- 综合排序
- 最热优先
- 最新优先
- 来自专栏亿源通科技HYC
高速收发模块并行光学MT组件
平行光学又叫并行光学，是英文“Parallel”的翻译。 什么是并行光学技术？并行光学技术是一种特殊的光通信技术，在链路两端发射并接收信号，通常采用并行光学收发光模块来实现两端的高速信号传输。 在并行光学的信号传输中，链路两端的并行光模块中含有多个发射器和接收器，采用多条光纤，信号通过多条路径传输和接收，并行传输利用可支持每秒 40 至 100 Gigabit 数据速率的多个通道。 在当前100G以及以下速率的数据中心，短距离多模光模块使用的更多是多模并行技术。 1.jpg 并行光学模块更加依赖于光学器件的高密度集成化和封装的小型化，来使得所产生的热量大大少于多个分立器件。 2.jpg MT-2×Mini MT 由于一些光模块内部结构紧凑，连接空间较小，常规的MT插芯体积无法满足插入收发器内。
1.2K10编辑于 2022-03-23 - 来自专栏亿源通科技HYC
高速光模块中的并行光学和WDM波分光学技术
光模块提升带宽的方法有两种：1）提高每个通道的比特速率，如直接提升波特率，或者保持波特率不变，使用复杂的调制解调方式（如PAM4）；2）增加通道数，如提升并行光纤数量，或采用波分复用（CWDM、LWDM 按照传输模式，光模块可分为并行和波分两种类型，其中并行方案主要应用在中短距传输场景中成本优势较为明显；而在长距离传输场景中，WDM波分方案的应用可明显地节约光纤成本。 并行光学传输在并行光学 (Parallel optics) 的信号传输中，链路两端的并行光模块中含有多个发射器和接收器，采用多条光纤，信号通过多条路径传输和接收，典型的光模块类型包括SR4，SR8，PSM4 MT（MPO）插芯和光纤阵列FA多通道微型连接组件是支持并行光互连的关键部件，用于模块外部光接口连接与模块内部光学耦合，能够集成到光模块板上。 不同类型的光模块或者每家生产厂商的光模块内部结构都不同，因此MT-FA、MT-MT等微连接组件都是高度定制化产品，也会有各种不同的产品形态，如MT-FA、MT-2×Mini MT、MT- FA+隔离器、
1K10编辑于 2025-01-25 - 来自专栏亿源通科技HYC
应用于高速收发模块的并行光学&WDM波分光学技术
光模块提升带宽的方法有两种：1）提高每个通道的比特速率，如直接提升波特率，或者保持波特率不变，使用复杂的调制解调方式（如PAM4）；2）增加通道数，如提升并行光纤数量，或采用波分复用（CWDM、DWDM 在数据中心光模块就产生了两种传输方案—并行和波分。在当前100G以及以下速率的数据中心，短距离光模块使用的更多是并行技术。图片什么是并行光学技术? 并行光学技术是一种特殊的光通信技术，在链路两端发射并接收信号，通常采用并行光学收发光模块来实现两端的高速信号传输。 传统的光纤收发模块无法满足日益增长的高速传输需求，而并行光学技术可以成为 4×50G，8×50Gbps传输的经济高效的解决方案。 在并行光学的信号传输中，链路两端的并行光模块中含有多个发射器和接收器，采用多条光纤，信号通过多条路径传输和接收，并行传输利用可支持每秒 10 至 100 Gigabit 数据速率的多个通道。
2.5K30编辑于 2022-12-19 - 来自专栏睐芯科技LightSense
成像光学、非成像光学和光学拓展量简介
成像光学成像光学是传统几何光学的核心内容，成像光学系统包括三个部分：物体、透镜和像。 成像光学的根本任务是利用成像系统实现不失真或尽可能少失真的信息变换或传输。光学成像主要分为三类：小孔成像、镜面成像和透镜成像。 2. 配光系统配光系统的任务有两个：一是将来自光源的光线投射到目标区域形成指定的光强分布； 二是在完成第一个任务的前提下实现尽可能高的效率。 非成像光学理论1 光展理论光展（光学扩展量）来自法语单词etendue 是几何光学系统中的一个重要光学属性，用来刻画光学系统的通光能力。 对于理想光学系统光展是一个守恒量， 而对于非理想系统光展只增不减，正是光展守恒为非成像光学设计带来了方便。2 .
