<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[GLinttsd的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/GLinttsd</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; GLinttsd]]></copyright><item><title><![CDATA[Espnet ASR-an4 Dataset-Inference with quantization]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/123964934</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/123964934</guid><author>GLinttsd</author><pubDate>Tue, 05 Apr 2022 10:20:07 +0800</pubDate><description><![CDATA[Espnet ASR-an4 Dataset-Inference with quantizationEspnet InstallationAn4 DatasetASR Inference Experiment with An4 DatasetQuantization
Espnet Installation
See here
An4 Dataset

an4 dataset can not be download from CMU offical website, but we can access it f]]></description><category></category></item><item><title><![CDATA[Espnet ASR Demo & Quantization Document]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/123933717</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/123933717</guid><author>GLinttsd</author><pubDate>Sun, 03 Apr 2022 13:15:34 +0800</pubDate><description><![CDATA[Espnet ASR Demo &amp; Quantization DocumentInstallationRequirementsInstall KaldiInstall EspnetRun ASR DemoModel Quantization

This is a document of how to run Espnet (v1) ASR Demo and its model quantization
Test enviroment:





Ubuntu
CUDA
GCC




21.04
1]]></description><category></category></item><item><title><![CDATA[red hat下用yum安装llvm/clang]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/119104273</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/119104273</guid><author>GLinttsd</author><pubDate>Mon, 26 Jul 2021 10:29:04 +0800</pubDate><description><![CDATA[red hat下用yum安装llvm/clang
yum module install llvm-toolset即可

]]></description><category></category></item><item><title><![CDATA[Ubuntu/windows双系统强制关机造成read-only file system的问题]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/115600678</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/115600678</guid><author>GLinttsd</author><pubDate>Sun, 11 Apr 2021 15:52:37 +0800</pubDate><description><![CDATA[可能因为在挂载wimdows盘后，强制关机造成的，可使用
sudo ntfsfix /dev/***

来修复。其中，***为具体哪个盘，例如sudo ntfsfix /dev/sda4

]]></description><category></category></item><item><title><![CDATA[VS code查看数组中多个元素的值]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/115184542</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/115184542</guid><author>GLinttsd</author><pubDate>Wed, 24 Mar 2021 18:55:22 +0800</pubDate><description><![CDATA[*(type(*)[number])begin

]]></description><category></category></item><item><title><![CDATA[Ubuntu20.04.2LTS中AutoDock4-GPU的运行及调试]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/114728755</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/114728755</guid><author>GLinttsd</author><pubDate>Sat, 13 Mar 2021 10:13:38 +0800</pubDate><description><![CDATA[目录AutoDock-GPU的运行下载环境准备编译运行AutoDock-GPU的调试
AutoDock-GPU的运行
下载
1.创建一个文件夹 例如：mkdir /media/test/Documents/Glinttsd/AutoDock4.2
2.cd 到文件夹中，使用git init
3.用git pull https://github.com/ccsb-scripps/AutoDock-GPU.git把AutoDock4-GPU的源码从github下载下来，由于速度比较慢，可以用下面的命令代替
gi]]></description><category></category></item><item><title><![CDATA[Pycharm crash on Linux: GPU process isn‘t usable. Goodbye. Trace/breakpoint trap (core dumped)解决办法]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/112909978</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/112909978</guid><author>GLinttsd</author><pubDate>Wed, 20 Jan 2021 20:26:27 +0800</pubDate><description><![CDATA[问题出在pycharm markdonw插件上
vim  ~/.config/JetBrains/Pycharm2020.3/pycharm64.vmoptions
添加-Dide.browser.jcef.enabled=false

]]></description><category></category></item><item><title><![CDATA[Git使用笔记]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/112709116</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/112709116</guid><author>GLinttsd</author><pubDate>Sat, 16 Jan 2021 16:09:34 +0800</pubDate><description><![CDATA[Git 使用笔记
命令:
1.git init 初始化，在文件夹中创建.git文件记录与git有关的所有信息
2.git add &lt;文件名&gt; 添加待提交的文件
git add .  添加文件夹下所有文件
3.git commit 提交待提交的文件
git commit -m “Commit注释”   提交并注释
4.git branch &lt;branch 名字&gt;  创建一个新的branch
5.git checkout &lt;branch 名字&gt;  切换到目标branch
6.]]></description><category></category></item><item><title><![CDATA[Linux使用笔记]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/111996332</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/111996332</guid><author>GLinttsd</author><pubDate>Mon, 04 Jan 2021 20:05:29 +0800</pubDate><description><![CDATA[Linux使用笔记一、操作指令1.删除文件/文件夹2.中断程序3.Vim使用
一、操作指令
1.删除文件/文件夹
删除文件：rm + 文件名
删除文件夹（必须为空）：rmdir + 文件夹名
删除文件夹及里面所有内容：rm -rf + 文件夹名
2.中断程序
ctrl + c / ctrl + d
3.Vim使用
打开文件：sudo vim + 文件名
退出vim：Esc + q （退出）Esc + q！（强制退出）Esc + wq（保存退出）

