記憶體自動超頻的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

智能光學遙感微納衛星系統設計方法

為了解決記憶體自動超頻的問題，作者劉敏時劉英趙峰 這樣論述：

本書分別介紹了光學遙感微納衛星和智慧微納衛星的發展現狀，光學遙感衛星設計任務分析，微納衛星系統總體設計方法，衛星系統總裝、測試及試驗方法，微納衛星系統專案實施規劃方法，並針對微納衛星系統中兩個重要的關鍵分系統，介紹了低成本、高集成度的綜合電子設計方法及微納衛星光學載荷設計方法，之後對智慧光學遙感微納衛星進行了展望。 本書知識系統完整，理論聯繫實際，緊跟時代前沿技術，對未來智慧遙感衛星系統設計具有一定的理論指導意義。本書可作為衛星系統設計、光學載荷設計、衛星產品開發人員的專業技術參考書。 劉敏時 工學博士，山東工商學院，高級工程師。先後從事空間光學載荷技術及衛星總體技術研究、

光電系統及機器視覺技術、波前探測技術研究等，作為技術負責人完成“十三五”裝備預研課題、山東省重大科技創新工程項目（省級）、“973”子課題、所自主研發課題等項目，作為主任設計師完成一箭雙星的衛星研製任務，負責多個型號載荷分系統論證、硬體型號產品研製、星載 FPGA產品研製，在軌運行穩定。 第1章 概述 1 1．1　衛星光學遙感　1 1．1．1　衛星光學遙感系統組成　2 1．1．2　衛星光學遙感的分類　2 1．1．3　衛星光學遙感特點　4 1．2　光學遙感微納衛星　4 1．2．1　國外光學遙感微納衛星發展介紹　5 1．2．2　國內光學遙感微納衛星發展介紹　8 1．2．3　我國光

學遙感衛星資料應用發展介紹　9 1．3　智慧微納衛星發展現狀　11 1．3．1　軟體定義衛星　11 1．3．2　人工智慧技術　14 1．4　本章小結　16 第2章 光學遙感衛星任務分析　18 2．1　衛星應用任務　19 2．1．1　應用任務的功能及性能　19 2．1．2　載荷任務分析　20 2．1．3　資料存儲及傳輸要求　24 2．2　空間環境　26 2．2．1　地球大氣環境　26 2．2．2　引力場環境　27 2．2．3　空間等離子體環境　27 2．2．4　高能粒子輻射環境　28 2．2．5　微流星體和空間碎片環境　30 2．3　大系統介面　30 2．3．1　衛星運載　30 2．3．2　衛

星軌道　34 2．3．3　衛星頻率資源　40 2．4　初步總體技術指標　41 2．5　本章小結　41 第3章　微納衛星系統總體設計方法　43 3．1　衛星系統特點規劃　44 3．2　衛星總體框架設計　45 3．3　衛星技術指標設計　47 3．3．1　衛星系統技術指標　47 3．3．2　衛星分系統技術指標　48 3．4　衛星配套產品選擇　51 3．5　衛星系統結構和佈局設計方法　58 3．5．1　衛星系統坐標系的建立　58 3．5．2　衛星系統基本構型的建立　59 3．5．3　衛星系統佈局的設計　63 3．6　衛星資訊流設計　64 3．6．1　常用介面及資料格式　64 3．6．2　遙測資訊流設

計　73 3．6．3　遙控資訊流設計　74 3．6．4　載荷資料資訊流設計　75 3．6．5　GIOVE-A衛星資訊流設計　76 3．7　衛星工作模式設計　78 3．7．1　衛星常用工作模式　78 3．7．2　工作模式設計　80 3．8　衛星資源預算　83 3．8．1　品質預算　83 3．8．2　能源平衡計算　84 3．8．3　通信鏈路預算　84 3．8．4　資料存儲容量及下傳能力預算　87 3．9　本章小結　89 第4章　低成本高集成度綜合電子系統設計方法　90 4．1　光學遙感微納衛星對綜合電子的需求分析　90 4．2　低成本高集成度綜合電子架構設計　92 4．3　星載電腦設計　94 4

