人工智能编程

C/C++

• 《30天自制操作系统》
  • 保护模式
  • IPL，BIOS
  • 汇编和C
  • GDT IDT
  • 中断处理
  • 中断
  • 鼠标
  • 内存管理
  • 内存管理和叠加处理
  • 定时器
  • 计时器
  • MAC环境搭建
  • Mac环境搭建
  • MAC下的工具
  • FIFO
  • 高分辨率
  • 多任务I
  • 多任务II
  • 一个半成品

Python

爬虫

• 1.0 Introduction
• 2.0 分析目标网站
• 3.0 三只虫
• 3.1 HTTP协议（一）
• 3.2 HTTP协议（二）
• 3.3 数据抓取

GPU编程（CUDA）

• 0.0 腾讯云CUDA环境搭建
• 1.0 并行计算与计算机架构
• 1.1 异构计算与CUDA
• 2.0 CUDA编程模型概述(一)
• 2.1 CUDA编程模型概述(二)
• 2.2 给核函数计时
• 2.3 组织并行线程
• 2.4 设备信息查询
• 3.1 CUDA执行模型概述
• 3.2 理解线程束执行的本质（Part I）
• 3.2 理解线程束执行的本质（Part II）
• 3.3 并行性表现
• 3.4 避免分支分化
• 3.5 循环展开
• 3.6 动态并行
• 4.0 全局内存
• 4.1 内存模型概述
• 4.2 内存管理
• 4.3 内存访问模式
• 4.4 核函数可达到的带宽
• 4.5 使用统一内存的向量加法
• 5.0 共享内存和常量内存
• 5.1 CUDA共享内存概述
• 5.2 共享内存的数据布局
• 5.3 减少全局内存访问
• 5.4 合并的全局内存访问
• 5.5 常量内存
• 5.6 线程束洗牌指令
• 6.0 流和并发
• 6.1 流和事件概述
• 6.2 并发内核执行
• 6.3 重叠内核执行和数据传输
• 6.4 重叠GPU和CPU的执行
• 6.5 流回调

框架

• OpenCV

  • OpenCV矩阵计算分析

• TensorFlow .etc

设计实现框架

• PineNut