并行加法器，如何做好家长教育？
教育是一门艺术，是一门知识，每个家长都需要学习！孩子从出生到十八岁成年，经历几个关键期！
1、一岁半之前—母亲抚养最重要
这个时间段是母亲和孩子建立情感的关键期！这个时间段谁带他，他长大就和谁亲。在这个阶段不仅要照顾孩子的生活，更要在意孩子的情绪，哭了就要抱起来，这样孩子性格长大才不会急躁。
2、1岁到三岁之间—爱是唠叨
这个时间段，需要一个爱唠叨的妈妈。要说很多很多话，要多于孩子交流，孩子接收到词语量多，自然更爱说话！孩子长大才会不内向，爱说话，更自信！
3、三岁到六岁之间—性格的培养
这个时间段要对孩子说“不”，让孩子知道哭闹解决不了问题。 可以尝试自己去处理事情。不要任性，学会忍耐。学会自我控制。懂得照顾别人，有家庭意识！培养孩子的挫折教育！
4、青春期—父母管住自己的嘴
这个阶段的孩子正处于叛逆期，最不爱父母唠叨！父母这个时候特别是妈妈要管住自己的嘴。说话点到为止。尽量让孩子自己去处理事情，对孩子的兴趣表示肯定！避免孩子生活单调，这样会发展成网瘾或其他不好的习惯！
孩子的教育是家长需要学习一生的事业，在关键阶段抓住关键事，使我们的家长教育更轻松！和孩子一起成长，变成更好的我们！
74ls161置数法和清零法工作原理？
74LS161中的进位输出端CO的工作原理是：CO=Q0·Q1·Q2·Q3·CET。从74LS161功能表功能表中可以知道，当清零端CR=“0”，计数器输出Q3、Q2、Q1、Q0立即为全“0”，这个时候为异步复位功能。
当CR=“1”且LD=“0”时，在CP信号上升沿作用后，74LS161输出端Q3、Q2、Q1、Q0的状态分别与并行数据输入端D3，D2，D1，D0的状态一样，为同步置数功能。
而只有当CR=LD=EP=ET=“1”、CP脉冲上升沿作用后，计数器加1。74LS161还有一个进位输出端CO，其逻辑关系是CO=Q0·Q1·Q2·Q3·CET。合理应用计数器的清零功能和置数功能，一片74LS161可以组成16进制以下的任意进制分频器。扩展资料74HC161和74LS161都是常用的四位二进制可预置的同步加法计数器，74HC161是CMOS型，74LS161是TTL型。它可以灵活的运用在各种数字电路，以及单片机系统中实现分频器等很多重要的功能。
和普通芯片有何区别？
所谓的AI芯片，一般是指针对AI算法的ASIC（专用芯片）。传统的CPU、GPU都可以拿来执行AI算法，但是速度慢，性能低，无法实际商用。
比如，自动驾驶需要识别道路行人红绿灯等状况，但是如果是当前的CPU去算，那么估计车翻到河里了还没发现前方是河，这是速度慢，时间就是生命。如果用GPU，的确速度要快得多，但是，功耗大，汽车的电池估计无法长时间支撑正常使用，而且，老黄家的GPU巨贵，经常单块上万，普通消费者也用不起，还经常缺货。另外，GPU因为不是专门针对AI算法开发的ASIC，所以，说到底，速度还没到极限，还有提升空间。而类似智能驾驶这样的领域，必须快！在手机终端，可以自行人脸识别、语音识别等AI应用，这个必须功耗低，所以GPU OUT！
所以，开发ASIC就成了必然。
说说，为什么需要AI芯片。
AI算法，在图像识别等领域，常用的是CNN卷积网络，语音识别、自然语言处理等领域，主要是RNN，这是两类有区别的算法。但是，他们本质上，都是矩阵或vector的乘法、加法，然后配合一些除法、指数等算法。
一个成熟的AI算法，比如YOLO-V3，就是大量的卷积、残差网络、全连接等类型的计算，本质是乘法和加法。对于YOLO-V3来说，如果确定了具体的输入图形尺寸，那么总的乘法加法计算次数是确定的。比如一万亿次。（真实的情况比这个大得多的多）
那么要快速执行一次YOLO-V3，就必须执行完一万亿次的加法乘法次数。
这个时候就来看了，比如IBM的POWER8，最先进的服务器用超标量CPU之一，4GHz，SIMD，128bit，假设是处理16bit的数据，那就是8个数，那么一个周期，最多执行8个乘加计算。一次最多执行16个操作。这还是理论上，其实是不大可能的。
那么CPU一秒钟的巅峰计算次数=16X4Gops=64Gops。
这样，可以算算CPU计算一次的时间了。
同样的，换成GPU算算，也能知道执行时间。因为对GPU内部结构不熟，所以不做具体分析。
再来说说AI芯片。比如大名鼎鼎的谷歌的TPU1.