．3．1　CPU+FPGA架構設計　95 4．3．2　記憶體設計　99 4．3．3　介面單元設計　100 4．4　電源模組設計　103 4．5　本章小結　106 第5章　微納衛星光學遙感載荷　107 5．1　光學遙感載荷設計方法　108 5．1．1　光學遙感載荷詳細設計及方法　109 5．1．2　輔助測量設備介紹　128 5．1．3　衛星遙感產品　137 5．2　超解析度圖像復原技術在衛星中的應用　139 5．3　本章小結　141 第6章　衛星總裝、測試及試驗　142 6．1　衛星總裝　144 6．1．1　衛星總裝設計　145 6．1．2　衛星總裝前準備　147 6．1．3　衛星總裝集成　

148 6．1．4　衛星總裝後測試　149 6．2　衛星測試　149 6．2．1　桌面聯試階段測試　150 6．2．2　裝星後整星測試　151 6．2．3　試驗過程中的測試　153 6．2．4　自動化衛星系統測試　153 6．3　衛星試驗　155 6．3．1　力學環境試驗　156 6．3．2　熱環境試驗　158 6．3．3　電磁相容環境試驗　161 6．3．4　磁試驗　163 6．4　本章小結　165 第7章　專案實施規劃方法　166 7．1　專案論證階段　166 7．2　總體設計階段　168 7．3　分系統設計階段　169 7．4　總裝試驗驗證階段　170 7．5　正樣衛星研製階段　170

7．6　在軌測試交付階段　171 7．7　本章小結　172 第8章　智慧光學遙感微納衛星展望　173 參考文獻　175

記憶體自動超頻進入發燒排行的影片

適用於自駕車之高效脈衝神經網路加速器

為了解決記憶體自動超頻的問題，作者連泓翰 這樣論述：

人工神經網路近年來在自駕車相關的電腦視覺應用上取得了卓越的成果，但其大量的資料搬運以及複雜的運算並不適合執行在資源受限的終端設備上。因此，一種由人腦啟發的脈衝神經網路逐漸受到重視，由於其二值尖峰的傳遞與高稀疏度的激活圖使得網路得以用極低功率在相對簡單的硬體上執行。然而，脈衝神經網路相比於人工神經網路多了時間維度的資訊，若是沒有針對應用特別訓練以降低執行網路所需時間步，將導致在硬體執行時的高延遲、高能耗與高記憶體頻寬。為了解決上述問題，我們首先將脈衝神經網路應用於光達點雲映射之距離圖的語意分割任務以評估其發展到硬體的優勢，根據模擬結果顯示，僅用四個時間步的脈衝神經網路的預測結果可以接近將激活圖

量化到四位元的人工神經網路的預測結果，且遠遠超過二值化神經網路的預測結果。此外，量測了網路激活圖的稀疏程度高達75%，我們認為這對硬體而言非常友善。根據上述評估，本論文首先提出一個硬體高效的可重構矢量脈衝神經網絡加速器，其採用一維向量處理單元執行3x3卷積運算以重用大量資料且保持高硬體使用效率。此外，其可根據設置重構以適應具有不同時間步、不同大小，甚至是二值或多位元的輸入的神經網路，還可以支援兩層網路融合以降低外部記憶體傳輸量。演算法的部分，我們二值化了網路的權重並且提出基於Integrate-and-Fire神經元的批量歸一化以節省硬體開銷。神經網路的實驗結果顯示，在MNIST、CIFAR-

10資料集中，可以僅用8個時間步就達到接近人工神經網路的預測結果。加速器實現在台積電40奈米製程，模擬結果顯示，其功率效率執行在工作頻率500MHz可以高達25.9TOPS/W。然而當應用場景換成較困難的高解析度物件偵測時，必須面對兩個問題，首先是多位元的權重會造成晶片上記憶體的大量開銷，另一方面，脈衝神經網路額外的時間維度的資訊也導致加速器難以實時執行網路。因此，本論文另外提出一個稀疏壓縮脈衝神經網絡加速器，透過我們提出的gated one-to-all product可以有效利用激活圖和權重的高稀疏性，使加速器可以跳過零權重且以低功率高平行處理網路。神經網路的實驗結果顯示，在IVS 3cl

s資料集中，可以僅用3個時間步就達到71.5% mAP 。加速器實現在台積電28奈米製程，模擬結果顯示，其能量效率執行在工作頻率500MHz可以高達35.88TOPS/W，每秒可偵測29張1024x576解析度的照片，每張照片僅需消耗1.05mJ。其中能量效率比最先進的SNN加速器好5.75倍。

