HDLbits:Fsm onehot

2023-10-14 19:28
文章标签 hdlbits fsm onehot

本文主要是介绍HDLbits:Fsm onehot,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这道题理解有误,以为s0=10'b0000000001,s0=10'b0000000010,写成了如下的代码(有误):

module top_module(input in,input [9:0] state,output [9:0] next_state,output out1,output out2);parameter s0=10'b0000000001,s1=10'b0000000010,s2=10'b0000000100,s3=10'b0000001000,s4=10'b0000010000,s5=10'b0000100000,s6=10'b0001000000,s7=10'b0010000000,s8=10'b0100000000,s9=10'b1000000000,s_defualt=10'b0000000000;always@(*)begincase(state)s0: next_state = in?s1:s0;s1: next_state = in?s2:s0;s2: next_state = in?s3:s0;s3: next_state = in?s4:s0;   s4: next_state = in?s5:s0;s5: next_state = in?s6:s8;s6: next_state = in?s7:s9;s7: next_state = in?s7:s0;s8: next_state = in?s1:s0;s9: next_state = in?s1:s0;default:next_state = s_defualt;endcaseendassign out1 = (state == s8 ||state == s9); assign out2 = (state == s7 ||state == s9);       endmodule

后来发现其实是state[0]表示s0,state[1]表示s1,但并没说其他位一定为0,正确答案如下:

module top_module(input in,input [9:0] state,output [9:0] next_state,output out1,output out2);assign next_state[0] = (state[1] | state[2] | state[3] | state[4] | state[7]| state[8]| state[9]| state[0])& ~in;assign next_state[1] = (state[8] | state[9] | state[0]) & in;  assign next_state[2] = state[1] & in;  assign next_state[3] = state[2] & in;  assign next_state[4] = state[3] & in;  assign next_state[5] =   state[4] & in;        assign next_state[6] =   state[5] & in;   assign next_state[7] =   (state[7] | state[6])  & in;   assign next_state[8] =  state[5] & ~in;   assign next_state[9] = state[6] & ~in;assign out1 =(state[8]==1 || state[9]==1);assign out2 =(state[7]==1 || state[9]==1);
endmodule

这篇关于HDLbits:Fsm onehot的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/212627

相关文章

Labelhot和OneHot的使用

对于一些特征工程方面,有时会用到LabelEncoder和OneHotEncoder。 比如kaggle中对于性别,sex,一般的属性值是male和female。两个值。那么不靠谱的方法直接用0表示male,用1表示female 了。上面说了这是不靠谱的。 所以要用one-hot编码。 首先我们需要用LabelEncoder把sex这个属性列里面的

onehot编码的意义

处理离散型特征和连续型特征并存的情况,如何做归一化。参考博客进行了总结:https://www.quora.com/What-are-good-ways-to-handle-discrete-and-continuous-inputs-together总结如下:1、拿到获取的原始特征,必须对每一特征分别进行归一化,比如,特征A的取值范围是[-1000,1000],特征B的取值范围是[-1,1].如

NLP-词向量-发展:词袋模型【onehot、tf-idf】 -> 主题模型【LSA、LDA】 -> 词向量静态表征【Word2vec、GloVe、FastText】 -> 词向量动态表征【Bert】

NLP-词向量-发展: 词袋模型【onehot、tf-idf】主题模型【LSA、LDA】基于词向量的静态表征【Word2vec、GloVe、FastText】基于词向量的动态表征【Bert】 一、词袋模型(Bag-Of-Words) 1、One-Hot 词向量的维数为整个词汇表的长度,对于每个词,将其对应词汇表中的位置置为1,其余维度都置为0。 缺点是: 维度非常高,编码过于稀疏,易出

keras 整数编码转成onehot编码

import kerasy_train = keras.utils.to_categorical(y_train, num_classes)y_test = keras.utils.to_categorical(y_test, num_classes) y就是整数编码

keras 将softmax值转成onehot 最大值赋值1 其他赋值0

注意: 当使用 categorical_crossentropy 损失时,你的目标值应该是分类格式 (即,如果你有 10 个类,每个样本的目标值应该是一个 10 维的向量,这个向量除了表示类别的那个索引为 1,其他均为 0)。 为了将 整数目标值 转换为 分类目标值,你可以使用 Keras 实用函数 to_categorical: from keras.utils.np_utils import

基于Verilog表达的FSM状态机

基于Verilog表达的FSM状态机 1 FSM1.1 Intro1.2 Why FSM?1.3 How to do 在这里聚焦基于Verilog的三段式状态机编程; 1 FSM 1.1 Intro 状态机是一种代码实现功能的范式;一切皆可状态机; 状态机编程四要素:– 1.状态State: 2.转态跳转Condition Jump: 3.行为Action: 4.次态–>现

有限状态机—— FSM(finite-state machine)

//有限状态机 finite-state machine #include <stdio.h> #include <stdlib.h> #include <sys/types.h> #include <sys/stat.h> #include <fcntl.h> #include <unistd.h> #include <errno.h> #define TTY1 "/dev/tty1

特征工程技巧——OneHot编码

我们以Kaggle比赛里面的一个数据集跟一个公开代码为例去解释我们的OneHot编码。 简单来说,独热编码是一种将类别型变量转换为二进制表示的方法,其中每个类别被表示为一个向量,向量的长度等于类别的数量,其中只有一个元素为1,其余元素为0。例如,如果有三个类别(A、B、C),则独热编码可能如下所示: A: [1, 0, 0]B: [0, 1, 0]C: [0, 0, 1] 独热编码的主要优点

图片验证码识别,标签中onehot编码对应多个1怎么做?

一张验证码图片直接做整体识别 也就是图片的最后输出节点有4*26=104个,经过一个softmax,使用交叉熵损失,与真实值4*26=104个标签做计算,然后反向传播 104个onehot编码真实值当中,每26个编码里会有一个正例1其余25个为零,4个26个编码里有4个值为1,其余和图片分类一样 意思就是真实值中有多个1,其实和1个1没什么区别,正常计算就ok了

HDLbits 刷题 -- Exams/m2014 q3

Consider the function f shown in the Karnaugh map below. Implement this function. d is don't-care, which means you may choose to output whatever value is convenient. 译:考虑下面卡诺图中显示的函数f。 实现这个函数。D是