熱門Ptt文章

[爆卦]副程式陣列是什麼？優點缺點精華區懶人包

雖然這篇副程式陣列鄉民發文沒有被收入到精華區：在副程式陣列這個話題中，我們另外找到其它相關的精選爆讚文章

在 副程式陣列產品中有5篇Facebook貼文，粉絲數超過3萬的網紅Analog Devices台灣亞德諾半導體股份有限公司，也在其Facebook貼文中提到， 新聞速報: ADI與英特爾攜手開發因應5G網路設計挑戰之無線電平台 Analog Devices, Inc. (ADI)今日宣佈與英特爾(Intel)攜手開發因應5G網路設計挑戰的彈性無線電平台，此平台協助客戶以更低成本來迅速擴展5G網路規模。新型無線電平台整合ADI射頻(RF)收發器之先進技術...

　同時也有207部Youtube影片，追蹤數超過4萬的網紅吳老師教學部落格，也在其Youtube影片中提到，東吳EXCEL函數與VBA課程分享(7) 完整影音： http://www.youtube.com/playlist?list=PLsE34duTsJQwI6rQyHOZNFtc0vE0qKxit https://groups.google.com/forum/?hl=zh-TW#!forum/...

「副程式陣列」的推薦目錄
  • Analog Devices台灣亞德諾半導體股份有限公司

    副程式陣列 在 Analog Devices台灣亞德諾半導體股份有限公司 Facebook 的最讚貼文

    2020-08-04 14:37:08
    有 32 人按讚

    新聞速報: ADI與英特爾攜手開發因應5G網路設計挑戰之無線電平台

    Analog Devices, Inc. (ADI)今日宣佈與英特爾(Intel)攜手開發因應5G網路設計挑戰的彈性無線電平台，此平台協助客戶以更低成本來迅速擴展5G網路規模。新型無線電平台整合ADI射頻(RF)收發器之先進技術及英特爾Arria 10現場可程式化閘陣列(FPGA)的高性能及低功耗特性，新設計工具使開發人員能更輕鬆地創建優化的5G解決方案。

    隨著人們越趨採用數位化方式來進行商業活動，隨時隨地獲取和傳輸資料需求使通訊市場加速發展以因應頻寬和延遲方面的挑戰。由於私有網路和公共空間之現有無線網路流量大幅增加，因此無線網路營運業者希望能縮短開發時間，同時以經濟高效的方式實現可提高5G網路容量、性能和可靠性的新型解決方案。透過結合開放標準和現有通訊鏈路，行動網路營運業者正制定一套更廣泛的技術規範，同時支援漸增的用例。

    ADI無線通訊事業部副總裁Joe Barry表示：「新型無線電平台可降低設計總成本並縮短客戶產品上市時間，同時無損降低系統性能。透過整合ADI收發器所具有的先進數位前端(DFE)功能和英特爾的領先FPGA技術，我們將滿足客戶對解決方案的高性能要求，同時透過更高彈性更高效地解決新興網路問題。」

    此款符合O-RAN規範之高性能解決方案採用ADI領先的軟體定義收發器(包括創新的DFE功能)以及英特爾的Arria A10 FPGA以建立高度彈性的架構。此次協作使設計人員能進行頻率、頻段和功率客製，以更低的成本實現更高的系統性能。

    英特爾可程式解決方案事業部無線存取業務主管暨資深總監CC Chong表示：「ADI與英特爾之協作有助於開發適用於5G網路的新型無線電解決方案。我們非常期待與ADI透過FPGA平台加速硬體的開發。FPGA平台易於使用，可滿足不斷變化之需求，並可解決射頻和數位化產品開發的諸多複雜問題。」