TPU1，大约700M Hz，有256X256尺寸的脉动阵列，如下图所示。一共256X256=64K个乘加单元，每个单元一次可执行一个乘法和一个加法。那就是128K个操作。（乘法算一个，加法再算一个）
另外，除了脉动阵列，还有其他模块，比如激活等，这些里面也有乘法、加法等。
所以，看看TPU1一秒钟的巅峰计算次数至少是=128K X 700MHz=89600Gops=大约90Tops。
对比一下CPU与TPU1，会发现计算能力有几个数量级的差距，这就是为啥说CPU慢。
当然，以上的数据都是完全最理想的理论值，实际情况，能够达到5%吧。因为，芯片上的存储不够大，所以数据会存储在DRAM中，从DRAM取数据很慢的，所以，乘法逻辑往往要等待。另外，AI算法有许多层网络组成，必须一层一层的算，所以，在切换层的时候，乘法逻辑又是休息的，所以，诸多因素造成了实际的芯片并不能达到利润的计算峰值，而且差距还极大。
可能有人要说，搞研究慢一点也能将就用。
目前来看，神经网络的尺寸是越来越大，参数越来越多，遇到大型NN模型，训练需要花几周甚至一两个月的时候，你会耐心等待么？突然断电，一切重来？（曾经动手训练一个写小说的AI，然后，一次训练（50轮）需要大约一天一夜还多，记得如果第一天早上开始训练，需要到第二天下午才可能完成，这还是模型比较简单，数据只有几万条的小模型呀。）
修改了模型，需要几个星期才能知道对错，确定等得起？
突然有了TPU，然后你发现，吃个午饭回来就好了，参数优化一下，继续跑，多么爽！
计算速度快，才能迅速反复迭代，研发出更强的AI模型。速度就是金钱。
GPU的内核结构不清楚，所以就不比较了。肯定的是，GPU还是比较快的，至少比CPU快得多，所以目前大多数都用GPU，这玩意随便一个都能价格轻松上万，太贵，而且，功耗高，经常缺货。不适合数据中心大量使用。
总的来说，CPU与GPU并不是AI专用芯片，为了实现其他功能，内部有大量其他逻辑，而这些逻辑对于目前的AI算法来说是完全用不上的，所以，自然造成CPU与GPU并不能达到最优的性价比。
谷歌花钱研发TPU，而且目前已经出了TPU3，用得还挺欢，都开始支持谷歌云计算服务了，貌似6点几美元每小时吧，不记得单位了，懒得查。
可见，谷歌觉得很有必要自己研发TPU。
目前在图像识别、语音识别、自然语言处理等领域，精度最高的算法就是基于深度学习的，传统的机器学习的计算精度已经被超越，目前应用最广的算法，估计非深度学习莫属，而且，传统机器学习的计算量与 深度学习比起来少很多，所以，我讨论AI芯片时就针对计算量特别大的深度学习而言。毕竟，计算量小的算法，说实话，CPU已经很快了。而且，CPU适合执行调度复杂的算法，这一点是GPU与AI芯片都做不到的，所以他们三者只是针对不同的应用场景而已，都有各自的主场。
至于为何用了CPU做对比？
而没有具体说GPU。是因为，我说了，我目前没有系统查看过GPU的论文，不了解GPU的情况，故不做分析。因为积累的缘故，比较熟悉超标量CPU，所以就用熟悉的CPU做详细比较。而且，小型的网络，完全可以用CPU去训练，没啥大问题，最多慢一点。只要不是太大的网络模型。
那些AI算法公司，比如旷世、商汤等，他们的模型很大，自然也不是一块GPU就能搞定的。GPU的算力也是很有限的。
至于说CPU是串行，GPU是并行
