经典重读《信号与系统》-第一章

经典重读奥本海默《信号与系统》。
这门课本大约5年前是学过的,使用的是吴大正的《信号与线性系统分析》,当时考试貌似还考了90多分的高分呢。最近由于数字信号处理中有些问题不太懂(大家可能都没注意到我的博客中关于数字信号处理的分类小节已经好久没更新了),所以又回过头来看这本书。我尽量对比着两本书说吧。
第一章其实包含两部分。
1.基本的信号。相比而言奥本海默的书讲的要浅显的多,主要是对于连续信号的单位冲击并没有给出广义函数那一套理论没讲,也没有讲相关的性质(这一部分内容放到了第二章)。
2.系统的一些特性。线性、时不变性、因果性、稳定性的定义等等,并没有给出其他的判定方法。(具体的判定会在第二章给出)。


感受就是这本书讲的非常细,因为前面的确没啥说的。再有就是稍微吐槽一下翻译,个别句子必须读出声来才能看懂,默看起来有的地方会有点吃力。
1 )处理器管理 处理器管理:主要任务是对处理器的分配和运行实施有效的管理 主要功能(处理器管理归结为进程管理) 进程控制:负责进程的创建、撤销、状态转换 进程同步:对并发执行的进程进行协调 进程通信:负责完成进程间的信息交换 进程调度:按一定的算法进行处理器分配 2 )存储器管理 存储器管理:主要任务是对内存进行分配、保护、扩充 主要功能 内存分配:按一定的策略为每道程序分配内存 内存保护:保证各程序在自己的内存区域内运行而互不干扰 内存扩充:为允许大型作业或多作业的运行,必须借助虚拟存储技术去获得增加内存的效果 3 )设备管理 设备管理:主要任务是对计算机系统内的所有设备实施有效的管理 主要功能 设备分配:按一定的设备分配原则对设备进行分配。为了使设备和主机并行工作,还需要采用缓冲技术和虚拟技术 设备传输控制:实现物理的输入输出操作,即启动设备、中断设备、结束处理等 设备独立性:即用户程序中的设备与实际使用的物理设备无关 4 )文件管理 文件管理:负责信息管理的部分叫作文件系统。主要任务是有效的支持文件的存储、检索、修改等操作,解决文件的共享、保密、保护 主要功能 文件存储空间管理:包括存储空间的分配和回收 目录管理:目录是为了方便文件管理
### TensorFlow与TPU-MLIR的关系 TensorFlow是一种广泛使用的机器学习框架,而TPU-MLIR是一个编译器基础设施项目,旨在简化不同硬件平台上的深度学习模型部署过程。两者之间的关系主要体现在通过TPU-MLIR可以优化并转换由TensorFlow训练好的模型到特定的TPU硬件平台上运行。 对于基于TensorFlow构建的应用程序来说,利用TPU-MLIR能够显著提高推理速度和降低延迟时间。这是因为TPU-MLIR引入了两个重要的Dialect来处理这一流程:一个是顶层张量操作(Tensor Operation, TOP) Dialect[^1];另一个则是底层针对具体TPU架构设计的Kernel Dialect[^1]。前者负责描述高层次抽象下的神经网络结构而不依赖任何特殊设备特性;后者则专注于生成适用于目标TPU芯片的有效指令集。 当涉及到将TensorFlow模型迁移到支持TPU加速环境时,通常会经历如下几个阶段: - **准备阶段**:创建一个新的工作目录`model_resnet50_tf`用于存放即将被转换或测试的数据文件以及配置脚本等资源[^2]。 - **转换阶段**:采用专门开发出来的工具链(如`tpu-mlir`),按照官方指南说明完成从原始`.pb`格式或其他形式保存下来的TensorFlow模型向中间表示(Intermediate Representation, IR),即MLIR格式的转变。 - **量化与部署阶段**:执行进一步的操作比如浮点数精度调整(`F32`)或是整数量化,并最终产出可以直接加载至指定型号处理器(BM1684为例)中的二进制模型文件(.bmodel)[^5]。 为了更好地理解整个过程中涉及的具体细节和技术要点,建议深入阅读相关技术文档,特别是关于如何编写自定义OPs、调试技巧等方面的内容。此外,在实际动手实践前还应该熟悉所选版本的API接口变化情况及其最佳实践案例分享。 ```bash # 创建新目录并与现有工程保持同一级别位置 mkdir model_resnet50_tf && cd $_ # 将待测图像复制进来以便后续验证效果好坏 cp /path/to/test_image.jpg . # 使用提供的Python脚本来启动转换任务 python3 path_to_script/model_deploy.py \ --mlir ./your_model_in_mlir_format.mlir \ --processor bm1684 \ --model output_bmodel_file_path.bmodel ```
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值