1.2K10编辑于 2024-07-24 - 来自专栏睐芯科技LightSense
光学玻璃之光学特性
(1)折射率每个牌号的光学玻璃均按下表所列的光谱线给出折射率，所记载的折射率依据(4)项的色散曲线方程式计算得出。 (3)特殊色散性一般光学玻璃的绝大部分，部分色散比和阿贝数之间存在如下线性关系，这样的硝材被称为正常部分色散玻璃，与此相反，如果在领域图上偏离这条直线的玻璃被称为特殊部分色散玻璃，特殊色散性的大小以“正常玻璃 ”K7和F2之间的连线作为基准，和这条连线的偏差值用部分色散比(Δ Px,y)来表示 。 n(λ)^2=A0+A1*λ^2+A2*λ^4+A3*λ^-2+A4*λ^-4+A5*λ^-6+A6*λ^-8+A7*λ^-10+A8*λ^-12以下A0~ A8 是依据玻璃的牌号所定的定数,对每种玻璃进行精密测试所得到的折射率使用最小二乘法计算得出 (n^2-1)/(n^2+2)=p1λ^2/(λ^2-Q1)+p2λ^2/(λ^2-Q2)+p3λ^2/(λ^2-Q3)对以上的两个色散曲线方程式存在偏差有标识请参考。
84610编辑于 2024-07-24 - 来自专栏计算摄影学
手机中的计算摄影2-光学变焦
今天这一篇我来谈谈“光学变焦”，其实这是一个容易误导人的功能名字。因为在传统上，变焦是通过操作相机镜头上的变焦环来完成的，而在绝大多数手机上显然无法承载这么复杂的机械机构。 因此手机上的光学变焦，通常是通过在不同焦距的相机之间切换来达成的。 而今天所谈的手机上的“光学变焦”，则是在一系列计算摄影算法支撑下的极力模仿传统相机的平滑变焦，如下面的动图所示。 就像下面视频所示： 这里面将会用到略微复杂的颜色空间的映射和查找表的构建，从而准确的对输入图像的质量进行变换： 以上只是粗略的介绍了SAT功能核心的要点，然而在工程中还有很多细节的问题要处理，例如： 如何处理光学防抖系统工作情况下相机位置的额外变换 图中手机机身图像来自小米、华为、苹果、荣耀、VIVO官网 2. 最开始的平滑变焦展示视频是小米发布会上展示的视频 3. 手机中的计算摄影1——人像模式(双摄虚化) 4. 文章28.
3.3K30发布于 2021-10-13 - 来自专栏Android&Java技术
RxJava2.x 的并行编程
题图：来自飞哥的图片工厂 音乐推荐：你的姑娘 文丨IT大飞说 预计阅读时间：1.2 分钟 哈喽，朋友们，之前我们学习了一些 RxJava2.x 的常用操作符，今天我们来继续学习一下RxJava 的并行编程。 2.使用 RxJava 的 flatMap 实现并行编程 我们前面学习过 flatMap 操作符，我们知道 flatMap 可以将一些数据转换成一些 Observables，然后我们可以指定它的调度器来实现并行编程的目的 -> executorService.shutdown()) .subscribe(s -> LogUtil.i(TAG, "s===" + s)); } 这 2 3.使用 ParallelFlowable 实现并行编程 Flowable 是 RxJava2.x 新增的被观察者，支持背压，因此它对应的并行被观察者为 ParallelFlowable，因为并行编程肯定涉及到异步
1.2K20发布于 2020-02-27 - 来自专栏计算摄影学
光学词汇9-透镜2-实像虚像实物虚物