算法訓練營：海量圖解+競賽刷題（進階篇）

為了解決記憶體自動超頻的問題，作者陳小玉 這樣論述：

本書以海量圖解的形式，詳細講解常用的資料結構與演算法，並結合競賽實例引導讀者進行刷題實戰。通過對本書的學習，讀者可掌握22種高級資料結構、7種動態規劃演算法、5種動態規劃優化技巧，以及5種網路流演算法，並熟練應用各種演算法解決實際問題。 本書總計8章。第1章講解實用資料結構，包括並查集、優先佇列；第2章講解區間資訊維護與查詢，包括倍增、ST、RMQ、LCA、樹狀陣列、線段樹和分塊；第3章講解字串處理，包括字典樹、AC自動機和尾碼陣列；第4章講解樹上操作問題，包括點分治、邊分治、樹鏈剖分和動態樹；第5章講解各種平衡二叉樹，包括Treap、伸展樹和SBT；第6章講解資料結構進階，包括KD樹、左偏

樹、跳躍表、樹套樹和可持久化資料結構；第7章講解動態規劃及其優化，包括背包問題、線性DP、區間DP、樹形DP、數位DP、狀態壓縮DP、插頭DP和動態規劃優化方法；第8章講解網路流問題，包括常用網路流演算法、二分圖最da匹配、最da流最xiao割定理和最xiao費用最da流。本書對每個演算法都進行詳細圖解並搭配競賽實例，重點講解如何分析問題、優化演算法，以期讀者在短時間內掌握該演算法並進行刷題實戰。 本書面向對演算法感興趣的讀者，無論是想扎實內功或參加演算法競賽的學生，還是想進入行業領先企業的求職者，抑或是想提升技術的在職人員，都可以參考本書。若讀者從未學過資料結構與演算法方面的基礎知識，則可

參考《演算法訓練營：海量圖解+競賽刷題（入門篇）》。   陳小玉 南陽理工學院副教授，高級程式師，主要研究方向為演算法優化和機器學習。出版著作有《趣學演算法》《趣學資料結構》《演算法訓練營：海量圖解+競賽刷題（入門篇）》《演算法訓練營：海量圖解+競賽刷題（進階篇）》，所教學生多次獲得ACM、藍橋杯等演算法競賽獎項。   第1章 實用資料結構... 1 1.1 並查集... 1 原理 並查集詳解... 1 訓練1 暢通工程 訓練2 方塊棧... 7 訓練3 食物鏈... 10 訓練4 幫派... 16 1.2 優先佇列... 19 原理1 優先佇列的實現

原理... 19 原理2 優先佇列詳解... 23 訓練1 第k大的數... 26 訓練2 圍欄修復... 27 訓練3 表演評分... 29 訓練4 叢林探險   第2章 區間資訊維護與查詢... 33 2.1 倍增、ST、RMQ.. 33 原理1 倍增... 33 原理2 ST. 34 原理3 RMQ.. 36 訓練1 區間最值差... 36 訓練2 最頻繁值... 37 訓練3 最小分段數... 40 訓練4 二維區間最值差.... 41 2.2 最近公共祖先LCA.. 43 原理1 暴力搜索法... 44 原理2 樹上倍增法... 45 原理3 線上RMQ演算法... 49 原理4 T

arjan演算法... 51 訓練1 最近公共祖先... 55 訓練2 樹上距離... 57 訓練3 距離查詢... 59 訓練4 城市之間的聯繫... 60 2.3 樹狀陣列... 62 原理1 一維樹狀陣列... 62 原理2 多維樹狀陣列... 67 訓練1 數星星... 69 訓練2 公路交叉數... 71 訓練3 子樹查詢... 74 訓練4 矩形區域查詢... 76 2.4 線段樹... 78 原理1 線段樹的基本操作... 78 原理2 線段樹中的“懶操作”... 83 訓練1 敵兵佈陣... 87 訓練2 簡單的整數問題... 89 訓練3 資料結構難題... 91 訓練4 顏

