[4-2]Darknet项目性能优化线索攻略

a.并行计算是高性能计算的精髓

b.HPC高性能计算技术，三个类型，科学类，工程类，智算类。

科学类：主要方向是科研计算

工程类：主要方向是工业生产，自动化

智算类：主要方向是人工智能

c.高性能计算，又称超级计算

应用场景：

d.HPC和AI：

利用GPU加速的HPC和AI提高准确度：

通过先进计算精确计算,成功预测了电脑主板的散热问题!

快速诊断病人的脑部是否存在动脉血管瘤破溃的风险。

1. CFT sover：

通过CT图像对局部血管建立一个模型，得到有关血流和血压对风险评估有参考意义的数值

1. SIMNET:

通过临床诊断的大数据结合计算的数据，通过AI训练得到那些是有风险的。

e.先进计算的应用：

f.多核CPU编程技术（扩展）

多核CPU编程需要利用并行计算技术来提高程序的性能和效率。以下是一些多核CPU编程技术：

共享状态式并发：通过共享可变状态来实现并行计算。多线程可以同时访问共享内存，并对其进行读写操作，从而加速程序的执行速度。但是，由于多线程之间的竞争条件和同步问题，需要使用锁等机制来保证数据的一致性和安全性。

消息传递式并发：通过消息传递来实现并行计算。多线程之间不共享内存，而是通过消息传递来进行通信和协作。这种方式的优点是不需要使用锁等机制，可以避免竞争条件和死锁等问题，但是需要设计好消息传递的机制和算法。

数据分解模式：将需要处理的数据合理的划分成N份，由不同的线程来处理。这种方法类似于分治算法的思想，可以将大问题分解成小问题来解决，从而加速程序的执行速度。需要注意的是，要小心伪共享的问题，避免出现数据冲突和竞态条件。

任务分解模式：将相关的任务分解成一个个独立的任务，然后充分利用多CPU来实现任务的并行操作。这种方式的难点在于如何将任务分解成独立的小任务，以及如何控制小任务在CPU运行之间的负载均衡。

流水线模式：将一个任务分解成多个步骤，然后分别用不同的线程来处理，以提高处理速度。这种模式类似于生产上的流水线，可以充分利用多CPU资源来加速程序的执行速度。

g.算力：

       技术栈：

10.人物扩展：

英伟达（NVIDIA Corporation）是一家以设计显示芯片和主板芯片组为主的人工智能计算公司，由美籍华人黄仁勋（Jensen Huang）、克里斯·马拉科夫斯基和卡蒂斯·普里姆创立于1993年1月，总部位于美国加利福尼亚州圣克拉拉市。首席执行官是黄仁勋（Jensen Huang）

1. 算力的演变：超级计算机：
2. 超算平台的结构：超算工作原理：
3. 并行编程技术：

4. 计算节点：执行计算任务。

   分布式计算系统模型：

5. 一层层分开，由计算节点来完成。

6. 然后交给计算节点来处理：

7. 在一个任务子块内，会进行再次细分，并且是在同一进程空间的--共享存储式并行。

   超计算机的工作原理：

8.    分布式并行
9.    共享存储式并行