  • 台灣物聯網實驗室 IOT Labs

    副程式陣列 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答

    2018-09-17 18:33:00
    有 3 人按讚


    Facebook跨界打造AI深度學習晶片

    2018年9月17日Rick Merritt, EE Times矽谷採訪中心主任

    Facebook證實目前正在招聘晶片工程師，成立晶片部門並展開ASIC設計。這家社交網路巨擘預計很快地將有5家晶片公司支援其Glow深度學習編譯器…

    據Facebook一位高層證實，該公司目前正在招聘晶片工程師，並展開至少一款ASIC設計。在日前於美國加州舉行的Facebook @Scale 2018大會上，這家社交網路巨擘宣佈，預計將有五家晶片公司支援其Glow——一款開放來源的深度學習編譯器。

    Facebook基礎架構副總裁Jason Taylor說，Facebook「確實成立了一支專門與晶片供應商合作的晶片團隊，同時，我們也在打造自家晶片。不過這當然不是我們的首要關注重點。」他表示，這款晶片「並不等同於Google TPU」深度學習加速器，但他並未提供與這款晶片有關的更多細節或時間表。

    Facebook的新晶片部門工作重點之一在於與大約50家設計人工智慧(AI)加速器的公司合作。Taylor指出，「市場上將出現許多加速器晶片。但最大的問題在於他們針對的工作負載是否是當前最重要的。」

    在主題演講中，Taylor將Glow描述為一種通用編譯器，讓開發人員能夠針對雲端或網路邊緣中任何新興深度學習加速器進行推論任務。它並不針對智慧型手機等客戶端系統。

    「我們預期[推論加速器]市場將會出現硬體零碎化的情況。我們開發Glow的目的在於協助機器學習專家設計神經網路，而不必面對調整『每個特定晶片』所需的工作。」

    「我們知道硬體零碎化即將發生，因為沒有人知道哪一種[硬體]資源的組合——例如晶片上記憶體區塊和乘法累加陣列——將會勝出，因此我們讓開發人員專注於高層級的圖形，而無需為硬體規格手動編碼。」

    Taylor解釋，Glow採用由TensorFlow或Caffe2等架構產生的AI圖形，並將其渲染為硬體加速器的位元程式碼。根據Facebook的一篇部落格文章，該編譯器內含幾種工具，包括為晶片特定記憶體配置產生有效程式碼的指令排程器、線性代數最佳化器與記憶體分配器，以及用於測試硬體精確度的CPU參考建置。

    益華電腦(Cadence)、Esperanto Technologies、英特爾(Intel)、Marvell和高通(Qualcomm)等公司都表示未來的晶片將支援Glow。Taylor則表示希望進一步擴展支援名單。「這是Glow作為開放來源的優點之一。」

    一位資深晶片專家將Glow描述為在生產系統中部署神經網路的架構。其輸入是在TensorFlow或Caffe2等架構中創建的圖形。

    幾家既有的晶片製造商已經提供了類似的軟體。例如，輝達(Nvidia)的Tensor RT自架構中提取圖形，並為其GPU輸出Cuda程式碼。

    傳統上，編譯器針對特定晶片進行嚴密的最佳化。但是，Taylor說：「近來的編譯器範圍比過去的更加廣泛——Glow中的最佳化必須能辨識可以渲染到硬體加速器的大部份圖形。」

    轉型AI的前兆？

    在快速發展的深度學習領域，Glow可說是致力於填補軟體和硬體之間差距的最新例證。例如，Nvidia Tensor RT雖然在一年多前才首次發佈，至今已進展到第五個版本了。但有些加速器新創公司對於支持各種軟體架構及其變化所要求的工作程度也無能為力。

    Facebook、微軟(Microsoft)和其他公司則都支援ONNX——一種以權重表現圖形的標準方法。去年12月，Khronos Group還發佈了用於深度學習加速器的硬體抽象層NNEF。

    Glow是Pytorch 1.0的一個組成部份。Pytorch 1.0是一個開放來源計劃組合，包括合併的Caffe2和Pytorch架構。Pytorch 1.0的第一個開發者大會將於今年10月在舊金山舉行。

    Facebook工程經理Kim Hazelwood在另一場活動中展示Facebook使用的十幾種不同深度學習工作負載，其中至少使用了四種不同類型的神經網路。每天，該AI應用程式(App)產生超過200兆個推論，翻譯超過50億個文本，同時也自動刪除至少100萬個假帳戶。

    她說，Facebook的一些推論任務需要的運算量是其他任務的100倍。如今，Facebook在其設計的一小部份CPU和GPU伺服器上執行這些任務。

    Hazelwood在接受《EE Times》訪問時說，從通用硬體轉向客製硬體，必須為那些仍在定義中的工作負載量身打造晶片。但她拒絕透露Facebook對於使用任何自定義AI加速器的想法。

    Facebook neural nets在至少十幾種深度學習app中，僅Facebook本身就採用了至少5種神經網路

    一位觀察家推測，Glow可說是一款理想的工具，有助於讓公司採用適合其工作負載的加速器。Facebook的晶片團隊還能協助精選晶片，或許還可以為其提出客製化晶片的建議。

    此外，Facebook的一篇部落格文章描述它所開發的一款全新軟體工具，使用深度學習來除錯程式碼。SapFix可以自動產生針對特定錯誤的修復程式，然後提交給工程師進行審核並部署至生產中。

    目前，Facebook已經使用SapFix，加速為使用Facebook Android App的數百萬裝置發送程式碼更新的過程。Facebook表示將發佈該工具的一個版本，但未具體說明時間表。

    附圖：
    Jason Taylor GlowFacebook基礎架構副總裁Jason Taylor形容Glow是一款為雲端和邊緣網路進行推論的編譯器（來源：Facebook）

    Facebook Glow

    資料來源：https://www.eettaiwan.com/…/20180917NT01-Facebook-Builds-Ch…

  • Taipei Ethereum Meetup

    副程式陣列 在 Taipei Ethereum Meetup Facebook 的最讚貼文

    2018-08-23 20:35:20
    有 3 人按讚


    📜 [專欄新文章] Solidity Weekly #9
    ✍️ mingderwang
    📥 歡迎投稿： https://medium.com/taipei-ethereum-meetup #徵技術分享文 #使用心得 #教學文 #medium

    什麼時候用 storage，什麼時候該用 memory?

    其實這副標題，有可能又會誤導大家如何寫 solidity。簡單講它們是完全不一樣的東西。所以應該會用在不同的地方，做不同的事才對。

    先簡單說明它們的原理:

    storage 就是 smart contract 正常存放狀態 (state) 的地方，而這些地方就是用來呈現在區塊鏈裡狀態值的變更。所以一般來說，全域變數就會用 storage 來儲存。

    它以 32 bytes 為單位類似 hash 的方式做 key/value 的查詢。所以即時key 1 跟 key 1000，所用的空間跟 key 1 跟 key 2 一樣。(所花的 gas 也應該相同)

    另外，通常方程式帶入的變數或回傳值，會以 memory 方式表示，或有些 compiler 會用 stack 來儲存 (不花 gas)。若帶入變數內容來自於一個全域變數，它會複製一份 storage 裡的資料到 memory 做修改。但如果你在方程式帶入的變數前用 storage 保留字來描述，它就變成 passed by reference，把 storage 的位置直接傳給該方程式，因此所有的變動，都會直接改到 storage 裡的值。

    而一般在方程式裡的本域變數 (local variables)，也預設用 storage 來處理，除非你故意用 memory 保留字來定義它。但用 memory 來處理陣列會有點困難。不像 storage 的陣列，可以用 push。(如下錯誤範例)

    function createRoom() public{ address[] memory adr; adr.push(msg.sender); // compiler error ...}

    但為了節省 gas 的消耗，在方程式裡本域變數改用 memory 也是很常見的事。

    links 分享;

    Ethereum Solidity: Memory vs Storage & How to initialize an array inside a struct — (Georgios Konstantopoulos)

    Solidity Introduction — (A very good Solidity tutorial from BitDegree)

    New Features of Solidity 0.5.0 — (@Christian Reitwiessner)

    Solidity Weekly #9 was originally published in Taipei Ethereum Meetup on Medium, where people are continuing the conversation by highlighting and responding to this story.

    👏 歡迎轉載分享鼓掌

你可能也想看看

搜尋相關網站