色統計... 97 2.5 分塊... 102 原理 分塊詳解... 102 訓練1 簡單的整數問題... 105 訓練2 數字序列... 106 訓練3 區間最值差... 107 訓練4 超級馬里奧... 109 訓練5 序列操作   第3章 字串處理... 115 3.1 字典樹... 115 原理 字典樹詳解... 115 訓練1 單詞翻譯... 120 訓練2 電話表... 122 訓練3 統計難題... 123 訓練4 彩色的木棒... 124 訓練5 最長xor路徑... 127 3.2 AC自動機... 129 原理 AC自動機詳解... 129 訓練1 關鍵字檢索... 132

訓練2 病毒侵襲... 134 訓練3 DNA序列... 136 訓練4 單詞情結... 140 3.3 尾碼陣列... 145 原理1 基數排序... 145 原理2 尾碼陣列詳解... 152 訓練1 牛奶模式... 169 訓練2 口吃的外星人... 171 訓練3 音樂主題... 173 訓練4 星際迷航   第4章 樹上操作... 178 4.1 點分治... 178 原理 重心分解... 178 訓練1 樹上兩點之間的路徑數... 179 訓練2 遊船之旅... 185 訓練3 摩天大樹... 189 訓練4 查詢子樹... 194 4.2 邊分治... 200 原理 邊分治詳解

... 200 訓練1 樹上查詢I 203 訓練2 樹上查詢II 212 訓練3 樹上兩點之間的路徑數... 217 4.3 樹鏈剖分... 221 原理 樹鏈剖分詳解... 221 訓練1 樹上距離... 230 訓練2 樹的統計... 231 訓練3 家庭主婦... 232 訓練4 樹上操作... 233 4.4 動態樹... 236 原理 動態樹詳解... 236 訓練1 距離查詢... 247 訓練2 動態樹xor和... 249 訓練3 動態樹的最值... 252 訓練4 動態樹的第2大值... 255 訓練5 樹上操作   第5章 平衡二叉樹... 263 5.1 Treap. 2

63 原理 Treap詳解... 263 訓練1 雙重佇列... 270 訓練2 普通平衡樹... 272 訓練3 黑盒子... 276 訓練4 少林功夫... 279 5.2 伸展樹... 283 原理 伸展樹詳解... 283 訓練1 雙重佇列... 291 訓練2 玩鏈子... 293 訓練3 超強記憶... 300 訓練4 迴圈... 310 5.3 SBT. 324 原理 SBT詳解... 324 訓練1 雙重佇列... 331 訓練2 第k小的數... 333 訓練3 第k大的數... 334 訓練4 區間第k小... 334 訓練5 鬱悶的出納員   第6章 資料結構進階...

339 6.1 KD樹... 339 原理 KD樹詳解... 339 訓練1 最近的取款機... 343 訓練2 找旅館... 346 訓練3 最近鄰M點... 348 訓練4 蟻巢... 349 6.2 左偏樹... 352 原理 左偏樹詳解... 352 訓練1 猴王... 360 訓練2 小根堆... 363 訓練3 路面修整... 365 訓練4 K-單調... 369 6.3 跳躍表... 373 原理 跳躍表詳解... 373 訓練1 雙重佇列... 379 訓練2 第k大的數... 381 訓練3 鬱悶的出納員... 386 6.4 樹套樹... 388 原理 樹套樹詳解...

388 訓練1 動態區間問題... 389 訓練2 動態區間第k小... 395 訓練3 矩形區域查詢... 396 訓練4 馬賽克處理... 400 6.5 可持久化資料結構... 406 原理1 可持久化線段樹詳解... 406 原理2 可持久化Trie詳解... 413 訓練1 超級馬里奧... 415 訓練2 記憶重現... 419 訓練3 最大異或和   第7章 動態規劃及其優化... 431 7.1 動態規劃求解原理... 431 原理1 動態規劃的三個要素... 432 原理2 動態規劃設計方法... 432 7.2 背包問題... 433 原理1 01背包... 433 訓練1

骨頭收藏家... 441 原理2 完全背包... 443 訓練2 存錢罐... 443 原理3 多重背包... 445 訓練3 硬幣... 447 原理4 分組背包... 449 訓練4 價值最大化... 450 原理5 混合背包... 452 訓練5 最少的硬幣... 452 7.3 線性DP. 455 訓練1 超級樓梯... 455 訓練2 數字三角形... 456 訓練3 最長上升子序列... 458 訓練4 最長公共子序列... 461 訓練5 最大連續子段和... 462 7.4 區間DP. 464 訓練1 回文... 464 訓練2 括弧匹配... 466 訓練3 猴子派對...

