- 综合排序
- 最热优先
- 最新优先
硬件加速卡 FPGA硬件加速1- 基于Xilinx XCKU115的半高PCIe x8 硬件加速卡
一、板卡概述 本板卡系我公司自主研发，采用Xilinx公司的XCKU115-3-FLVF1924-E芯片作为主处理器，主要用于FPGA硬件加速。板卡设计满足工业级要求。 如下图所示： 二、功能和技术指标：四、应用领域 FPGA硬件加速XCKU115,硬件加速卡,XCKU115板卡,FPGA硬件加速
24510编辑于 2025-11-10- 来自专栏石开之旅
硬件笔记（7）----USB学习笔记4
这些位将数据传输定义为 IN/OUT/SETUP/SOF 可选的设备地址 — （7 位：最多可支持 127 个设备） 可选的端点地址 — （4 位：最多支持 16 个端点）。 IN、OUT 和 SETUP 令牌数据包都有一个 7 位设备地址、4 位端点 ID 和 5 位CRC。下图显示了这四个令牌数据包的框图。 ?
1K10发布于 2019-07-02 - 来自专栏TopSemic嵌入式
MicroPython 玩转硬件系列7：OLED显示
上一篇文章，我们实现了ESP32获取天气信息的功能，是在电脑上通过串口终端显示的。能不能EPS32 直接接一个显示器来显示呢？当然可以，今天我们来实现ESP32控制OLED显示字符或者图片。
2.2K30发布于 2021-05-31 传AMD计划推出NPU加速卡
7月31日消息，据外媒《CRN》报导，AMD 副总裁暨客户端业务事业群总经理Rahul Tikoo 近日表示，AMD正在研究推出独立的NPU加速卡，以协助推动实现“人人可用AI 计算”的目标。 相比之下，如果独立的NPU加速卡能在低功耗下提供专用计算性能，将减轻GPU 与CPU 负担，提升整体效率。 AMD 可能计划利用之前收购赛灵思（Xilinx）的技术，将其并扩展至独立的NPU加速卡。 目前这款AMD NPU 仍在初步评估中，将持续观察市场发展，并视情况在适当时机结合自家CPU、GPU 与NPU 技术，循序推进AI 硬件生态布局。 编辑：芯智讯-林子
9310编辑于 2026-03-19- 来自专栏python前行者
Centos7 修改硬件时间和系统时间
查看系统时间 [root@localhost ~]# date Tue Jun 13 10:20:13 CST 2017 查看硬件时间 [root@localhost ~]# hwclock --show Tue 13 Jun 2017 02:11:12 AM CST -0.848845 seconds 可以看出系统时间比硬件时间快，系统时间是准确的 假如系统时间和硬件时间都不准确 更新系统年月日 [ timedatectl set-time 10:25:17 更新时区(亚洲-中国-上海) [root@localhost ~]# timedatectl set-timezone Asia/Shanghai 将硬件时钟调整为与系统时钟一致 [root@localhost ~]# hwclock --systohc --localtime 将日期写入CMOS [root@localhost ~]# clock –w 再次查看系统时间和硬件时间
3.5K31发布于 2019-03-25 PCIe加速卡设计资料：416-基于Kintex Ultrasacle的万兆网络光纤 PCIe加速卡
支持Gen1.0∕Gen1.1∕Gen2.0∕Gen3.0,每根lane最高速率8.0 Gbps，符合 PCI Express Gen3.0规范，X8模式，理论带宽高达64 Gbps，在Windows7下测试带宽
9310编辑于 2026-02-13- 来自专栏腾讯云原生团队
SuperEdge再添边缘智能加速卡，为边缘智能推理再提速10倍
寒武纪 AE 团队，腾讯云容器中心边缘计算团队，SuperEdge 开发者 SuperEdge 支持寒武纪边缘智能加速卡 MLU220 SuperEdge 对应的商业产品 TKE Edge 也一直在硬件和加速方面在持续耕耘 网络模型 M.2(fps) CPU(fps) vgg16 184 13 resnet50 417 29 可以看出 vgg16 M.2 是普通 i7-8700K的14倍，Resnet50 也是普通 i7 新一代寒武纪硬件架构MLUv02 架构不是简单的从上一代升级而来，新架构基于片上网络（NOC）构建，多个NPU集群的并行效率。基于硬件的片内数据压缩，提升缓存有效容量和带宽。 加速卡硬件规格 加速卡硬件规格可概括如下： 参数规格型号MLU220-M.2内存4GB, LPDDR4, 3200MHzAI算力8TOPS(INT8)编解码能力支持H.264,H.265, VP8, VP9 未来 未来寒武纪和腾讯云会在边缘硬件和边缘云服务上进行更多的合作，为边缘 AI、边缘 IoT，数字化，人工智能……进行软硬件的赋能，并且相应能力在相关的商业产品中对用户提供支持，欢迎关注腾讯云边缘计算分布式云平台
84030编辑于 2021-12-03 - 来自专栏CDN及云技术分享
openssl 1.1.x版本的async模式
