Libev源码分析 -- 整体设计libev是Marc Lehmann用C写的高性能事件循环库。通过libev，可以灵活地把各种事件组织管理起来，如：时钟、io、信号等。libev在业界内也是广受好评，不少项目都采用它来做底层的事件循环。node.js也是其中之一。 学习和分析libev库，有助于理解node.js底层的工作原理，同时也可以学习和借鉴libev的设计思想。本文是最近在学习libev
我们在各类优化建议中都会看到各类专家建议我们按照深度进行排序，由近到远绘制减少overdraw，那么深度排序到底有没有收益呢，针对这个疑问我们特进行以下测试。时间紧张可以直接看结论。 结论：1. 针对不透明物件的渲染，在adreno 5xx之前的GPU上，根据深度排序是有意义的。确实可以减少overdraw；在adreno 5xx之后的GPU包括现有市面上绝大多数mali GPU和pow
转载
2024-04-28 15:53:32
203阅读
Pytorch是目前最火的深度学习框架之一，另一个是TensorFlow。不过我之前一直用到是CPU版本，几个月前买了一台3070Ti的笔记本（是的，我在40系显卡出来的时候，买了30系，这确实一言难尽），同时我也有一台M1芯片Macbook Pro，目前也支持了pytorch的GPU加速，所以我就想着，在这两个电脑上装个Pytorch，浅度学习深度学习。Apple silicon首先是M1芯片，
转载
2023-11-01 18:40:08
165阅读
mali 的framebuffer 会被自动压缩 不需要设置
read的时候直接读压缩的 不需要解压
但使用方式要用texture.sample
不能用imageload store 这会导致解压操作
Arm FrameBuffer Compression
转载
2020-02-10 17:54:00
579阅读
2评论
©网络研究院Arm 的 Mali GPU 驱动程序中的一组五个可利用漏洞在芯片制造商修补它们几个月后仍未修复，可能使数百万 Android 设备面临攻击。来自谷歌、三星、小米、Oppo 以及其他手机制造商的设备目前受到影响，正在等待修复程序到达用户手中。谷歌零项目团队发布的一份报告强调了困扰 Android 供应链的“补丁缺口”，因为固件安全更新通常需要几个月的时间才能向下游渗透到受影响的设备。原
1. 使用DS-5 Streamline定位瓶颈 DS-5 Streamline要求GPU驱动启用性能測试，在Mali GPU驱动中激活性能測试对性能影响微不足道。1.1 DS-5 Streamline简单介绍 可使用DS-5 Streamline从CPU和Mali GPU中实时收集性能计数器。然后以图形方式显示这些计数器。其主要功能例
转载
2023-12-06 17:33:12
352阅读
帧渲染管线主要3部分 1. cpu-gpu渲染管线 2. 基于tile的渲染 3. 着色器核心架构渲染管线同步API，异步执行如果强制渲染操作同步执行，那么当cpu忙于准备下一个渲染操作的状态时，gpu就会空闲。当gpu渲染时，cpu空闲。 为了减少空闲时间，我们用OpenGL ES驱动使表面上看是同步渲染的，实际上异步处理渲染和帧交换。通过异步执行，我们可以挤压一些工作，允许gpu处理渲
转载
2024-06-26 15:42:10
270阅读
本章介绍如何为 Mali GPU 优化现有的 OpenCL 代码。它包含以下小节： > 关于为优化现有代码 > 为优化现有代码的步骤 6.1 关于为 Mali GPU 优化现有 OpenCL 代码 OpenCL 是一种可移植语言，但并不总是在性能上可移植。这意味着 OpenCL 可以在不同类型的计算设备上工作，但性能无法维持。现有的 OpenCL 通
转载
2024-04-18 14:02:55
167阅读
上图有误，wayland-compositor下面是通过libdrm调用的kms接口，未给出。总览该框架以基于Wayland的Windowing system为例，描述了linux graphic系统在DRI框架下，通过两条路径（DRM和KMS），分别实现Rendering和送显两个显示步骤。1）Application（如3D game）根据用户动作，需要重绘界面，此时它会通过OpenGL|ES、
转载
2024-08-08 00:16:39
652阅读
背景在文章编译安装LitmusRT遇到的问题中，我们已经编译安装了实时操作系统LitmusRT，并且能够正常启动它。现在，我们得编译安装一下GPU加速的第三方库OpenCL或OpenACC。这里再次注意不要用虚拟机安装英伟达驱动，因为虚拟机的显卡是虚拟出来的，加载不了英伟达的ko文件。所以我使用的是实验室的ubuntu16.04 64位台式机，此台式机已经装好了英伟达驱动、cuda10.2和10.
