/4+X100】调试记录

订阅专栏 硬件环境FT2000/4+X100,单板结构,对外显示,运行银行麒麟操作系统。 一 生成UEFI.BIN,烧写在FT2000-4的QSPI Flash中 1 2 下载源文件 edk2-for-support.tar; 参考文件 ft2004c&D2000编译打包说明V1.0.5; 解压源文件; 根目录下 build2004C.sh为四核产品…...

我的Android启动优化—【黑白屏优化】

简述 在Android App使用过程中&#xff0c;对于应用的优化是一个加分项&#xff0c;举个例子&#xff0c;打开你的App需要2秒&#xff0c;人家0.5秒&#xff0c;这就是很大的用户体验上的优化。 问题的产生 在开发中&#xff0c;我们在启动app的时候&#xff0c;屏幕会出现一…...

TongWeb8编码设置说明

应用场景&#xff1a;在遇到中文问题时&#xff0c;常需要通过设置编码格式来解决问题。下面介绍TongWeb8的编码设置及优先级。一、web.xml中请求、响应编码的配置优先级最高在JavaEE8规范中web.xml增加了request, response编码配置&#xff0c;该配置优先级最高。<?xml ve…...

不同相机之间图片像素对应关系求解(单应性矩阵求解)

一、场景 相机1和相机2相对位置不变&#xff0c;相机拍摄图片有重叠&#xff0c;求他们交叠部分的一一对应关系。数学语言描述为已知相机1图片中P点像素(u1, v1)&#xff0c;相机1中P点在相机2图片中像素值为(u2, v2)&#xff0c;它们存在某种变换&#xff0c;求变换矩阵。 因为…...

远程管理时代,还得是智能化PDU才靠得住!

在如今这个信息技术高速发展的时代&#xff0c;数据中心IDC机房服务器数量与日俱增&#xff0c;提供DNS域名服务、主机托管服务、虚拟主机服务等服务的服务器是IDC最基本的功能之一。服务器需要7*24小时不间断持续工作&#xff0c;但当服务器数量很大&#xff0c;服务器工作、重…...

通俗易懂理解——布隆过滤器

文章目录概述本质优缺点优点&#xff1a;缺点&#xff1a;实际应用解决redis缓存穿透问题&#xff1a;概述 本质 本质&#xff1a;很长的二进制向量&#xff08;数组&#xff09; 主要作用&#xff1a;判断一个数据在这个数组中是否存在&#xff0c;如果不存在为0&#xff0c…...

TypeScript 学习之类型推导

在一些情况下&#xff0c;代码上没有显性明确类型&#xff0c;typescript 可以隐形推断出类型。 基础 let x 3;变量x的类型被推断为数字。 类型推断发生在初始化变量和成员&#xff0c;设置默认参数值和决定函数返回值时 最佳通用类型 let x [0, 1, null]; // 类型为 numb…...

Android四大组件——Service详解

Service 为后台运行&#xff0c;不可见&#xff0c;没有界面。优先级高于Activity&#xff08;内存不足时先杀掉Activity&#xff09;&#xff0c;运行在主线程且不能做耗时操作。 一、Service 启动方式 1、startService() 通过 startService 启动后&#xff0c;service会一直…...

网站开发中间商怎么做/宁波如何做抖音seo搜索优化

AIoT时代不仅仅是AI&#xff0b;IoT&#xff0c;更重要的是赋能。美国在线创始人史蒂夫凯斯&#xff0c;提出“互联网三次浪潮”&#xff0c;个人电脑为基础的第一次浪潮&#xff0c;互联网建立&#xff1b;智能手机为代表的第二次浪潮&#xff0c;是应用生态与移动互联网的革命…...

临沂做网站价格/seo课程培训班

连接mysql的语法mysql -u用户名 -p密码 [-h主机名] [-P端口号]在一个mysql服务器中, 可以有多个mysql数据库(本质是一个文件夹)在一个mysql数据库中, 可以有多个数据库表(本质是一个二进制文件)在一个mysql表中, 可以有多条记录(数据)SQL语法1. 分号结尾2. 不区分大小写3. 注释…...

做类似58同城的网站/电商运营转行后悔了

release()方法源码如下&#xff1a; public final boolean release(int arg) {//tryRelease()方法由子类实现&#xff0c;由子类来决定是否能成功释放锁if (tryRelease(arg)) {//取得队列头节点Node h head;//如果头节点不为null而且头节点的状态不为0&#xff0c;0代表的是新…...

不花钱做网站/宁波网站建设推广平台

本文来自网易云信 资深音频算法工程师 李备在LiveVideoStackCon 2018讲师热身分享&#xff0c;并由LiveVideoStack整理而成。在分享中李备详细分析了在线教育的音频需求&#xff0c;以及一般软件音频框架&#xff0c;和行业的挑战。大家好&#xff0c;我是来自网易云信的李备&a…...

建设银行的网站是什么/网络营销外包推广价格

对应Jenkins项目&#xff1a; /data/jenkins/workspace 查看端口状态&#xff1a; netstat -adp | grep 8092 查看 进程id: ps -ef | grep 3532 开发提供&#xff1a; applications.properties 配置文件&#xff1a; server.xml /conf/web.xml context.xml logback.xml 图片上…...

台州路桥网站建设/手游推广渠道

CNN卷积神经网络之ZFNet与OverFeat前言一、ZFNet1&#xff09;网络结构2&#xff09;反卷积可视化1.反最大池化(Max Unpooling)2.ReLu激活3.反卷积可视化得出的结论二、OverFeat1&#xff09;网络结构2&#xff09;创新方法1.全卷积2.多尺度预测3.Offset pooling前言 这两个网…...