468 訓練4 乘法難題... 470 7.5 樹形DP. 472 訓練1 別墅派對... 473 訓練2 戰略遊戲... 476 訓練3 工人請願書... 478 訓練4 完美的服務... 480 訓練5 背包類樹形DP. 484 訓練6 蘋果樹... 487 訓練7 二次掃描與換根... 490 訓練8 最遠距離... 494 7.6 數位DP. 497 訓練1 不吉利的數字... 498 訓練2 定時炸彈... 503 訓練3 Round Numbers. 506 訓練4 計數問題... 508 訓練5 數字權值... 511 7.7 狀態壓縮DP. 513 訓練1 旅行商問題...

514 訓練2 旅行商變形1. 520 訓練3 旅行商變形2. 521 訓練4 玉米田... 523 訓練5 炮兵陣地... 525 訓練6 馬車旅行... 528 7.8 插頭DP. 531 訓練1 鋪磚... 531 訓練2 方格取數... 537 訓練3 多回路連通性問題... 539 訓練4 單回路連通性問題... 543 訓練5 單通路連通性問題... 550 7.9 動態規劃優化... 552 原理1 倍增優化... 552 原理2 資料結構優化... 552 訓練1 最長公共上升子序列... 552 訓練2 有序子序列... 554 訓練3 最大化器... 557 訓練4 灑水裝

置... 559 原理3 單調佇列優化... 562 訓練5 滑動窗口... 563 訓練6 灑水裝置... 564 訓練7 股票交易... 565 原理4 斜率優化... 568 訓練8 列印文章... 569 訓練9 覆蓋走道... 573 訓練10 批次處理調度... 575 訓練11 劃分... 580 訓練12 勞倫斯... 583 原理5 四邊不等式優化... 587 訓練13 劃分   第8章 網路流... 592 8.1 EK演算法... 595 原理 EK演算法詳解... 595 訓練1 最大流問題... 600 訓練2 排水系統... 600 8.2 Dinic演算法...

601 原理 Dinic演算法詳解... 601 訓練1 最大銷售量... 605 訓練2 電力網絡.... 606 8.3 ISAP演算法... 608 原理 ISAP演算法詳解... 608 訓練1 島嶼運輸... 613 訓練2 美味佳餚... 614 訓練3 跳躍蜥蜴... 615 訓練4 計算機工廠... 618 8.4 二分圖匹配... 619 原理1 最大匹配演算法... 620 原理2 匈牙利演算法... 621 訓練1 完美的牛棚... 624 訓練2 機器調度... 625 訓練3 逃脫... 626 8.5 最大流最小割... 627 原理 最大流最小割定理... 62

7 訓練1 最小邊割集... 629 訓練2 最小點割集... 631 訓練3 雙核CPU.. 632 訓練4 最大收益... 633 8.6 最小費用最大流... 635 原理 最小費用路演算法... 635 訓練1 農場之旅... 639 訓練2 航空路線... 640 訓練3 區間覆蓋... 642 訓練4 疏散計畫... 643   近年來，演算法行業非常火爆，越來越多的人在學習演算法。目前，電腦的最重要領域之一是人工智慧，而人工智慧的核心是演算法，演算法已滲透到互聯網、商業、金融業、航空、軍事等各個領域，正在改變著這個世界。 寫作背景 在IT領域，資料結構與演

算法的應用無處不在。資料結構與演算法是電腦開發人員的基本功，很多面試都要考查資料結構與演算法。學習資料結構與演算法不僅可以培養我們的演算法思維，提高我們分析問題、解決問題的能力，還可以讓我們快速學習新技術，以更高的視角看待問題。 資料結構與演算法教材一般晦澀難懂。為了讓更多的人輕鬆學習演算法、愛上演算法，筆者寫作了《趣學資料結構》《趣學演算法》兩本書。筆者發現，讀者特別喜歡搭配了大量圖解的通俗易懂的講解方式。很多讀者也在呼籲筆者寫一本結合演算法競賽實例進行講解的書。經過近兩年的籌備，《演算法訓練營：海量圖解+競賽刷題（入門篇）》和《演算法訓練營：海量圖解+競賽刷題（進階篇）》兩本書終於要和大

