最近学习吴恩达《Machine Learning》课程以及《深度学习入门：基于Python的理论与实现》书，一些东西总结了下。现就后者学习进行笔记总结。本文是本书的学习笔记（三）神经网络。

最近学习吴恩达《Machine Learning》课程以及《深度学习入门：基于Python的理论与实现》书，一些东西总结了下。现就后者学习进行笔记总结。本文是本书的学习笔记（三）神经网络。

因为是按照X Y Z的计算顺序，因此只能够在计算X维度的卷积时，复用之前实现的一维卷积计算函数。Y维度的计算是将一个Z平面上的二维数据中每行与卷积核中一个点相乘，并将31个点的卷积核计算出的结果累加至一行，更新到中间缓存的目标位置。Z维度的计算是将一个Z平面的二维数据和卷积核中的一个点相乘，并将31个点的卷积核计算出的结果累加至一个二维平面，更新到结果的目标位置。这里对Y 和 Z维度的计算都是通过编译器ICC实现向量化。 代码实现如下：

因为是按照X Y Z的计算顺序，因此只能够在计算X维度的卷积时，复用之前实现的一维卷积计算函数。Y维度的计算是将一个Z平面上的二维数据中每行与卷积核中一个点相乘，并将31个点的卷积核计算出的结果累加至一行，更新到中间缓存的目标位置。Z维度的计算是将一个Z平面的二维数据和卷积核中的一个点相乘，并将31个点的卷积核计算出的结果累加至一个二维平面，更新到结果的目标位置。这里对Y 和 Z维度的计算都是通过编译器ICC实现向量化。 代码实现如下：

上述代码将会生成一个3×3大小的矩形结构元素。 使用该结构元素实现最大值或者最小值滤波的代码如下：

在容器逃逸技术概览一文中我们提到，由于容器与宿主机共享内核，内核漏洞成为容器逃逸的四大原因之一。由于潜在后果的严重性（提升至系统最高权限）和影响的广泛性（一个漏洞会影响相当多的计算机设备），系统开发者陆续在内核实现了一系列的漏洞缓解技术，以减小内核被攻破的可能性。

https://docs.nvidia.com/cuda/cuda-c-best-practices-guide/index.html 来阅读原文。

现在是 2017 年，Linux 在统治着计算机世界。不相信？Linux 基金会报告说，Linux 运行着 90% 的公共云工作量，世界上 82% 的智能手机，62% 的嵌入式市场，以及几乎占领了 99% 的超级计算机市场。所有的这些都基于 Linux 内核。在 Linux 基金会 2017 的 Linux Kernel 开发报告中 ，Linux 内核开发者和 LWN.net 的编辑 Jonathan Corbet 以及稳定的 Linux 内核维护者 Greg Kroah-Hartman 报告了 Linux 最新的发展。

本次实验主要处理优化内存密集型代码。图像处理提供了许多可以从优化中受益的功能示例。在本实验中，我们将考虑两种图像处理操作：旋转，可将图像逆时针旋转90o，平滑，可以“平滑”或“模糊”图片。

性能分析一直是性能实施项目中的一个难点。对于只做性能测试不做性能分析的团队来说，总是不能把问题非常显性地展示出来，不能给其他团队非常明确的引导。对于这种类型的测试实施，只能把问题抛出来，让其他相关团队去查。沟通成本很高。 而一个成熟的性能团队应该是要把问题点分析出来，给其他团队或责任人非常明确的瓶颈点，以加快问题的处理进度。 从完整的分析思路上考虑。有两个要点：分段和分层。

版权声明：本文为博主原创文章，转载请注明源地址。 https://blog.csdn.net/10km/article/details/51480033

根据当前人工智能的趋势，越大的自然语言模型可以提供越好的准确性，目前GPT-3的模型参数达到175B。但是由于成本、时间和代码集成的障碍，较大的模型难以训练。

本小节笔记大纲： 1.Communication patterns gather,scatter,stencil,transpose 2.GPU hardware & Programming Model SMs,threads,blocks,ordering Synchronization Memory model: local, shared, global Atomic Operation 3.Efficient GPU Programming Access memory faster co

1、The Application of Two-level Attention Models in Deep Convolutional Neural Network for Fine-grained Image Classification

1. 登录 NVIDIA 驱动下载 或打开链接 http://www.nvidia.com/Download/Find.aspx 。

1. 登录 NVIDIA 驱动下载 或打开链接 http://www.nvidia.com/Download/Find.aspx 。

1. 登录 NVIDIA 驱动下载 或打开链接 http://www.nvidia.com/Download/Find.aspx 。

】这个就是原来的图片，外面加了一圈padding，因为padding是一圈，所以左右、上下都有，所以是两倍的。

由于项目需求，需要使用Jetson Nano进行io输入采集和输出控制，在网上查找到的资料无法满足所需，有些虚拟引脚号无法得到，以至于无法对相应的io进行操作。

通过获取Linux中的 /proc/stat 文件中的内容可以获取系统内存的详细信息：