实像（Real Image）和虚像（Virtual Image）是光学术语，它们描述了由透镜、镜子或其他光学系统形成的像（即视觉效果或图像）的性质。这些概念在理解和设计光学系统时非常关键。 实像通常是倒置的，但可以通过额外的光学元件调整为正立。 虚像则是由发散光线形成的像，这些光线在经过透镜或镜子反射、折射后，看起来像是从一个点汇聚出来的，但实际上并无实际交汇点。 实物（Real Object）和虚物（Virtual Object）也是光学术语，描述了物体相对于光学系统的位置。 实物是指位于透镜、镜子或其他光学系统前的物体，它发出或反射的光线直接进入光学系统。 透镜、镜子或其他光学元件接收到的光线，然后形成像。 虚物则是由光线的延长线形成的物体，这些光线在通过透镜、镜子或其他光学系统之前并未实际交汇。 虚物通常出现在复杂的光学系统中，如使用多个透镜的望远镜或显微镜中。
1.7K20编辑于 2023-09-01 - 来自专栏硅光技术分享
光学相控阵列
这一篇笔记主要介绍光学相控阵列。 光学相控阵列(optical phased array，以下简称OPA), 即通过调控阵列中不同通道光场的相位，实现光束传播方向的偏转与调节，示意图如下， ? （图片来自 http://spie.org/publications/journal/10.1117/1.OE.55.11.116115） 2）基于MEMS的光学相控阵列 通过MEMS结构调节两个镜面间的光程差 （图片来自文献2） 该方法的优势是调制速度快，但是光束偏转的角度非常小，应用受限。 得益于集成光学的发展，基于硅光、InP系统的光学相控阵列都已经在实验室实现。典型的结构如下图所示，有点类似阵列波导光栅结构(AWG)。黄色区域为相位调制区域。 ? 如果说激光雷达是无人驾驶汽车的眼睛，那么光学相控阵列决定了这个眼睛的视场、反应速度。 以上是对光学相控阵列的原理和应用的简单介绍。
5.3K12发布于 2020-08-14 - 来自专栏知识点分享
Ansys光学仿真
核心优势一 ANSYS SPEOS光学仿真软件通过CIE标准认证，采用统一眩光评价模型 UGR，对不舒适眩光进行分析评价，找出眩光产生原因，更改设计方案控制或消除眩光。 ANSYS SPEOS通过对高铁或地铁列车内部环境进行光学模拟，配合环境光源进行眩光分析，了解其产生机理，在设计前期进行最大的设计改进规避眩光，优化光环境设计。 虽然说，在建筑设计中无法完全规避眩光，但是我们可以采用光学仿真分析，有效并尽可能规避一些眩光现象。
1.6K20编辑于 2022-05-25 - 来自专栏云深之无迹
相机光学杂文
成像里面的一些概念 焦点是从无穷远处物体出发的光线经过光学系统后会聚的点。但这只是概念中的一个理想点，在现实世界中，焦点会存在一定的空间分布，称为弥散圆。 这种非理想的焦点通常源于光学系统的像差（aberration）。 所有镜头都可以对无穷远处的物体成清晰像，但对于非常靠近镜头的物体则存在一定的限制，超过限制后成像开始模糊。 对，还看到一个光学算法工程师的职位，有点意思 另外，今年3NM的芯片也可以做了~ 最后是一个小巧的舵机开关 https://www.digchip.com/datasheets/parts/datasheet /2/453/IMX272-pdf.php https://camspex.com/cn.comparison.php? camera1=Panasonic+Lumix+DMC-GH3&camera2=Panasonic+Lumix+DMC-GH4 https://www.kphoto.com.tw/index.php?
