文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

【高阶数据结构】秘法（一）——并查集：探索如何高效地管理集合

前言： 前面我们已经学习了简单的数据结构，包括栈与队列、二叉树、红黑树等等，今天我们继续数据结构的学习，但是难度上会逐渐增大，在高阶数据结构中我们要学习的重点是图等 一、并查集的原理 在某些情况下，...-切割数据结构，是一种用于管理集合的高效数据结构。...它特别适用于处理“动态连接”的问题，即动态地合并集合或查询两个元素是否属于同一个集合。...二、并查集的基本操作 并查集主要支持以下三种基本操作： 查找（Find）：确定一个元素属于哪个集合。 合并（Union）：将两个集合合并为一个集合。..."YES" : "NO") << std::endl; } return 0; } 六、总结 并查集的高效性在于其优化策略，使得查找和合并操作的时间复杂度保持在较低的水平，从而在处理大规模数据集时依然表现出色

6910

【图形学】Vulkan Tutorial 学习笔记

debug操作, 同时在发布版关闭它 Vulkan的Pipeline阶段和Dx11的标准管线是一样的 Vulkan的着色器都采用了编译后的二进制形式, 这是为了避开不同驱动厂商对高级着色器语言的编译适配问题...为了方便Vulkan同样有运行时自动编译的操作可以使用 Vulkan的着色器坐标采用了和Dx一样的左上角为原点的设计 Vulkan的种种对象 如何正确的入门Vulkan？...我们都只能假定指令在GPU中以即时执行的状态发送给流水线, 一旦流水线后面的部分依赖于前面的部分就会引起一次卡顿, 后面的部分需要等待前面的部分完成后再执行 Vulkan通过将这种数据依赖问题拆解出来来达到优化..., 当GPU某个单元执行完此Subpass后, 其将数据写入对应的Attachment, 然后无需跟以前一样在那里等待其他内容的计算, 而是可以由编译优化自动切换到其他指令的计算上, 直到此依赖的数据都准备好后再回到节点上继续执行...之间信息交互的中介, 作为CPU端的缓冲 Map-memcpy-Unmap, 从而将顶点数组中的数据复制到stagingBuffer 再创建一个用于GPU的顶点缓冲区, CopyBuffer进行数据复制

1.6K30
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    【知识】详细介绍 CUDA Samples 示例工程

    它展示了如何在运行时链接到 CUDA 驱动程序以及如何使用 PTX 代码进行 JIT（即时）编译。它是为了清晰地说明各种 CUDA 编程原则，而不是为了提供最通用的高性能矩阵乘法内核。...这一部分的示例展示了如何查询设备的能力以及如何测量 GPU 和 CPU 之间的带宽。这些实用工具对于了解硬件性能和优化数据传输非常有用。...该示例还使用了 CUDA 管道接口提供的异步复制，将全局内存数据复制到共享内存，从而提高内核性能并减少寄存器压力。...bicubicTexture 此示例展示了如何使用 CUDA 纹理高效地实现双三次 B 样条插值滤波器。...convolutionFFT2D 这个示例展示了如何使用 FFT 变换高效地实现具有非常大核尺寸的 2D 卷积。

    85410

    兼容并蓄——MNN异构计算设计与实践

    最常用的就是CPU，通用处理器，它需要什么都能做，需要兼顾控制、计算与缓存。...近些年来随着摩尔定律的失效，CPU的算力提升渐渐接近瓶颈，而GPU则由于更高的画质方面的需求，厂商们把它做得越来越强。...最简单的异构计算设计是直接在算子层别引入加速，将算子的输入复制到执行端所需的内存上，异构计算完成后再复制回来，这样做会有较多的内存拷贝的损耗，移动端上一般会抵消异构计算本身的收益。...通过这样的接口设计，我们尽可能地降低了各种硬件的适配成本，并且由于我们分离了资源准备和执行计算的过程，为后续将非计算的损耗降为一次性的工作奠定了基础。...在接口层面，我们一方面会做流程方面的优化，将数据前后处理与MNN中的异构计算结合，提升整体性能；另一方面，会研发自动调度能力，做到上游开发对硬件无感知。

