三网融合网络技术 第六讲 PON网络硬件设备 本讲目录 PON网络硬件构成 OLT设备 华为5680T、中兴C220 ODN ONU设备 华为5616、5620E 中兴9806H、F820 一、OLT设备 设备外观与框架 主要单板 主要线缆与连接 1、华为5680T 一、OLT设备 1、华为5680T 一、OLT设备 1、华为5680T 一、OLT设备 设备外观与框架 1、中兴C220 二、ODN设备 分光器 光缆的连接 FTTX维护技能培训 本章目录 OLT设备 ODN设备 ONU设备 华为9616、9620 中兴9806H、F820 三、ONU设备 设备外观与框架 主要单板 主要线缆与连接 1、华为5616

SystemVerilog HDL 和 TB 代码 zybo 7010 FPGA 上的深度神经网络硬件加速器实现以及 Vivado SDK 软件的 C 代码 下面的文件夹与此存储库中的源文件夹相同，它现在只是 Vivado 环境的一部分。 附加文件是 python 代码、C 文件和 Matlab 文件。 *Python 用于训练网络和获取系数：Weights and Biases *C 用于实现 Sigmoid 函数采样以及在 C 中实现前馈传播（只是为了使项目更易于调试） *Matlab 用于生成 HDL 脚本以及检查压缩和其他内容 更多详情、使用方法，请下载后阅读README.md文件

人工智能-低功耗高性能的卷积神经网络硬件加速器设计.pdf

计算机网络基础-计算机网络硬件设备.ppt该文档详细且完整，值得借鉴下载使用，欢迎下载使用，有问题可以第一时间联系作者~

深度学习基于ZYNQ的卷积神经网络硬件加速器项目系统源码。一个非常完整的项目 运行流程 在Lenet5文件夹中训练并测试卷积神经网络。 量化神经网络并测试效果，最后导出参数。 在custom_ip工程待封装的硬件加速器各BROM IP核中加载刚生成的coe文件。 综合custom_ip中的工程，并导出IP核。 在LeNet5_PSPL工程中导入刚生成的IP核，综合、实现、导出bit流。 运行Xilinx SDK，导入测试图片的标签数据，进行测试。 基于ZYNQ实现了软硬协同的硬件加速器系统，实现对于卷积神经网络识别MNIST手写集的加速。 PL端实现硬件加速器（包括卷积层、池化层、全连接层的实现，缓存区，共享乘累加器）。PS端实现验证测试流程的控制（非常简单的逻辑，就是发送start信号，等待done拉高，读出识别结果，重复200次后计算准确率和耗时。真正软硬协同的PS端应该连上摄像头，然后把摄像头的数据发送过去识别。 测试在开发板上的效果是200张图片，准确率96.5%，耗时47ms。

ZigBee/IEEE 802.15.4标准把低功耗、低成本作为主要目标，为无线传感器网络提供了互连互通的平台，目前基于该技术的无线传感器网络的研究和开发得到越来越多的关注。本文就是基于ZigBee技术，设计了通用无线传感器网络硬件平台，以期待能够产业化，为我国的无线传感器事业做出更大的贡献。

计算机网络-硬件及局域网组建-bistu.pdf

计算机网络硬件设备申领单_范本

基于PYNQ-Z2实现手写数字识别卷积神经网络硬件加速器.zip

某校园网组网方案，80多页，内容丰富，包含网络设计及综合布线报告所需要的的所有东西，能够很好地为初学者提供学习信息，快速入门。