家見面了，非常感謝各位讀者的大力支持。 學習建議 演算法學習的過程，實際上是通過大量實例，充分體會遇到問題時該如何分析：採用什麼資料結構，使用什麼演算法策略，演算法的複雜性如何，是否有優化的可能，等等。這裡有以下幾個建議。 ⊃2; 第1個建議：學經典，多理解。 演算法書有很多，初學者最好選擇圖解較多的入門書，當然，也可以選擇多本書，從多個角度進行對比和學習。先看書中的圖解，理解各種經典問題的求解方法，如果還不明白，則可以看視頻講解，理解之後再看代碼，嘗試自己動手上機運行。如有必要，則可以將演算法的求解過程通過圖解方式展示出來，以加深對演算法的理解。 ⊃2; 第2個建議：看題解，多總結

。 在掌握書中的經典演算法之後，可以在刷題網站進行專項練習，比如貪心演算法、分治演算法、動態規劃、網路流等。演算法比資料結構更加靈活，對同一道題目可以採用不同的演算法解決，演算法複雜性也不同。如果想不到答案，則可以看題解，比較自己的想法與題解的差距。要多總結題目類型及最優解法，然後找相似的題目並自己動手解決問題。 ⊃2; 第3個建議：舉一反三，靈活運用。 通過專項刷題，見多識廣，總結常用的演算法範本，熟練應用套路，舉一反三、靈活運用，逐步提升刷題速度，力爭“bug free”（無缺陷）。 如何進行刷題實戰 刷題的過程就是熟練應用資料結構與演算法的過程。在刷題過程中，要學會分析問題、解

決問題的方法，總結常用的演算法範本和套路，快速寫出代碼，通過鍛煉達到“bug free”。可以集中時間進行系統性專項刷題，不可三天打魚、兩天曬網，也不可隨機刷題。題不在多，在於精。通過看書掌握一種資料結構與演算法之後，便可找該知識相關的簡單題目試手，從易到難。刷題時，可以先在編譯系統中編譯通過，等測試用例通過且檢查無誤後再提交，因為在比賽中多次提交會被罰時。刷題網站有很多，演算法競賽刷題網站有Vjudge、POJ、HDU、Code Forces、洛穀等，找工作刷題網站有LeetCode。提交結果類型如下。 — AC（Accepted）：通過。 — WA（Wrong Answer）：答案錯誤。

— TLE（Time Limit Exceed）：超時。 — OLE（Output Limit Exceed）：超過輸出限制。 — MLE（Memory Limit Exceed）：超出記憶體。 — RE（Runtime Error）：執行階段錯誤。 — PE（Presentation Error）：格式錯誤。 — CE（Compile Error）：無法編譯。 測試用例通過而提交不通過是很正常的，因為在測試用例中僅有一兩組資料，而在後臺有大量測試資料。遇到提交不通過的情況時，要首先根據提示判斷錯誤類型，根據錯誤類型分析原因；然後冷靜分析演算法邏輯、易錯點、特殊情況判斷等，看看選擇的資料結

構和演算法是否合適，是否存在閉環。在刷題過程中會發現很多“坑”，一定要記錄下來，避免下次“踩坑”。 看題目時要看資料規模、時間限制和空間限制，看看設計的演算法是否會超時超限，做到心中有數。如果限制時間為1s，則問題規模（n）和演算法時間複雜度之間的關係如下。 — n≤11：O(n!)。 — n≤25：O(2n)。 — n≤5000：O(n2)。 — n≤106：O(nlogn)。 — n≤107：O(n)。 — n>108：O(logn)。 本書特色 本書具有以下特色。 （1）完美圖解，通俗易懂。本書對每個演算法的基本操作都有圖解演示，通過圖解，許多問題都變得簡單，可迎刃而解。 （

2）實例豐富，簡單有趣。本書結合大量競賽實例，講解如何利用資料結構與演算法解決實際問題，使複雜難懂的問題變得簡單有趣，説明讀者輕鬆掌握演算法知識，體會其中的妙處。 （3）深入淺出，透析本質。本書透過問題看本質，重點講解如何分析和解決問題。本書採用了簡潔易懂的代碼，對資料結構設計和演算法的描述全面細緻，而且有演算法複雜性分析及優化過程。 （4）實戰演練，循序漸進。本書在對每個資料結構與演算法講解清楚後，都進行了實戰演練，使讀者在實戰中體會資料結構與演算法的設計和操作，從而提高獨立思考、動手實踐的能力。書中有豐富的練習題和競賽題，可幫助讀者及時檢驗知識掌握情況，為從小問題出發，逐步解決大型複雜

