随笔知识小记录(一)

  1. 阶乘问题
    (1) 正常求解,但是存在溢出问题
#include <iostream>
#include<stdio.h>
using namespace std;

int main()
{
   int n,s,sum;
   scanf("%d",&n);
   for(int i=0;i<=n;i++){
    int a=1;
    for(int j=1;j<=i;j++){
        a*=j;
    }
    sum +=a;
   }
   printf("%d",sum%1000000);
    return 0;
}

在这里插入图片描述
(2) 中间过程引入取余运算(要计算只包含加法、减法、乘法的整数表达式除以正整数n的余数,可以在每一步计算时对n取余,结果不变),同时计算时间,会快很多。
同时这个程序结束之前调用此函数(clock()),便可获得整个程序的运行时间,除以CLOCKS_PER_SEC获得“秒”为单位

#include <iostream>
#include<stdio.h>
#include<time.h>
using namespace std;

int main()
{
    const int MOD=1000000;//引入
    int n,s=0;
    scanf("%d",&n);
    for(int i=1;i<=n;i++){
        int a = 1;
        for(int j=1;j<=i;j++){
            a=(a*j)%MOD;
        }
        s=(s+a)%MOD;
    }
    printf("%d\n",s);
    printf("Time used=%.2f\n",(double)clock()/CLOCKS_PER_SEC);
    return 0;
}

在这里插入图片描述

(3)同时对于这道题来看当i>25之后的项都不会影响结果所以应加上if(i>25)break;便可解决时间和溢出的问题:

#include <iostream>
#include<stdio.h>
#include<time.h>
using namespace std;

int main()
{
    const int MOD=1000000;
    int n,s=0;
    scanf("%d",&n);
    for(int i=1;i<=n;i++){
        int a = 1;
        if(i<=25)
        {for(int j=1;j<=i;j++){
            a=(a*j)%MOD;
        }
        s=(s+a)%MOD;}
        else {
            break;
        }
    }
    printf("%d\n",s);
    printf("Time used=%.2f\n",(double)clock()/CLOCKS_PER_SEC);
    return 0;
}

在这里插入图片描述

内容概要:本文详细比较了GPU、TPU专用AI芯片在大模型推理优化方面的性能、成本及适用场景。GPU以其强大的并行计算能力和高带宽显存,适用于多种类型的神经网络模型和计算任务,尤其适合快速原型开发和边缘计算设备。TPU专为机器学习设计,擅长处理大规模矩阵运算密集型任务,如Transformer模型的推理,具有高吞吐量和低延迟特性,适用于自然语言处理和大规模数据中心的推理任务。专用AI芯片通过高度定制化架构,针对特定神经网络模型进行优化,如卷积神经网络(CNN),在处理特定任务时表现出色,同时具备低功耗和高能效比的优势,适用于边缘计算设备。文章还介绍了各自的优化工具和框架,如CUDA、TensorRT、TPU编译器等,并从硬件成本、运营成本和开发成本三个角度进行了成本对比。 适合人群:从事人工智能、深度学习领域的研究人员和技术人员,尤其是对大模型推理优化感兴趣的读者。 使用场景及目标:①帮助读者理解GPU、TPU和专用AI芯片在大模型推理中的优缺点;②为选择适合的硬件平台提供参考依据,以实现最优的推理性能和成本效益;③介绍各种优化工具和框架,帮助开发者高效部署和优化模型。 其他说明:本文不仅涵盖了硬件架构特性,还深入探讨了优化技术和应用场景,旨在为读者提供全面的技术参考。在选择硬件平台时,需综合考虑具体任务需求、预算限制及开发资源等因素。
评论
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