Пусть этот камень будет более крепким, чем человек

# 介绍 本文为实现 SystemC 响应异步事件 解决方案。 应用场景： SystemC 是一个支持系统事务级、行为级建模的开源的 C++ library； 我们将 SystemC 仿真的模拟叫做模拟器。在很多场景下，模拟器要保持 alive，等待异步 async 事件，做出对应的处理。例如设计一个 SystemC 消费者模拟器，而生产者程序不属于 SystemC 仿真范畴，消费者模拟器需要一直保持等待，并在出现数据后进行处理。 世界上没有东西是完美的啊，倒不如说，同时拥有光明和阴影才是完美的，这样的你才是真正的你。 ------ 大家好啊 我是 暮冬 Z 羡慕 以上应用场

# 前言 本篇博客提供简单的 Python 脚本代码，实现 onnx 模型转换编译，保存为 TVM 的 .so .params .json 文件 。 望长城内外，惟余莽莽；大河上下，顿失滔滔。 --------------- 教员 ------ 大家好啊 我是 暮冬 Z 羡慕 # Python 脚本实现模型编译和保存 脚本中需要修改的就一些路径，很容易看明白，就不再过多介绍了。 import onnx from tvm.contrib.download import download_testdata from PIL import Image import nump

# 昇腾 昇腾官方文档 华为昇腾（HUAWEI Ascend）是华为公司推出的一系列人工智能处理器，标志着华为在自主设计人工智能（AI）芯片领域的重要进展。昇腾芯片基于华为自主研发的达芬奇架构，这一架构设计旨在优化 AI 计算的效率和性能，特别是针对深度学习任务进行了专门优化。 还可以去找一下 《昇腾 AI 处理器架构与编程：深⼊理解 CANN 技术原理及应⽤》等相关书籍。 # NCNN 腾讯 NCNN ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。 ncnn 从设计之初深刻考虑手机端的部署和使用。 无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。

新的坦克模型，T110E3 卡迪夫蓝调皮肤模型，快要问世了。这里展示制作过程。 # 卡迪夫蓝调皮肤 # 建模过程 # 打印组装 # 最后 此模型是摆件，没有行动能力。还是很期待啊。

# 前言 本篇博客主要介绍如何通过 G++ 编译器编译 C++ 代码，部署 TVM。 总感觉，属于我们的时代还没开始，就要结束了呢。 ------ 大家好啊 我是 暮冬 Z 羡慕 # 现状 TVM 官方文档: 英文文档 中文文档 主要介绍了通过 Python 脚本和 Python 命令行 tvmc 来编译和部署 TVM。但是以这两种方式部署，部署设备还需要安装 Python 运行环境，带来额外空间占用和开销。显然不能以这种方式部署。 TVM 项目的 howto_deploy 目录下提供了 G++ 编译 C++ 代码部署 TVM 的方式。遗憾的是给的例子没有包含模型的权重.pa

本文讨论了 ncnn 和 tengine 两个框架在量化推理上的逻辑，并比较了它们之间的区别与联系，以及一点自己的思考。 风雨送春归，飞雪迎春到。 已是悬崖百丈冰，犹有花枝俏。 ---- 教员 ------ 大家好啊 我是 暮冬 Z 羡慕 # 量化 这里仅简单介绍一下量化，不会展开，有机会再详细写一下量化算法。 # 什么是量化 量化的核心思想是将连续的浮点数域映射到一个更小的、离散的整数集合上。这通过将浮点数值舍入或映射到最近的整数值来实现，同时保持整个模型表示的动态范围。例如，一个原本使用 32 位浮点数表示的权重值，在量化后可能会被转换为 8 位的整数，这样每个权重只

# 坦克世界皮肤图片 IS-7 皮肤台词：" 原来是这样的： 如果有人回到基地，至少一辆坦克，那就算是一次营救任务。如果无人返回，那就是一次侦察任务。那就是他们在总部报告中对我们的分类方式，而我就是参加了一次营救任务。事情是这样的：我们整个小队一起移动，一些奇怪的大雾导致能见度为 0，坦克只能摸索着前行，就好像在牛奶中前进一样。然后坦克出现了。D 系的坦克。我记得它们的外形，也知道如何应对它们。你也知道，我以前经历过一些战事。接下来又遇到了没有沙子的沙尘暴… 我也不知道该怎么解释。我经历了持续的耳鸣，一些嗡嗡的声音。眼睛仿佛沾满了焦油。奇怪的低语。黑暗… 如同活物一般。我们摔

# 前言 最近开始学习 TVM。感觉 TVM 英文文档中 TVM Codebase Walkthrough by Example 一节对于理解 TVM 工程非常有用。本篇文章只是翻译，可以直接跳转查看英文全文。 这个时代有这么多愿意开源并将技术介绍给我们的行业大牛，真是我们的荣幸，膜拜！ ------ 大家好啊 我是 暮冬 Z 羡慕 # Codebase Structure Overview 在 TVM 存储库的根目录中，我们有以下子目录，它们共同构成了大部分代码库。 src C++ code for operator compilation and deployme

本文为最基本的 Im2Col 算法的原理及实现。 【Im2Col】卷积加速算法 NCHW 【1】中已经讲了在输入和输出都是 nchw 排布下 Im2Col 算法的实现方式。常见的 tensor 输入有 NCHW 和 NHWC 两种内存排布方式，不同的排布方式各有优劣。排布方式不同，Im2Col 也有区别，本篇主要是在 NHWC 内存排布情况下的 Im2Col 算法原理和基本实现。 慌乱的时候全是破绽，冷静下来，能够找到对方的破绽。 ------ 大家好啊 我是 暮冬 Z 羡慕 # 两种内存排布 卷积神经网络（CNN）的输入数据布局主要有两种标准：NCHW（通道、高度、宽度）和

本文为最基本的 Im2Col 算法的原理及实现。 加速算法道阻且长，想要选择最优的算法，需要通盘考虑现实需求、软件算法、硬件支持，这就是 “坚持理论联系实际”。 所以这里只是对 Im2Col 算法最基本的原理探讨。 探索本就是由正确和错误交织而成，还望各位不吝赐教！ 现在想起来，光是遇到你这个家伙，就感觉自己赚到了。 ------ 大家好啊 我是 暮冬 Z 羡慕 # 卷积算法 将 Im2col 算法之前，不得不再提一下卷积。卷积是一种运算，在神经网络中是提取特征的过程，具体的操作过程是在输入特征中不断滑动卷积核大小的窗口，与卷积核做乘加运算，得到输出结果。 先定义一下维度的符