...]]></description><category></category></item><item><title><![CDATA[CUDA::thrust 创建device vector失败解决方法]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/110742587</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/110742587</guid><author>GLinttsd</author><pubDate>Sun, 06 Dec 2020 16:41:11 +0800</pubDate><description><![CDATA[CUDA版本：11.1
VS2019 x64 Debug模式下(Release 模式下没问题)
对device vector赋值失败，报错：Run-time Check Failure #3 - The variable ‘result’ is being used without being initialized
解决方法：
文件 …\CUDA\v11.1\include\thrust\detail\allocator\allocator_traits.inl中，将
template&lt;typena]]></description><category></category></item><item><title><![CDATA[GPU并行运算与CUDA编程--硬件篇]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/109412010</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/109412010</guid><author>GLinttsd</author><pubDate>Sat, 07 Nov 2020 15:52:09 +0800</pubDate><description><![CDATA[GPU并行运算与CUDA编程--硬件篇1.PCIe总线2.warp
1.PCIe总线
CPU与GPU进行数据传输时（比如使用函数cudaMemcpy），两者的数据通过PCIe总线进行传输。
具体而言，数据从CPU内存传输到GPU内存是这样的过程：
CPU内存（DDRx）—&gt;CPU L3缓存 —&gt;CPU I/O控制器 —&gt;PCIe总线 —&gt;GPU I/O控制器 —&gt; L2缓存 —&gt; GPU内存（GDDRx）
其中，CPU端L2缓存与GPU端L2缓存被称作末级高速缓存（LLC]]></description><category></category></item><item><title><![CDATA[如何在CPP项目中使用CUDA]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/109491052</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/109491052</guid><author>GLinttsd</author><pubDate>Wed, 04 Nov 2020 15:33:20 +0800</pubDate><description><![CDATA[如何在CPP项目中使用CUDA1.创建一个CPP项目2.添加.cu/.cuh文件3.修改.cu文件4.工程配置修改5.配置成功
很多时候我们需要对一个cpp项目中某一部分进行GPU加速，如下步骤能够实现这一目的。
1.创建一个CPP项目
直接新建或者打开已有的cpp项目
2.添加.cu/.cuh文件
右键项目，新建或者添加已有的.cu/.cuh文件
3.修改.cu文件
注意：.cpp文件不能直接调用kernel函数(添加了cuda的头文件也不行)
于是我们可以以函数调用的方式，从.cpp文件调用一个.cu里]]></description><category></category></item><item><title><![CDATA[GPU并行运算与CUDA编程--优化篇]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/109283550</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/109283550</guid><author>GLinttsd</author><pubDate>Thu, 29 Oct 2020 21:25:39 +0800</pubDate><description><![CDATA[GPU并行运算与CUDA编程--优化篇1.内存带宽受限Texture cache优化__ldg()指定只读缓存
一般有三大瓶颈：内存带宽受限、指令吞吐受限、延迟受限
1.内存带宽受限
优化方式一：
用其他内存分担压力，如：TEX/Shared Memory/Constant Memory
优化方式二：
改变访问顺序，降低上一级内存的cache miss，缓解当前内存的压力
优化方式三：
用算法压缩数据/改变数据访问方式，降低不必要的数据访问

  图1.1GPU内存层次结构图 
上图表示GPU中内存的整体层]]></description><category></category></item><item><title><![CDATA[CUDA使用的一些Tips]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/109360045</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/109360045</guid><author>GLinttsd</author><pubDate>Thu, 29 Oct 2020 15:21:22 +0800</pubDate><description><![CDATA[CUDA使用的一些Tips1.查询GPU的配置参数2.性能提升的Tips1.取消Debug information2.修改计算能力3.计算GPU的运行时间
1.查询GPU的配置参数
直接运行下面代码获得各项参数：
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include &lt;stdio.h&gt;

int main() {
    int deviceCount;
    cudaGetDeviceCount(&a]]></description><category></category></item><item><title><![CDATA[从零开始使用CUDA]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/109235251</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/109235251</guid><author>GLinttsd</author><pubDate>Fri, 23 Oct 2020 10:00:09 +0800</pubDate><description><![CDATA[从零开始使用CUDA1.环境安装1、VS 2019安装2.CUDA安装2.创建自己的CUDA项目
从无到有，创建KUDA工程并实现一个GPU加速的小示例
1.环境安装
首先要确认自己电脑的英伟达GPU是否支持KUDA！
查询网站
1、VS 2019安装
安装Visual Studio 2019
2.CUDA安装
CUDA下载
CUDA下载完成后直接安装（不要安装在C盘），安装完成后，打开CMD控制台(WIN + R，输入cmd，回车)，输入nvcc - V，看到如下界面后说明安装成功。