没错，但是不全面。只说说CPU串行。这位网友估计对CPU没有非常深入的理解。我的回答中举的CPU是IBM的POWER8，百度一下就知道，这是超标量的服务器用CPU，目前来看，性能已经是非常顶级的了，主频4GHZ。不知是否注意到我说了这是SIMD？这个SIMD，就代表他可以同时执行多条同样的指令，这就是并行，而不是串行。单个数据是128bit的，如果是16bit的精度，那么一周期理论上最多可以计算八组数据的乘法或加法，或者乘加。这还不叫并行？只是并行的程度没有GPU那么厉害而已，但是，这也是并行。
不知道为啥就不能用CPU来比较算力？
有评论很推崇GPU。说用CPU来做比较，不合适。
拜托，GPU本来是从CPU中分离出来专门处理图像计算的，也就是说，GPU是专门处理图像计算的。包括各种特效的显示。这也是GPU的天生的缺陷，GPU更加针对图像的渲染等计算算法。但是，这些算法，与深度学习的算法还是有比较大的区别，而我的回答里提到的AI芯片，比如TPU，这个是专门针对CNN等典型深度学习算法而开发的。另外，寒武纪的NPU，也是专门针对神经网络的，与TPU类似。
谷歌的TPU，寒武纪的DianNao，这些AI芯片刚出道的时候，就是用CPU/GPU来对比的。
看看，谷歌TPU论文的摘要直接对比了TPU1与CPU/GPU的性能比较结果，见红色框：
这就是摘要中介绍的TPU1与CPU/GPU的性能对比。
再来看看寒武纪DianNao的paper，摘要中直接就是DianNao与CPU的性能的比较，见红色框：
回顾一下历史
上个世纪出现神经网络的时候，那一定是用CPU计算的。
比特币刚出来，那也是用CPU在挖。目前已经进化成ASIC矿机了。比特大陆了解一下。
从2006年开始开启的深度学习热潮，CPU与GPU都能计算，发现GPU速度更快，但是贵啊，更多用的是CPU，而且，那时候GPU的CUDA可还不怎么样，后来，随着NN模型越来越大，GPU的优势越来越明显，CUDA也越来越6，目前就成了GPU的专场。
寒武纪2014年的DianNao（NPU）比CPU快，而且更加节能。ASIC的优势很明显啊。这也是为啥要开发ASIC的理由。
至于说很多公司的方案是可编程的，也就是大多数与FPGA配合。你说的是商汤、深鉴么？的确，他们发表的论文，就是基于FPGA的。
这些创业公司，他们更多研究的是算法，至于芯片，还不是重点，另外，他们暂时还没有那个精力与实力。FPGA非常灵活，成本不高，可以很快实现架构设计原型，所以他们自然会选择基于FPGA的方案。不过，最近他们都大力融资，官网也在招聘芯片设计岗位，所以，应该也在涉足ASIC研发了。
如果以FPGA为代表的可编程方案真的有巨大的商业价值，那他们何必砸钱去做ASIC？
说了这么多，我也是半路出家的，因为工作需要而学习的。按照我目前的理解，看TPU1的专利及论文，一步一步推导出内部的设计方法，理解了TPU1，大概就知道了所谓的AI处理器的大部分。然后研究研究寒武纪的一系列论文，有好几种不同的架构用于不同的情况，有兴趣可以研究一下。然后就是另外几个独角兽，比如商汤、深鉴科技等，他们每年都会有论文发表，没事去看看。这些论文，大概就代表了当前最先进的AI芯片的架构设计了。当然，最先进，别人肯定不会公开，比如谷歌就不曾公开关于TPU2和TPU3的相关专利，反正我没查到。不过，没事，目前的文献已经代表了最近几年最先进的进展了。
java面试题有哪些？