1.1K10编辑于 2023-02-27 - 来自专栏睐芯科技LightSense
高斯光学(Gaussian optics)或傍轴光学(paraxial optics)
如果物空间中一个物点P发出的发散球面波经过成像系统变换成一个会聚球面波，球面波中心为P'，则此系统称为理想光学系统，亦即理想光学。系统将物方的同心光束转换成像方的同心光束。 下图表示一个理想光学系统L,其中P0为光轴上一个物点，它的像点P0'在光轴上;P1为光轴外一个物点，它的像点P1'在光轴外。 理想光学研究光线在理想光学系统中的传递和变换,具有以下特点:(1)物方每一个点对应像方一个点(共轭点)，又称“点点成像”。(2)物方每一条直线对应像方一条直线(共轭线)。 理想光学系统只是实际光学系统的近似模型。 它是高斯首先提出来的，因此又称高斯光学(Gaussian optics)或傍轴光学(paraxial optics)。资料：《近代光学系统设计概论》，宋菲君等。
88410编辑于 2024-08-03 - 来自专栏鸿的学习笔记
聊聊并行并行编程
这个来源于摩尔定律的失效， 霍金曾经提过限制IT发展的终究会是1.光速（这个已经在分布式系统上更能看出来，通信的瓶颈限制着速度）2.物质的原子性（来源于不可测准原理） 并行编程开始了，即使很难。 并行和并发有着小小的区别：并行意味着问题的每个分区有着完全独立的处理，而不会与其他分区进行通信。并发可能是指所有的一切事务， 这可能需要紧密的，以锁的形式或其他的互相通信的方式形成的相互依赖。 因为并行编程的相对较难，导致工程师的生产率不会太高，会聚焦于更精密的细节，花费大量的时间。 并行任务变得复杂不仅仅在于之上的原因，更因为： 1.对代码，对任务的分割，这会导致错误处理以及事件处理更为复杂。如果并行程序之间会牵扯到交互，通信的时间成本，共享资源的分配和更新更为复杂。 2.并行访问控制，单线程的应用程序可以对本实例中的所有资源具有访问权，例如内存中的数据结构，文件之类的。
1.4K10发布于 2018-08-06 - 来自专栏小菜与老鸟
Xcode编译疾如风系列-2.并行编译
Xcode编译疾如风-2.并行编译 ? Xcode 编译是一个需要 CPU 运算以及大量 IO 操作的过程。我们将编译任务分配给多个 CPU 来提高单位时间内的编译速度。 对于 IO 密集型任务，线程池设置为 2N，IO 密集型任务 CPU 使用率并不高，因此可以让 CPU 在等待 IO 的时候去处理别的任务，这样能够充分利用 CPU 时间。 阿姆达尔定律 思考下，并行编译是银弹吗？非也。 阿姆达尔定律是一个估算通过多核并行能够获得多少性能提升的经验法则。内容是： 通过并行计算所获得的系统性能提升效果，会随着无法并行的部分而产生饱和。 ? 更多阅读 WWDC2018 Session415[1] https://gist.github.com/nlutsenko/ee245fbd239087d22137[2] 参考资料 [1] WWDC2018 Session415: https://developer.apple.com/videos/play/wwdc2018/415/ [2] https://gist.github.com/nlutsenko
3.6K41发布于 2021-04-23 - 来自专栏罗西的思考
并行分布式框架 Celery 之架构 (2)
[源码解析] 并行分布式框架 Celery 之架构 (2) 0x00 摘要 Celery是一个简单、灵活且可靠的，处理大量消息的分布式系统，专注于实时处理的异步任务队列，同时也支持任务调度。 上文 [源码解析] 并行分布式框架 Celery 之架构 (1) 中，我们大致介绍了 Celery 的概念，用途和架构，现在回忆 Celery 的架构图如下： +-----------+ 对于 Consumer 来说， 1 是基本功能，这些功能组成了一个简单的非强壮的消息队列框架； 2 一般重要，可以实现一个高级一点的功能； 3 属于附加功能，同时也属于一点分布式的功能。 这就涉及到两个最重要的问题： 如何拆分计算逻辑； 如何分发计算逻辑； 于是 Spark 把所有的计算逻辑划分为这两种类型： 能够分发到各个节点上并行执行的； 需要经过一定量的结果合并之后才能继续执行的； 有些人可能会担心，分块处理会导致并行性能下降，实际上，由于避免了消息传递的开销，因此反而会大大的提高性能。
1.2K10发布于 2021-04-01 - 来自专栏IT当时语_青山师_JAVA技术栈
并行的2个重要定律Amdahl、Gustafson定律