转载
2024-05-07 13:37:56
430阅读
# PyTorch on Mali: 高性能深度学习的可能性
在当前的人工智能研究中，PyTorch已经成为深度学习的热门框架之一。与此同时，Mali作为ARM架构的一部分，在移动设备及嵌入式系统中得到了广泛的应用。在这篇文章中，我们将探讨如何在Mali GPU上利用PyTorch进行高效的深度学习，并提供一些代码示例，帮助读者理解和实现这一过程。
## 什么是Mali GPU？
Mali
1. 使用DS-5 Streamline定位瓶颈 DS-5 Streamline要求GPU驱动启用性能测试，在Mali GPU驱动中激活性能测试对性能影响微不足道。1.1 DS-5 Streamline简介 可使用DS-5 Streamline从CPU和Mali GPU中实时收集性能计数器，然后以图形方式显示这些计数器，其主要功能如下：
转载
2024-03-17 11:45:00
152阅读
移动硬件如今的进化速度实在是快得让人眼花缭乱，ARM Mali-T700系列移动GPU才刚刚宣布一年，Mali-T800系列就来了。事实上，ARM的新战略中，Mali GPU今后基本上都会每年升级一次，当然升级力度也就可想而知了。ARM CPU遍天下，GPU虽然相比于老大Imagination PowerVR系列还是差很多，但崛起速度相当惊人。2011年的出货量还只有5000万颗，2012年就增长
最近一同事（复旦的本科生，现在在公司实习）做了一些real-time soft shadow方面的研究，他实现几种常见的方法，比如在sampling时做blur、动态调整sampling的次数和范围，还有基于分析depth map的(好像叫PDSM?)等等，他自己也做出过了改进的算法。感觉这小伙还是很不错的:-) 有一次我和他讨论一些性能优化问题，他告诉他的一个动态分支较多的pixel shade
本篇介绍 shader language 的基本原理和运行流程 shader lab 初步了解
1
shader language 被定位为高级语言,如,GLSL 的全称是“High Level Shading Language”,Cg 语言的全称为“C for Graphic”,并且这两种 shader language 的语 法设计非
转载
2024-09-05 10:34:58
60阅读
Mali GPU的独有特性众所周知，Tile Based Rendering已经成为了事实上的移动平台GPU标配，不仅如此，intel的新一代集成显卡也悄悄地加上这一特性的支持。移动平台GPU御三家（Adreno，Mali，PowerVR）也在自己的解决方案里，纷纷加上了自己的私货，不仅能够优化性能，如果被标准化组织（Khronos）看上了列为下一代API的标配，又可以在市场竞争中多一份筹码。下面
转载
2024-04-25 11:01:56
36阅读
58跨平台技术应用 由各种不同需求要求，及每种跨平台技术限制，现在的项目里混合了多种跨平台框架，不同的需求要求，需求阶段采用不同的跨平台技术。
1. Hybrid web+native的混合开发，页面展示核心逻辑由于webview渲染，交互功能及扩展功能由Native扩展实现，通过JSBridge做双向通信。
从技术实现上看，具有如下的缺陷：
webview的碎片
全新的多核选择为所有市场提供最佳的GPU知识产权（IP）产品英国伦敦，2020年10月13日– Imagination Technologies宣布推出全新的IMG B系列（IMG B-Series）图形处理器（GPU），进一步扩展了其GPU知识产权（IP）产品系列。凭借其先进的多核架构，B系列可以使Imagination的客户在降低功耗的同时获得比市场上任何其他GPU IP更高的性能水平。它提供
尖端技术领域永远不存在一成不变的情况。复杂的视觉内容、不断叠加的UI层次以及4K HDR视频等新兴需求层出不穷，无一不在推动着我们不断突破主流移动设备的技术瓶颈，实现更高远的目标。正因如此，针对数字电视（DTV）和主流移动市场，Arm推出了包含两款图像处理器在内的全新Mali多媒体套件，其中一款为显示处理器，另一款为视频处理器。图形复杂性主要是GPU处理的领域，而在应对上述新兴技术的挑战时，则是视
算法流程这是我之前画的一个体现一五年DQN算法的示意图： 看这张图需要注意的一点是，整个算法是可以看做独立进行的两个过程：用价值网络去玩游戏（play）对价值网络进行更新（updata）开始编程所需要的工具：pytorchopencv-pythonsupermario environment作为使用pytorch的新手，这次踩过的最大一个坑就是，如果ndarray和torch.Tensor之间
