镜像文件扩容简记
最近有遇到对镜像文件（.img）进行扩容的需求，踩了一些坑，在此记录一下。背景是要在仿真器上跑一个在挂载额外disk.img的全系统测试，需要用到很大的数据。但是一开始用的磁盘镜像空间不够大，所以需要扩容然后才够放下数据。一种类似的场景是，在虚拟机上启动，挂载某个disk.img作为linux启动之后的rootfs，disk.img内有自己的分区表和文件系统。这种需求不能仅仅只扩大外部host的i
CPU的时间流逝法
在某些Benchmark或者计算Kernel的性能测试场景下，需要对绑定执行的CPU核进行锁频，以获得可以复现(reproducible)的结果，更好地实现横向对比，排除CPU频率动态调度对于性能表现的影响。当然这也只是我个人的一个猜想，对于锁频应该还有一些其他的需求，比如节能。不过在最近，我在测试的时候遇到了一个频率没能锁住的“问题”。测试服务器CPU是Intel(R) Xeon(R) Gold
一个机试小总结
前几天，在进行C++机试的时候遇到一些小问题和小技巧，在这里记录一下。getline()和cin>>ACM模式的机试需要自己从标准输入stdin读入，从标准输出stdout输出结果。在涉及到字符串读入的时候，遇到了cin>>和getline()交替的情况，但是没有符合预期的输入输出，代码如下：#include <iostream> int main() {
#pragma unroll 二三事
#pragma是程序员和编译器之间通话的重要途径，通过它可以更好地指导编译器对代码进行优化，从某种程度上说也是程序员对编译器的主权体现。#pragma unroll (n) 是能够利用编译器对循环（for、while、do）进行展开，n表示展开的程度，不加表示完全展开。这是在LLVM的框架下，在GNU下则要是#pragma GCC unroll n。具体的使用说明可以见GCC的Loop-Speci
[学习小结] Microbenchmarking Nvidia’s RTX 4090
原文：Microbenchmarking Nvidia’s RTX 4090 作者：clamchowderNVIDIA RTX4090，架构代号Ada Lovelace，采用台积电4nm技术，核心代号AD102。RTX4090除了NV官方大肆宣扬的光追性能外，拥有128个SMs(实际上AD102有144个，GA102有84个)。此文中的对比试验主要是来自OpenCL写的Microbenchmark
图神经网络的计算
图神经网络（Graph Neural Network, GNN）是一种建立在神经网络理论之上对图数据进行分析、学习的模型。其核心是图信号处理，包括对图信号的卷积滤波等等。从任务的角度，对图数据的学习可以实现：节点层面：节点标签的分类、引文网络分类、恶意账户检测；边层面：社交网络中边预测、推荐系统；图层面：对图的整体结构进行分类、表示、生成，药物分子的分类、酶的分类；本文希望对图神经网络需求的计算模
【综述学习】SpMV在GPGPU上的应用
FILIPPONE S, CARDELLINI V, BARBIERI D, 等. Sparse Matrix-Vector Multiplication on GPGPUs[J/OL]. ACM Transactions on Mathematical Software, 2017, 43(4): 1-49. DOI:10.1145/3017994.本篇文章为2017年的工作，主要讨论SpMV在
AMD AVX2测试记录
本文记录在尝试测试AMD上某个AVX2 benchmark过程中遇到的问题和一些值得吐槽的点。跑这个测试的一个主要的目标是，将支持AVX512的kernel降级成支持AVX2的，然后在AMD平台上测试性能。Intel Intrinsics AVX是Intel设计并推行的多媒体SIMD指令集，同时提供了一系列内建函数可以供给高级语言（C/C++）使用。这