死锁： 比如在双车道高速公路上并行的两辆车A、B，A想拐到B车道，B想转到A车道。现在则会发现互相等待对方开走，但是对方一直往这边转过来，一直僵持。。。这在程序中的多个线程互相等待就是死锁。 有关并行地两大定律 阿姆达尔定律 阿姆达尔定律是计算机并行重要的定律。定义了串行系统并行化后的加速比的计算公式和理论上限。 如果串行比例占2/3，则无论处理器再多，最大加速比也只能达到1.5。 理想效果是，全部并行，最大加速比为 n。可以根据增加处理器无上限增强程序效率。 古斯塔夫森定律 古斯塔夫森定律也是在表明处理器个数、并行比例和加速比之间的关系。 两个定律最低点、最高点都是一致的结论： 无可并行的程序，加速比就是1. 全部是并行程序，加速比就是n。
91610编辑于 2023-05-04 - 来自专栏yaphetsfang
数据并行和任务并行
OpenCL并行加减乘除示例——数据并行与任务并行 版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zhouxuanyuye/article/details/79949409 OpenCL并行加减乘除示例——数据并行与任务并行 关键词：OpenCL; data parallel; task parallel 数据并行化计算与任务并行化分解可以加快程序的运行速度。 图2. = A[base+2] * B[base+2]; C[base+3] = A[base+3] / B[base+3]; } 2、任务并行(task parallel
2.3K30发布于 2020-07-30 - 来自专栏计算机技术-参与活动
算力共享：数据并行，模型并行，流水线并行，混合并行策略
# 算力共享：混合并行策略混合并行策略是在深度学习模型训练过程中，综合运用多种并行技术来加速训练过程的方法。以下是常见的并行技术以及混合并行策略的举例： 一、常见并行技术1. 2. **DeepSpeed和Alpa框架的混合并行** - **策略**：在单机多卡场景下，优先采用张量并行（一种模型并行方式），将模型的计算密集型部分（如大规模矩阵运算）在多个GPU上并行执行，充分利用单机的计算资源 2. **Megatron - LM的混合并行** - **策略**：结合了**数据并行和模型并行**。 通过数据并行来利用多个GPU处理不同的数据子集，同时采用模型并行（如张量并行和流水线并行）来处理模型过大无法在单个GPU上运行的问题。
1.4K10编辑于 2025-01-01 - 来自专栏罗西的思考
深度学习流水线并行 PipeDream(2)--- 计算分区
[源码解析] 深度学习流水线并行 PipeDream(2)--- 计算分区 目录 [源码解析] 深度学习流水线并行 PipeDream(2)--- 计算分区 0x00 摘要 0x01 前言 1.1 Profile 计算结果具体如下图所示： 流水线并行其他文章链接如下: [源码解析] 深度学习流水线并行Gpipe(1)---流水线基本实现 [源码解析] 深度学习流水线并行GPipe (2) ----- 梯度累积 流水线可以是straight（数目为1）或者并行（数目为num_machines），依据目前的信息，以及机器数量，网络带宽等，使用动态规划算法计算分区。 在下图中，m2=2，m1=4。此外，我们定义m0为1。即 4 个 m0 构成一个 m1, 2个 m1 构成一个 m2。 第三项是最后单个阶段的时间（由 m' 个数据并行的机器组成）。
84230发布于 2021-09-08 - 来自专栏R语言数据分析指南
生信小课堂(2) 并行运算那些事
parallel是一个命令行工具，用于并行执行作业。它可以在单台机器上的多个核心或多台机器上并行执行命令。 ❞ 基本特性 1.并行执行：parallel可以并行执行命令，从而充分利用多核心CPU。 2.输出控制：parallel可以确保输出不会混合，即使在并行执行时也是如此。 3.灵活性：parallel可以与许多其他Unix命令结合使用，如find、grep和awk。 B 2 文本检索 假设有三个文本文件：file1.txt, file2.txt, 和 file3.txt，你想并行地对每个文件执行 grep 命令来搜索某个词汇，可以这样做： parallel grep -j 6 -P 5 'gzip -d {}' ::: *.fastq.gz 并行质控 parallel -j 10 --max-args=2 fastp \ --thread 8 \ --in1 "{1}" \ --in2 "{2}" \ --out1 ".
53430编辑于 2023-10-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号