    1.2K30

    深度学习落地移动端——Q音探歌实践(一)

    尽管所有的训练都还在专门的数据中心进行，但是越来越多的人将深度学习推断，过渡到边缘，过渡到手机端执行。虽然相比于训练计算，推断计算所需的算力更低，这为在能耗限制更严格的移动端进行推断提供了可行性。...所有计算都必须在片段着色器(Fragment Shader)内进行，而一个片段着色器只能输出16位数据。因此，多通道卷积或矩阵乘法将需要多次读取相同的输入。...它提供与OpenGL ES 3.1类似的功能，同时具有一些减少内存开销的新API。展望未来，Vulkan是一个很有前途的GPGPU API。...36％的Android设备搭载了Vulkan，根据google的数据，2019年大约有73%的设备支持Android 7 以上的版本(并不代表都可以运行vulkan), 根据我们在优测平台的统计数据，大约有...很多框架开始采用vulkan来实现神经网络算法，也有一些框架选择去兼容比较复杂的情况，例如像Caffe2，它甚至会针对Nivida的CUDA平台去做适配工作。

    1.7K20

    MLC LLM - 手机上的大模型

    MLC LLM 是一种通用解决方案，它允许将任何语言模型本地部署在各种硬件后端和本地应用程序上，此外还提供了一个高效的框架，供每个人根据自己的用例进一步优化模型性能。...此外，我们通过扩展 TVM 后端不断扩展 LLM 加速，使模型编译更加透明和高效。2、MLC 如何实现通用原生部署？...动态形状：我们将语言模型烘焙为具有原生动态形状支持的 TVM IRModule，避免了对最大长度进行额外填充的需要，并减少了计算量和内存使用量。...MLC 还通过 LLVM 支持各种 CPU 目标，包括 ARM 和 x86。...我们严重依赖开源生态系统，更具体地说，TVM Unity，这是 TVM 项目中令人兴奋的最新开发，它支持 python 优先的交互式 MLC 开发体验，使我们能够轻松地在 Python 中编写新的优化，

    55430

    【建议收藏】30 分钟入门 Vulkan (中文翻译版)

    一些类型的内存可以被CPU访问，一些不可以。一些类型可以在GPU和CPU间保持数据一致性、一些类型可以被CPU缓存使用等等。可以通过查询物理设备获取这些信息。...继续考虑之前的类比，我们可以将管线看作一个函数，它具有多个结构体参数。...创建管线时，它的每个参数的类型被确定(VkDescriptorSetLayout)，进行数据绑定时我们将实例(VkDescriptorSet)传递给管线。...Vulkan没有对使用的资源进行引用计数，我们需要自己保证在不再使用资源时释放它。 Vulkan提供了VkEvent、VkSemaphore和VkFence用于CPU-GPU和GPU-GPU同步。...但使用UNDEFINED作为之前的图像布局也是常见的，它表明我们不需要之前的图像数据，只需要将图像变换为需要的新布局。 渲染流程 Vulkan使用VkRenderpass来显式地定义渲染操作流程。

    7K20

    陈天奇等人新作引爆AI界：手机原生跑大模型，算力不是问题了

    「我把大语言模型下到我的 iPhone 上，它神奇地跑起来了！」 五一假期还没过半，大模型领域的技术就已经发展到了这种程度。 对于陈天奇等人开源的新技术，大家一致的评论是「Amazing」。...在社交网络上人们纷纷点赞，表示 MLC-LLM 让我领教了低精度跑 AI 的可怕程度： 也有人晒出了自己的使用体验，iPhone 飞行模式本地跑大语言模型： 简单来说，MLC LLM 是一种通用解决方案，它允许将任何语言模型本地部署在各种硬件后端和本地应用程序上...此外，MLC LLM 还提供了一个高效的框架，供使用者根据需求进一步优化模型性能。...Dynamic shape：该研究将语言模型烘焙（bake）为具有原生 Dynamic shape 支持的 TVM IRModule，避免了对最大输入长度进行额外填充的需要，并减少了计算量和内存使用量。...此外，MLC 还为 CUDA、Vulkan 和 Metal 生成了 GPU shader，并通过 LLVM 支持多种 CPU，包括 ARM 和 x86。