性工程問題奠定基礎。 （5）網路資源，技術支援。本書為讀者提供書中所有範例程式的原始程式碼、競賽題及答案解析，讀者對這些原始程式碼可以自由修改編譯，以符合自己的需要。本書提供博客、微信群、QQ群技術支援，可隨時為讀者答疑解惑。 建議和回饋 寫書是極其瑣碎、繁重的工作，儘管筆者已經盡力使本書的內容和網路支援接近完美，但仍然可能存在很多漏洞和瑕疵。歡迎讀者提供關於本書的回饋意見，因為對本書的評論和建議都有利於我們改進和提高，以幫助更多的讀者。如果對本書有什麼評論和建議，或者有問題需要幫助，則可以致信[email protected]與筆者交流，筆者將不勝感激。 讀者資源請參照本書封底提示。

致謝 感謝筆者的家人和朋友在本書寫作過程中提供的大力支持。感謝電子工業出版社工作嚴謹、高效的張國霞編輯促成本書的早日出版。感謝提供寶貴意見的同事們。感謝提供技術支援的同學們。感恩遇到這麼多良師益友！  

具高效率及擴展性且完成系統單晶片整合準備並採用 VLIW 指令集驅動之卷積神經網路加速器

為了解決記憶體自動超頻的問題，作者胡嘉恆 這樣論述：

本篇論文提出一高效能低功耗之卷積神經網路(CNN)硬體加速器設計。此加速器採用基於雙卷積器計算核心之架構，除了支援一般常見之3x3及1x1卷積運算之外，尚還支援反卷積(Deconvolution)運算，使其具備執行物件偵測以及圖像語義分割等高階影像處理任務之能力。本加速器採用512位元的超長指令(VLIW)集，一個指令即可完成整個卷積層運算所需之設定。此外指令集亦原生支援具跨層資料串接(Concatenation)之當前最先進的卷積網路模型例如：DenseNet [7]。可以有效解決輸入特徵圖由數個不同卷積層輸出串接而來之問題。加速器亦具有多模輸入對位器(Multi-Mode Input A

ligner, MMIA)設計，在不同的卷積運算模式下，皆能有效率地將輸入資料正確重組排列後饋入計算核心，確保計算核心全速滿載運作。而此多模輸入對位器亦同時支援自動零填充(Zero-Padding)的操作，大幅改善傳統上藉由軟體來執行此操作的整體系統效率。本加速器亦搭配一零初始延遲緩衝器(Zero-Initial-Latency Buffer)設計，確保計算核心於輸入資料換列之際依舊勿需暫停運作。本加速器之輸出入資料格式為8位元定點數，而內部計算資料格式則提升為24位元，如此可同時達成記憶體減量以及維持計算精確度兩項目標。而加速器之輸出入資料流皆經過排程優化，確保輸出入資料僅需進出加速器一次，

藉以大幅節省DRAM存取時所需之功耗與延遲。本加速器採用高度彈性且易於擴充架構設計，具備同時處理多個輸入及輸出資料通道的平行計算能力。一加速器能提供的最大算力由所配置之雙卷積器計算核心個數來決定。使用者可依其目標應用所需之計算量來決定最適當的硬體架構組態。本加速器設計亦完整考量未來SoC整合時之所需，加速器對外部系統的資料與控制界面採用目前業界最被廣泛使用的AXI-4匯流排標準，故將本加速器整合至目標SoC系統晶片時所需之工作可被大幅簡化並加速。所有資料進出AXI-4匯流排時皆經過交替緩衝器(Ping-Pong Buffer)機制來維持與計算核心同時運作。因此對內不會降低計算核心效能，對外不會

拖慢整體SoC系統匯流排效能。於台積電40奈米製程下，本加速器(具576個MAC單元版本)之重要性能諸元為：操作頻率可達1.25GHz，效能峰值為每秒1.44TOPS，面積效率為2.94GOPS/K-Gate，而能源效率更高達8.71TOPS/W，表現極為優異。