2.创建自己的CU]]></description><category></category></item><item><title><![CDATA[GPU并行运算与CUDA编程--基础篇]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/109207044</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/109207044</guid><author>GLinttsd</author><pubDate>Fri, 23 Oct 2020 09:56:24 +0800</pubDate><description><![CDATA[GPU并行运算与CUDA编程1.GPU程序一般步骤
1.GPU程序一般步骤
1.CPU分配空间给GPU
2.CPU复制数据给GPU
3.CPU加载kernels给GPU做运算
4.CPU把GPU计算结果复制过来

]]></description><category></category></item><item><title><![CDATA[C++ for C Programmers--Part one]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/109060847</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/109060847</guid><author>GLinttsd</author><pubDate>Mon, 19 Oct 2020 10:31:59 +0800</pubDate><description><![CDATA[C++与C语言的一些不同1.引用(Reference)2.内联(inline)3.类（class）4.重载（overload）1. 函数重载2.运算符重载例子1例子25.范型(Generic)6.默认参数(Default Parameter)7.Stastic_Cast参考资料
注：非特别注明，代码均是C++
1.引用(Reference)
在C语言中，一个函数想要修改函数外的变量的值，需要用到指针，例如下面这个C语言函数：
void swap(double* A, double* B) //C语言
{
	]]></description><category></category></item><item><title><![CDATA[基于FPGA的SDRAM控制器设计（三）]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/109023554</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/109023554</guid><author>GLinttsd</author><pubDate>Mon, 12 Oct 2020 11:12:53 +0800</pubDate><description><![CDATA[1.SDRAM写数据模块及仿真
图1.1为SDRAM工作方式状态机，要实现写数据功能，首先给到SDRAM一个ACT命令，用以激活要写入的行地址，从而使SDRAM从IDLE状态进入Row Active状态。接着给一个Write命令（其中带有列地址）就可以通过sdram_dq引脚写入数据。数据写完后，给到Precharge命令关闭现有工作行，准备打开新一行的操作，此命令进行完后自动返回IDLE状态


...]]></description><category></category></item><item><title><![CDATA[基于FPGA的SDRAM控制器设计（二）]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/108863173</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/108863173</guid><author>GLinttsd</author><pubDate>Wed, 30 Sep 2020 09:10:34 +0800</pubDate><description><![CDATA[基于FPGA的SDRAM控制器设计（二）1. SDRAM理论基础2. SDRAM初始化模块以及仿真3.TOP模块的仲裁机制4. SDRAM刷新模块代码以及仿真5.代码
1. SDRAM理论基础
1、SDRAM（synchronous dynamic random access memory）同步动态随机存储器
2、SDRAM 容量=数据位宽x存储单元数量（Bank数x行地址x列地址）
对于SDRAM仿真module（sdram_module_plus.v）：数据位宽为16位、bank数为4、每个bank大小]]></description><category></category></item><item><title><![CDATA[基于FPGA的SDRAM控制器设计（一）]]></title><link>https://blog.youkuaiyun.com/GLinttsd/article/details/108837638</link><guid>https://blog.youkuaiyun.com/GLinttsd/article/details/108837638</guid><author>GLinttsd</author><pubDate>Mon, 28 Sep 2020 09:27:10 +0800</pubDate><description><![CDATA[基于FPGA的SDRAM控制器设计（一）1. SDRAM控制器整体框架2.UART_RX模块3.UART_TX模块4. RX与TX模块的整合5.需要注意的问题
1. SDRAM控制器整体框架

图1.1整体框架
PC端通过串口模块UART_RX发送读写命令以及数据到Cmd_encode模块，由后者分离出数据存入wfifo模块，剩下的读写命令传送到Sdram_top模块对SDRAM进行写操作或者从SDRAM读数据到rfifo模块并通过UART_TX模块将数据送出到PC端。
2.UART_RX模块
主体代码（见]]></description><category></category></item></channel></rss>