虽然现在大厂内卷现象泛滥，而且996的传统依旧肆虐。但没有哪位程序员能架得住互联网大厂的高薪职位诱惑。特别是我还有一位在阿里工作7年多的老表，在其耳旁风之下，不断将大厂描绘的美丽风景刻画在我脑海中，也让我一直有着想进大厂镀金的梦想。
所以为了完成这次进大厂的梦想，前段时间特意拜托老表爆肝一周之后，才梳理好的这份10W字的“Java高级程序员面试精华题”也帮助我在金三银四的最后时段赶上了跳槽季的末班车，成功入职字节！
虽然金三银四黄金跳槽期虽然已过，如果你现在还想跳槽进入大厂，后面的金九银十也不失为一个好机会。利用这4-5个月的时间里好好储备下技术能力，刷一刷面试题。也为跳槽作一作万全准备。
现在我把这份文档分享出来给每位看到的有缘人，为大家节省一点找资料、翻文献、刷题的时间。
面试文档涵盖：微服务、分布式中间件、并发编程、数据库，Spring/MyBatis/Netty等主流框架，需要的小伙伴转发+关注我后直接私信【666】即可获取资料免费下载方式！
主目录展示：常用主流框架篇涵盖Srping、MyBatis、Netty
微服务篇涵盖Spring Boot、Dubbo、Spring Cloud及Spring Cloud相关组件原理
并发编程篇涵盖并发编程所有技术点的面试
分布式中间件合集涵盖RPC框架、Zookeeper、Redis、Nginx、RabbitMQ、Kafka、MongDB、Memcached。
性能调优合集涵盖JVM、MySql、Tomcat
需要文档的小伙伴转发+关注我后直接私信【666】即可获取资料免费下载方式！
大家都用哪些小程序？
微信最近又更新了，更新过后，小程序的使用变得越来越方便快捷。特别是最新更新的“功能直达”服务，在微信“搜一搜”搜索功能词，搜索页面将呈现相关服务的小程序，点击搜索结果，可以直达小程序相关服务界面。下面推荐几个自己感觉很实用方便的小程序给大家，喜欢的可以在微信里直接搜索使用~
生活记事类1、云彩天气
简洁美观的天气预报小程序，可以随时查看各城市的当前气温、未来72小时的天气状况,以及未来半个月的天气情况。可通过滑动查看空气质量指数,比如降雨概率、湿度、风速以及能见度等等。
2、爱莫能记
智能贴心的备忘录提醒小程序，支持云同步，可随时随地在电脑、平板等设备查看待办事项。带有事件邀请功能，可以通时邀请好友、家人参与自己安排的活动，比如一起聚餐、跑步、旅行等等。
内容新闻类1、知乎热榜
提供最新、最好玩的热点问题以及最新的优质回答，可以通过它快速了解当天热点。
2、虎扑篮球
NBA和CBA体育资讯小程序，体育资讯更新很及时，很适合用来查看体育新闻。
社交娱乐类1、表情家园
很实用的表情制作平台，各种搞笑、萌宠、有趣的表情都可以用它来制作。
2、步数宝
一个记录每天步行次数的平台，可以通过步数兑换“燃力”，“燃力”可以免费兑换各种小物品。
学习教育类1、小D词典
沪江网校出的查词工具，界面简单清爽，支持6国语言的翻译查找。
2、沪江英语学习
专门为大学生打造的英语学习平台，包括英语口语练习、听力练习、英语四六级考试、考研信息以及雅思备考等版块。内容很丰富，历年真题、考试简介、备考干货等一应俱全。
资源搜索类1、网盘搜索pro
一款基于百度网盘查找资源的搜索工具，可以帮助大家查找学习、娱乐等资料，获取之后，可以直接打开链接保存至网盘。
2、壁纸精选
提供大量高清无水印手机壁纸，可以直接搜索壁纸并保存到自己的手机，如果自己有不错的壁纸想要分享，也可以在它里面上传共享。
还没有评论，来说两句吧...