如何制作手机网页并优化大型网站的用户体验?

手机网页怎么做出来的,大型网站的优化方法,做网站后端语言用什么,免费推广有哪些0. 前言 按照国际惯例#xff0c;首先声明#xff1a;本文只是我自己学习的理解#xff0c;虽然参考了他人的宝贵见解#xff0c;但是内容可能存在不准确的地方。如果发现文中错误#xff0c;希望批评指正#xff0c;共同进步。 本文关键词#xff1a;GPU、深度学习、GP…0. 前言 按照国际惯例首先声明本文只是我自己学习的理解虽然参考了他人的宝贵见解但是内容可能存在不准确的地方。如果发现文中错误希望批评指正共同进步。 本文关键词GPU、深度学习、GPGPU、渲染、Brook语言、流计算、硬件TL、CUDA、PyTorch、TOPS、TPU、NPU 深度学习理论的发展是一个渐进的过程从1940年代人工神经元网络的提出到1970~1980年代的反向传播的提出及兴起再到2006年后深度学习的崛起这个过程经历了多个阶段。早期的深度学习理论受限于硬件性能无法进行大规模的数据训练网络也不能做的太深。近年来随着硬件性能的不断提升尤其是图形处理器GPU的发展深度学习理论乃至整个AI领域开始得以快速发展及广泛应用。 你在最初接触深度学习时是否有以下疑问 显卡不是用来处理计算机图像的吗怎么和深度学习扯上了关系GPU为什么就比CPU处理深度学习训练过程更快为什么我的电脑明明有显卡确不能使用显卡进行深度学习的训练加速 以上疑问促使了本文的创作但是经历大量资料查阅后我发现要讲清楚这些问题涉及了很多领域的专业理论而我本人也非这些方面的专家所以只能以科普的方式带大家以及我自己一瞥这个深奥且广阔的领域。 1. 从显卡的诞生说起 1981年在IBM推出的计算机IBM 5150中搭载了世界上的首个“独立显卡”——CGAColor Graphics Adapter彩色图形适配器。CGA两种常用的图形显示模式320×200分辨率4色和640×200分辨率2色我们熟知的Pac-Man吃豆人游戏运行在CGA上的效果如下 在80~90年代IBM又相继推出了EGA (Enhanced Graphics Adapter)和VGA (Video Graphics Array)这些“显卡”可以支持更高的分辨率及更多的显示颜色。 但是无论CGA、EGA还是VGA这些“显卡”本身并不具有计算能力仅仅是将CPU计算生成的图形翻译成显示设备能识别的信号来进行显示。“显卡”完全根据CPU的指令进行相应的操作然后将结果返回给CPU纯纯是CPU的打工仔。所以这个阶段的“显卡”严格意义上来说也不能叫“显卡”叫“图形适配器”或者“图像加速卡”更合适。 2. GPU粉墨登场 随着对图像显示要求越来越高尤其是3D图像显示越来越普及仅靠CPU已经不能达到越来越复杂的图像处理要求因此需要一块真正有算力的芯片——显卡来单独处理图像。显卡在90年代经历了混战的局面当时几十家做显卡的公司各有个的开发标准各家的兼容性也非常差。这段时期的显卡典型代表是3dfx公司的Voodoo显卡。 显示标准与硬件驱动兼容多么重要啊还记得小时候下载完盗版游戏眼巴巴等着下载完了安装完了但是不能玩 真正具有划时代意义的产品是NVIDIA英伟达在1999年9月推出的GeForce 256被称为——世界上首个GPU不仅搭载了硬件TL引擎TransformingLightingTL的最大功能是处理图形的整体角度旋转以及光源阴影等三维效果。也支持微软的Direct 3D显示。从此NVIDIA也就开始了在GPU领域的领导之路。 NVIDIA这个名字起源于罗马神话的Invidia在拉丁文中Invidia有忌妒与目不转睛之意和恶意及“邪恶之眼”有相对应的关系所以英伟达的logo也就是一只眼睛。 但是由于INVIDIA这个名字已经被注册英伟达选择了去掉最开始的“I”注册了NVIDIA这个名字但是在其中文名“英伟达”中保留了“I”的发音。 随着3D图像领域尤其是游戏领域的蓬勃发展推动了各大厂商快速迭代GPU的性能GPU从昔日CPU的打工仔逐渐开始与CPU平起平坐。GPU在有了自己的算力后也承担越来越多的工作任务。 3. 渲染——让计算机图像更逼真 首先我们看一下2021年发布的《极限竞速地平线5》游戏画质 没错上面这个图片并非实拍而是游戏中的画面而游戏画面能从吃豆人进化到地平线5要归功于——渲染。而要达到计算机生成的图像能有以假乱真的效果靠CPU是无法完成的CPU硬件设计原理就不适合渲染计算这个后面会讲于是这个任务就由最初的完全由CPU负责逐步完全转移给GPU。