那我们就走过这片海吧，路不会消失的，它只是被淹没了，但它就在脚下。

GPU简介近年来，随着深度学习的快速发展，GPU在计算领域扮演着越来越重要的角色，已经成为了人工智能和机器学习领域的关键组件。进入大模型时代，模型近乎恐怖的算力需求需要高性能的计算资源来完成，而 GPU 具有大量的计算核心和高速的显存，使得

Interconnection Network互联网络用来保证不同设备之间连接和通信，例如多处理器之间的连接、处理器与内存之间的连接、I/O设备的通信等。根据网络连接的设备数量和距离，可以分为四类 On-chip network

计算机并行技术可以分为： 指令级并行（ILP）：在单个处理器上同时执行多条指令的能力 线程级并行（TLP）：任务被组织成多个线程，在多线程环境中同时执行多个线程的能力 数据级并行（DLP）：同时处理多个数据元素的能力 ILP在流水线一章

流水线流水线可以理解为将一个指令拆分成多个步骤，并通过多个硬件单元并行执行来加速执行过程。 RISC五级流水线： IF指令提取周期：将程序计数器（PC）发送导存储器，从存储器提取当前指令。之后向PC+4 ID指令译码/寄存器提

Task使用Fisher判别分析对iris进行降维与分类 导入模块import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn a

Task使用朴素贝叶斯模型对新闻进行分类 import pandas as pd import numpy as np from sklearn import metrics import matplotlib.pyplot as plt

Task使用朴素贝叶斯模型和高斯判别分析模型对iris分类 导入模块import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn

Task使用KNN进行Iris 鸢尾花分类 导入模块import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns

存储器层次结构计算机的存储器一般分为多个层次：寄存器-多级缓存-主存-磁盘 为什么要分为这么多层呢？ 程序员在使用时希望有无限数量的快速存储器，假如这一点能实现，存储器这一章就不要学了。本章就是在讲在资源有限的情况下，如何进行调度和分配。

前言：目前在学习线性规划，这只是一个学习的记录，可能会有理解不正确的地方。随着理解的加深，本博客也将持续更新。此外，由于时间限制，这里只会讨论思想和算法流程，具体的证明在卜东波老师的课件Lec 8里已经非常详细了 线性规划问题首先明确，线性

这是我至今经历的最大的一场雪，雪的世界好美啊......