    34310

    为什么电脑配置高，玩《黑神话：悟空》需要等待这么久

    在这之前，先说下 GPU、CPU：CPU 有着比较少的计算核心，但每个核心能干的事情比较多；而 GPU 虽然每个核心能干得不多，可它数量多。...市面上有不同硬件厂商生产的不同显卡，首先游戏开发者与硬件厂商约定了一些标准/规范（OpenGL、Vulkan、DX 等），硬件厂商基于这些规范去实现相应硬件功能，游戏开发者根据这些规范编写代码，而编译过程则是将这些代码变为显卡所能理解的二进制文件...现代的一些图形接口，如 Metal、Vulkan、DX12，允许编译得到中间格式的结果（比如 Metal IR、SPIR-V 等），一些引擎会选择将这些中间格式结果打入安装包中，但仍然避免不了在首次加载时编译得到最终产物...以上也就是游戏在启动时编译着色器的过程，通常在首次加载游戏时需要对着色器进行编译，一些规范允许对编译产物进行缓存，之后能够更加快速地进入游戏。...笔者对着色器编译的理解也非常肤浅，编译的一些底层细节以及如何跨平台进行编译，也留给我去慢慢学习，如有不对还请批评指教。

    15510

    轻量级深度学习端侧推理引擎 MNN，阿里开源！

    MNN背后的技术框架如何设计？未来有哪些规划？今天一起来深入了解。 ---- 1、MNN是什么？ ?...CPU 和 GPU，可以动态导入 GPU Op 插件，替代 CPU Op 的实现； 轻量性： 针对端侧设备特点深度定制和裁剪，无任何依赖，可以方便地部署到移动设备和各种嵌入式设备中； iOS 平台上，armv7...，常用模型上快于苹果原生的 CoreML； Android 上提供了 OpenCL、Vulkan、OpenGL 三套方案，尽可能多地满足设备需求，针对主流 GPU（Adreno和Mali）做了深度调优；...，方便提取数据或者控制运行走向； 支持运行网络模型中的部分路径，或者指定 CPU 和 GPU 间并行运行； 3、MNN核心介绍 3.1 模块设计 ?...端智能即在端侧部署运行 AI 算法，相比服务端智能，端智能具有低延时、兼顾数据隐私、节省云端资源等优势。目前端智能正逐渐变为趋势，从业界来看，它已经在 AI 摄像、视觉特效等场景发挥了巨大价值。

    7K40

    《Life of a Pixel》——浏览器渲染流程概要

    我将其演讲内容分为以下三个部分，第一个是静态渲染过程，讲述一个完整的从 content 到 pixel 的渲染过程；第二个是动态更新过程，讲述浏览器如何高效更新页面内容。 概览 ?...所以为了解决复杂性的问题，layout 阶段浏览器首先会生成一个和 DOM 树节点大致一一对应的 layout 树，然后遍历该树，将经过计算后得出的位置布局数据填入节点。...在未来演进上，栅格化处理将转移至 GPU 进程中进行，以提升性能。同时 Vulkan 也会被支持。...一个完整的渲染过程是很昂贵的，如何高效更新也是讨论的重点。 动态更新过程 ? 首先明确一个概念，帧。...这里为了实现可以一边可以执行前一个提交的图块绘制任务，一边继续等待新的任务，合成线程还做了一些优化，实现了一个 pending layer tree。

