新闻详情

新闻详情

首页 / 资讯中心 / 详情

chroma-PDCL 和PIN_MODE 搭配,PPMU_PDCL和FORCE_V_PPMU_X搭配对吗

发布时间:2026/11/14 23:13:33来源:尧图网络
chroma-PDCL 和PIN_MODE 搭配,PPMU_PDCL和FORCE_V_PPMU_X搭配对吗
根据 Chroma 测试机的手册和典型用法你的理解基本正确但需要补充一个关键细节。PDCL 与 PIN_MODE 搭配 ✅这是正确的搭配。RELAY_ON(pin, PDCL, ...)是将引脚连接到Driver / Comparator / Active Load驱动器、比较器、主动负载也就是数字功能测试资源。之后调用PIN_MODE()设置引脚的方向、格式等再执行JUDGE_PAT()跑 pattern这是标准的功能测试流程。PPMU_PDCL与 FORCE_V_PPMU_X L搭配 ✅这也是正确的搭配而且必须这样搭。RELAY_ON(pin, PPMU_PDCL, ...)表示把引脚同时连到Driver/Comparator/Load 和 PPMUPPMU 模式位为 ON。只有在这个状态下后续的FORCE_V_PPMU_X()才能真正对引脚施加电压并测量。手册中 FORCE_V_PPMU_X 的典型用法就是RELAY_ON(leak_pins,PPMU_PDCL,1mS);FORCE_V_PPMU_X(leak_pins,5V,,2uA,,3mS,iil_leak_lvl);LEVELS(iil_leak_lvl,3mS);JUDGE_I_PPMU(leak_pins,-1uA,1uA,3mS);即先RELAY_ON接 PPMU_PDCL再FORCE_V_PPMU_X强制电压。关键区别PDCL ≠ PPMU_PDCL两者的区别在于PPMU 模式位操作PDCL 继电器PPMU 模式位含义RELAY_ON(pin, PDCL, ...)ONOFF只连 Driver/Comparator/LoadPPMU 不接入RELAY_ON(pin, PPMU_PDCL, ...)ONON连 Driver/Comparator/Load同时 PPMU 也接入如果你用PDCL接了引脚然后又调用FORCE_V_PPMU_XPPMU 实际是没有接入的强制电压不会生效。必须用PPMU_PDCL才能让 PPMU 工作。总结搭配是否正确说明PDCLPIN_MODEJUDGE_PAT✅ 正确功能测试标准流程PPMU_PDCLFORCE_V_PPMU_XJUDGE_I_PPMU✅ 正确PPMU 测量标准流程PDCLFORCE_V_PPMU_X❌ 错误PPMU 未接入强制电压不生效PPMUFORCE_V_PPMU_X✅ 可以但PPMU_PDCL更常见因为它同时保留了数字功能资源记住一句话要跑 pattern 用PDCL要用 PPMU 测电压/电流用PPMU_PDCL。两者不要混。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