计算机组成
第一章 计算机系统概述本章知识回顾
本章总结1)计算机由哪几部分组成?以哪部分为中心?计算机由运算器、控制器、存储器、输入设备及输出设备五大部分构成，现代计算机通常把运算器和控制器集成在一个芯片上，合称中央处理器。
在微处理器面世之前，运算器和控制器分离，而且存储器的容量很小，因此设计成以运算器为中心的结构，其他部件都通过运算器完成信息的传递。随着微电子技术的发展，同时计算机需要处理、加工的信息量也与日俱增，大量IO设备的速度和CPU的速度差距悬殊，因此以运算器为中心的结构不能满足计算机发展的要求。现代计算机已发展为以存储器为中心，使 IO 操作尽可能地绕过 CPU，直接在IO设备和存储器之间完成，以提高系统的整体运行效率。
2)主频高的 CPU 一定比主频低的 CPU 快吗?为什么?
衡量CPU运算速度的指标有很多，不能以单独的某个指标来判断CPU的好坏。CPU的主频表示CPU内数字脉冲信号振荡的速度，主频和实际的运算速度存在一定的关系,但目前还没有一个确定的公式能够定量两者的数值关系，因为CPU的运算速度还要看CPU的流水线的各方面的性能指标(架构、缓存、指令集、CPU的位数、 ...
计算机网络笔记
第一章 计算机网络体系结构1.1计算机网络概述1.1.1计算机网络的概念
由若干节结点（node）和链接这些节点的链路（link）组成。结点可以是计算机、集线器、交换机、路由器等
计算机网络
主要功能：数据通信（信息共享）、资源共享
|路由器连接|
互连网（internet）
多个计算机网络通过路由器互相连接而成
计算机网络的概念
|世界上最大规模的互连网|
可使用任何通信协议
互联网（Internet）
或译为因特网。特指全世界最大的计算机网络，由各大ISP和国际机构组建
使用tcp/ip协议族作为通信规则
ISP（Internet Service Provider），互联网服务提供商
其他拓展
集线器、交换机用于链接统一网络内的不同节点；路由器用于连接不同的网络
家用路由器=路由器+交换机+其他功能
1.1.2计算机网络的组成与功能
主机，即端系统（end system）–如电脑手机物联网设备
内部安装网卡
硬件
通信设备–如集线器，交换机，路由器
|将主机数据发到网络 ...
操作系统笔记
第二章 进程与线程2.1线程的属性①线程是处理机调动的单位。
②多cpu计算机中，各个线程可占用不同的CPU
③每个线程都有一个线程ID，线程控制块(TCB)
④线程也有就绪，阻塞运行三种基本状态
⑤线程几乎不拥有任何系统资源
⑥同一进程的不同线程间共享进程的资源。
⑦由于共享内存地址空间，同一进程的线程间通信甚至无需系统干预
⑧同一进程中的线程切换不会引起进程切换
⑨与⑧相反
⑩切换同进程内的线程，系统开销很小
⑪切换进程，系统开销很小。
2.2调度三种调度的联系对比
调度方法
细节描述
数据流动方向
发生频率
状态转换
高级调度（作业调度）
按照某种规则，从后备队列中选择合适的作业将其调入内存，并为其创建进程
外存->内存（面向作业）
发生频率最低
不存在->创建态->就绪态
中级调度（内存调度）
按照某种规则，从挂起队列中选择合适的进程将数据调回内存。
外存->内存（面向进程）
中等
挂起态->就绪态（阻塞挂起）->阻塞态
低级调度（进程调度）
按照某种规则从就绪队列中选择一个进程为其分配处理机
内存->CPU
最高
就 ...
无题
自注意力机制以前的输入都是一个向量，假设输入是一组向量，数目会改变。
输入文字处理，每个句子中的词汇的数目不同，如何将一个词汇表达成一个向量。onehot
问题非常严重，词汇之间没有关系，比较不相像。
语义扩展，获得对应的向量，一个句子就是一排长度不一的向量。
声音讯号，实际上是一排不同的向量，每一帧代表一个向量。
人际关系，每一个人的相关联系可以用一个向量表示。
一个分子（药物分子）也可以用向量进行表示。一个原子就是一个向量。
输出是什么
输出每一个向量有一个label，输入几个向量输出几个label
生成式对抗网络
生成式对抗网络（GAN）传统的对应的架构，生成架构
用network当作生成器，每一次随机生成对应的z，知道对应的分布是简单的，已知的均匀分布或者是正态分布，network的输出变成复杂的范围。
这样的网络就叫做生成器。
为什么要选择分布？训练资料是不断录制的影片，影片中小精灵的位置预测。传统的网络预测会让小精灵进行分裂，同样的转角会产生两种不同的结果，两种训练资料，进行两面讨好，就会同时向左向右转。让机器的输出是有几率的为其解决方法。加上一个分布包含向左转和向右转。
当我们的任务需要一点创造性时，同样的输入，多种不同的输出。
让人们进行画图的工作会产生不同的结果，比如画一个红色的眼镜的人。
采用聊天的方法，去生成对应的图片。
这样我们就要生成式对抗网络。
GAN的基础原理淦，就是这么读。有很多种的英文字母，取名是很难的。
机器生成二次元人物的脸。
输入一个正态分布，生成一个低维的向量，会生成一个二次元人物的脸，产生一个非常高维的向量，输入不同，输出就会不同。选择一个简单的分布函数。
Discriminator输入一张图片，输出一个数字，判断一个图片是二次元人物的可能性。只是 ...
无题
Principle and Applications of Artificial IntelligenceChapter 0 Introduction to AI 2025秋ContentsPreface 引子1 What is AI?2 AI-Model：Agents-Environments& The Structure of Agents3 Applied AI (应用)4 AI Progress5 AI：SOTA—大模型时代6 Reasoning & InferenceSummaryReferencesIntroduction to AIIntroduction to AI
Preface（引子）回顾历史：10+年前我国学者的认识• 2008年，我国学者在回顾中国人工智能发展过程时写道(王飞跃等，2008)：• 人工智能的发展一直流传着各种说法，诸如• 人工智能不热门了，走下坡路了• 要被其他学科取代了• 在国外的人工智能研究都申请不到基金资助了• 这些都是毫无根据的！人工智能是一门几乎在所有方面都具有重要应用的技术4我国学者当时对于人工智能发展的观点 当前( ...
deeplearning 鱼与熊掌可以兼得
鱼与熊掌兼得（deeplearning的好处）一.两难境地在deep learning过程中，对应的参数量过多，可能会造成过拟合的现象，而相反的，参数量过少有可能获得不了比较良好的效果，这让我们进入了两难的境地。
二.piecewise linear(分段线性曲线回顾)分段线性曲线可以看作常数项加上一系列的Z形函数。
而对应的hard sigmoid的一段函数又可以有对应的两端RELU函数进行组合表示。
三.是否深度学习表现更加优异
可以看到，随着对应的深度学习的层数增加对应的语音识别的错误率也有所降低。
那么瘦高的神经网络，和矮胖的神经网络哪个更好。
若采取同样的参数量，这里两种神经网络那个更加的优秀。
如图所示，采用相同的参数量，对应的更深的神经网络的表现要明显的优于矮胖的神经网络。
甚至到最后矮胖的神经网络随着参数的增多，对应的实验效果变得不那么优秀，甚至出现了倒退的行为。
四.为什么我们需要更深的神经网络。的确一层的神经网络可以拟合出任何的函数，但是利用深度学习网络对于效果的提升更加具有效率。例如：逻辑元器件进行组合，采用更深的 组合可以减少器件的数量。在编程的过程中比 ...
CNN
CNN的主要流程①规格化图片在运行训练过程之前们需要将所有的图片scale成大小一样的对应图片，最终cross entropy越小越好，对应的误差也就越小。
模型的输入是对应的图片是一个三维矩阵，对应的前两位是对应的像素点的位置。而第三维是对应的rgb的一个3元数组，经过三维方向的拉直，形成一个可以用来训练的向量集合。
对应的机器和人都是会产生差异的，人和机器都是去寻找对应的图片中生物的特征之后就将这样的特征与人们所熟知的生物特征进行比对，形成结论，但是有可能出现错误。
例如如上的图片，无论是人还是机器都会将其识别成一个鸟类：乌鸦，但是实际上这是一只猫，一只黑猫
②分区观察自己的小范围去判断特征，这是每一个neuron所作的事情。
将对应的小范围进行拉直，作为输入，之后利用多层的运算形成最终的判断。对应的范围的属性与分布是可以根据实际情况进行灵活调整的。多个范围之间可以进行重叠，亦可以两个神经元去守备同一块的范围，非正方形的范围也是可取的。理论上对应的范围也是可以不相连的。但是实际的图像识别中很难利用的上
③最经典的设计对应的所有的channel都参与识别但是对应的小区域的范围 ...