    1.6K20

    Android 11 --Use ANGLE for OpenGL ES

    Android 11，ANGLE APK将包含一个配置文件，以按应用启用ANGLE。...同时，从Android 11开始，您可以使用ANGLE运行非核心应用程序以评估性能并确定特定应用程序是否应使用ANGLE。该评估和选择加入选项使开发人员可以逐渐转向ANGLE。...OpenGL ES vs Vulkan 在移动领域，传统API的硬件程序模型已不再很好匹配硬件，而且CPU往多核发展后，传统API不能有效利用多核优势。...CPU占用率 如同OpenGL，Vulkan针对实时3D程序（如电子游戏）设计，计划提供高性能和低CPU管理负担（overhead）。...Vulkan是OpenGL与OpenGL ES的继任者，并且更加高效。ARM日前便公布了一段视频对比了Vulkan API 与OpenGL ES API 在CPU占用率及能效上优劣。

    2.5K10

    MLC LLM——本地应用程序上原生部署任何语言模型

    前言 在AI浪潮风起云涌的当下，AI正在不断地重塑着每一个行业。在各大厂先后争先恐后地推出一系列大模型的同时，也不断出现了很多开源的大模型。...由于OpenCL支持有限，它尚不能在Google Pixel上运行。我们将继续提供支持，并欢迎开源社区的贡献。您还可以查看我们的GitHub存储库，以从源代码构建Android应用程序。...此外，我们通过扩展TVM后端来不断扩大LLM的加速范围，使得模型编译更加透明高效。 MLC如何实现通用本地部署？ 我们解决方案的基石是机器学习编译（MLC），通过它我们能够高效地部署AI模型。...MLC还通过LLVM支持包括ARM和x86在内的各种CPU目标。...我们在很大程度上依赖于开源生态系统，尤其是TVM Unity，这是TVM项目中令人兴奋的最新发展，它实现了以Python为先的交互式MLC开发体验，让我们可以轻松地组合新的优化策略，逐步将我们的应用程序带入感兴趣的环境中

    2.7K30

    贾扬清推荐：阿里开源轻量级深度学习框架 MNN，侧重推理加速和优化

    AI科学家贾扬清如此评价道： “与 Tensorflow、Caffe2 等同时覆盖训练和推理的通用框架相比，MNN 更注重在推理时的加速和优化，解决在模型部署的阶段的效率问题，从而在移动端更高效地实现模型背后的业务...CPU 和 GPU，可以动态导入 GPU Op 插件，替代 CPU Op 的实现； 轻量性： 针对端侧设备特点深度定制和裁剪，无任何依赖，可以方便地部署到移动设备和各种嵌入式设备中； iOS 平台上，...，常用模型上快于苹果原生的 CoreML； Android 上提供了 OpenCL、Vulkan、OpenGL 三套方案，尽可能多地满足设备需求，针对主流 GPU（Adreno 和 Mali）做了深度调优...，方便提取数据或者控制运行走向； 支持运行网络模型中的部分路径，或者指定 CPU 和 GPU 间并行运行； 3、MNN 核心介绍 3.1 模块设计 ?...端智能即在端侧部署运行 AI 算法，相比服务端智能，端智能具有低延时、兼顾数据隐私、节省云端资源等优势。目前端智能正逐渐变为趋势，从业界来看，它已经在 AI 摄像、视觉特效等场景发挥了巨大价值。

    3.1K30

    什么是 Vulkan

    就像OpenGL，Vulkan针对实时3D程序（如电子游戏）设计，Vulkan并计划提供高性能和低CPU管理负担（overhead），这也是Direct3D12和 AMD 的 Mantle 的目标。...Vulkan兼容 Mantle 的一个分支，并使用了 Mantle 的一些组件。 Vulkan 简介 Vulkan是一个用于图形和计算设备的编程接口。...Vulkan解决这个问题的方式是，将状态跟踪、同步和内存管理交给了应用程序开发人员，同时将正确性检查交给各个层进行代理，而要想使用这些层必须手动启用。这些层在正常情况下不会在应用程序里执行。...功能可以粗略地划分为几类。...Vulkan的当前版本定义了传输类别——用于复制数据；计算类别——用于运行着色器进行计算工作；图形类别——包括光栅化、图元装配、混合、深度和模板测试，以及图形程序员所熟悉的其他功能。

