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
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent