BUPT智能计算系统lab
以下为智能计算系统考试说明,考的挺难的,非常的痛苦😭
注意!这些只是印象里的相关内容,不是试卷的内容(而且我也没记完整),而且不同届的题目一定有所出入,本说明仅作复习时的参考。 本科虽然为开卷考,但是考试题量大,知识点多,如果不熟悉整体的知识框架而仅仅是打印大量ppt资料,是无法通过考试或者拿到高分的,请同学们好好复习。 再次强调!本科目开展时间较短,教学内容很可能快速变化,请根据你自己的学习内容复习!
填空判断各10道,考察的知识点有: CNN的形状计算(四个维度), 关于不同的指令集的内容好像有两道, 卷积层的两个重要特征(局部连接和权重共享) Faster-rcnn相对的改进之处 原地操作导致的问题 Cpu中的主要指令方式(两个) 向量Mac和标量mac的区别,在cnn中的应用 load-store结构 DLP相关知识一定重点看(最好单独整理一下,考了3,4道这个相关的) IQ队列相关知识好像有1,2道
概念题10道,考察的知识点有: CNN和RNN的梯度消失的本质区别,
LSTM的三个门,
怎么保证计算stage的先后顺序:好像是前n步输入了第n+1步才能输入,后m步输出了第m-1才能输出(具体参考ppt),
如何降低访存需求,看第六个还是第七个ppt上有
AlexNet(给你论文里的网络结构图片)为什么是两个网络(其实是一个,但是要放在两张显卡里)为什么两个网络有数据 交互
Np里的运算方法,np.arange(n)重点看看,要你画矩阵的,初始化都是用这个,然后各种处理方式,比如reshape和resize的区别(risize会用第一个元素补全数据不足的地方),反正各种初始化,处理方法都看看,tensor中的也看看(跟np差不多)
为什么分块循环可以提升速度(输入神经元的访问次数减少,放入了缓存,提升cache命中率)
三个缓存对应三种数据,为什么要这么设计
计算题: 1.一道3通道2卷积核的卷积计算,非常复杂,尽快写前面的来算(计算量实在太大了,我记得是每个通道是5*5还有padding,根本算不完,不知道后续有没有变动)
2.自定义函数的前向计算和反相传播,知道怎么反向传播即可
3.计算访存效率,BW的公式反推出,n的公式计算即可,注意单位
如果有补充可以联系我,也可以不联系我直接搞个新的 还可以参考https://github.com/LeiWang1999/AICS-Course
里面的题目有一定参考价值(比如alexnet的并行),不过这个好像不是BUPT特供