    4.2K30

    谷歌正式发布WebGPU！90多位贡献者研发6年，浏览器终于可以利用底层硬件了

    “Web 图形的新曙光” WebGPU 是一种新型 Web API，能够公开现代硬件功能并允许在 GPU 上执行渲染与计算操作，功能定位类似于 Direct3D 12、Metal 和 Vulkan。...（Vulkan 实际上应该有两个 API：一个用于桌面 GPU，一个用于移动 GPU——这些新扩展正在将 Vulkan 分成两个或多或少分别独立的 API，一个对于移动 GPU 来说很糟糕，另一个相当不错...它必须在同一代码库的桌面和移动设备上同样出色地工作（移动设备实际上比桌面设备重要得多）。”flohofwoe 表示。...如果使用 WebGL 进行绘制的话，可以看到，使用 2070 显卡只能跑到 21FPS，而且每一帧的 CPU 时间需要 44 毫秒，但是同样用 WebGPU 来处理，可以跑到 123 帧，每一帧的 CPU...35465729 今日好文推荐 新手用ChatGPT仅需数小时轻松构建零日漏洞，69家专业公司都检测不出来：“不仅能调用开源库，还能彻底重写源代码” 揭秘 ChatGPT 背后的技术栈：OpenAI 如何将

    1.2K30

    打破WiredTiger的Logjam（上篇）：预写式日志（The Write-Ahead Log）

    下篇将重点介绍我们如何消除瓶颈。我将分析它发生的根本原因并描述支持我们解决方案的关键，并详细介绍新算法以及它是怎么反映出我们所遇到的新条件。...所以现在，它只是在等待并监视slot_state，等待其关闭的指示。 如果一个线程获得的偏移量为零，那么它就会成为leader线程。leader线程不会坐等slot关闭，相反它会去关闭slot。...完成任务后，它们通过原子地将记录大小添加到slot_state来释放slot，该值现在是一个负数，它指代剩余的要复制到缓冲区的总字节数。...对于那些等待将记录复制到缓冲区的线程来说，核的可用性是很重要的，因为它们必须忙等待（busy-wait）slot_state更改，而这会消耗CPU周期。...负责管理slot_state和slot池的线程应该是优先级最高的，但是所有加入slot并等待slot_state更改的线程已经使CPU不堪重负。

    1K30

    UE4UE5的RHI(Vulkan为例)

    UE5的RHI里也像Vulkan一样，把顶点或索引Buffer这样的说法废弃了，他们本质上都是一维数据，所以也用统一个类型表示就足够了。...Sampler：采样器，就是个数据的壳，也是告诉Vulkan具体怎么解读数据的。但和ImageView不一样，他不需要绑定到Image上。...因为牵扯到内存和显存的交互，为了保证访问安全，以及拿到设备上的数据，所以CPU在写这部分数据时需要先调用lock，写完后调用unlock，具体Lock/UnLock做了什么，后面RHIResource部分有说...有一点特别要注意的，这里虽然写成了Execute，但其实这里只是CPU把命令提交给GPU，真正是由GPU执行的，所以这里在准备一些数据的时候，我们感觉因为线程安全问题，资源是多个线程不能同时访问的，但其实不一定...而如果是写，Lock的时候创建个空的StagingBuffer，在UnLock的时候，把StagingBuffer内容复制到实际的Buffer上： 除了Buffer外，贴图也是类似的做法： 资源本身需要内存

    5.4K40
    点击加载更多

    扫码

    添加站长 进交流群

    领取专属 10元无门槛券

    手把手带您无忧上云

    扫码加入开发者社群

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

      领券