一、什么是async job Asyn job是openssl把cpu等aio操作和硬件加速卡不占用cpu的操作剥离出来，这部分的操作单独交给一个叫asyn job（也可以认为是协程）去做。 三、应用场景：SSL硬件加速卡QAT 当硬件加速卡操作执行的时候，通过async_fibre_makecontext进行用户切换到用户态操作，而后用户态需要主动poll，判断async job是否已经完成 如果是硬件加速卡未执行完，用户态的poll不会返回任何待执行的操作。 如果是硬件加速卡未执行完，需要放弃cpu控制权，它可以调用ASYNC_pause_job把控制权交还给用户态。 比如说：硬件加速卡engine加密接口afalg_fin_cipher_aio这个有调用ASYNC_pause_job，当进行aio拷贝的时候，把加解密原始数据拷贝到内核层（硬件加速卡），然后通过ASYNC_pause_job 用户态可以再次调用ASYNC_start_job（底层实现是通过async_fibre_makecontext）控制权重新回到之前ASYNC_pause_job后的代码流程（此时硬件加速卡加解密数据可能已经好了
4K640发布于 2018-12-24 - 来自专栏芯智讯
AI推理速度提升超10倍，Groq LPU能否取代英伟达GPU？
该公司硬件工程副总裁Jim Miller 曾是亚马逊云计算服务AWS设计算力硬件的负责人，还曾在英特尔领导了所有 Pentium II 工程。目前该公司筹集了超过 6200 万美元。 Groq 的神奇之处不仅在于硬件，还在于软件。软件定义的硬件在这里发挥着重要作用。Groq 的软件将张量流模型或其他深度学习模型编译成独立的指令流，并提前进行高度协调和编排。编排来自编译器。 即使我们以FP16精度的Llama-2 7b模型来比较，其最低需要14GB的内存来运行，需要约70张Groq LPU加速卡才能够部署，按照单卡FP16算力188TFLOPs计算，其总算力将达到约13.2PFLOPs 相比之下，单个NVIDIA H100加速卡，其集成的80GB HMB就足够部署5个FP16精度的Llama-2 7b模型，而H100在FP16算力约为2PFLOPs。 单从硬件成本上来计算，70张Groq LPU加速卡成本约140万美元，一个8张H100加速卡的服务器的价格约为30万美元，显然，对于运行FP16精度的Llama-2 7b模型来说，采用NVIDIA H100
1.3K10编辑于 2024-02-26 - 来自专栏linux运维
硬件维护问题：硬件维护不当，导致硬件故障
检查当前硬件状态首先，我们需要检查当前系统的硬件状态。 常见的硬件维护问题及解决方案2.1 硬盘维护不当问题：硬盘维护不当，导致数据丢失或性能下降。解决方案：定期检查硬盘健康状态，备份重要数据。 2.6 散热维护不当问题：散热维护不当，导致硬件过热或性能下降。解决方案：定期清理散热器和风扇，确保散热良好。示例：使用压缩空气清理散热器和风扇：关闭计算机并断开电源。 2.7 环境维护不当问题：环境维护不当，导致硬件受潮或积尘。解决方案：保持良好的工作环境，避免潮湿和灰尘。示例：保持机房通风良好，使用防尘网和除湿器。3. 使用自动化工具进行硬件维护工具：Ansible介绍：Ansible 是一个自动化工具，可以用于远程管理和配置多台主机。
95910编辑于 2025-02-07 - 来自专栏机器之心
7 Papers | Hinton、李飞飞各有新作；深度学习硬件性能评价
此外还有自然语言理解评价方法、文本+图像数据融合任务的综述，以及对深度学习的硬件进行评价的文章等。 有关深度学习算法的基准测试论文已是汗牛充栋，但对硬件平台进行测试的论文很少见。通过本论文，读者可系统了解各种机器学习训练的平台特性，并针对自身的需求选择。 ? 上表展示了所有基准测试得出来的结果与见解，它测试了不同神经网络结构在不同硬件平台上的效果。每一条观察结果或结论都有具体的实验图标支持，读者可详细查阅原论文。 7.标题：Unifying Logical and Statistical AI with Markov Logic 作者：Pedro Domingos、Daniel Lowd 论文链接：https:/
53020发布于 2019-07-30 - 来自专栏帅云霓的技术小屋
软硬件融合技术内幕 基础篇 (7) —— 倒海翻江卷巨澜
我们再来看一遍这个图： 这是对一颗Intel i7 4770 (Haswell架构)的CPU进行测试的结果。 我们再去查询一下Intel Haswell架构的i7处理器缓存相关的规格： Cache Type Cache Size(Byte) Block Size(Byte) Access Time(Cycles
47710编辑于 2022-09-08 - 来自专栏相约机器人
7 Papers | Hinton、李飞飞各有新作；深度学习硬件性能评价
此外还有自然语言理解评价方法、文本+图像数据融合任务的综述，以及对深度学习的硬件进行评价的文章等。 有关深度学习算法的基准测试论文已是汗牛充栋，但对硬件平台进行测试的论文很少见。通过本论文，读者可系统了解各种机器学习训练的平台特性，并针对自身的需求选择。 ? 上表展示了所有基准测试得出来的结果与见解，它测试了不同神经网络结构在不同硬件平台上的效果。每一条观察结果或结论都有具体的实验图标支持，读者可详细查阅原论文。 7.标题：Unifying Logical and Statistical AI with Markov Logic 作者：Pedro Domingos、Daniel Lowd 论文链接：https:/
52840发布于 2019-07-30 - 来自专栏腾讯云原生团队
SuperEdge再添国产智能加速卡支持，为边缘智能推理再提速10倍
寒武纪 AE 团队，腾讯云容器中心边缘计算团队，SuperEdge 开发者 SuperEdge 支持国产智能加速卡寒武纪 MLU220 SuperEdge 对应的商业产品 TKE Edge 也一直在硬件和加速方面在持续耕耘 网络模型 M.2(fps) CPU(fps) vgg16 184 13 resnet50 417 29 其中，CPU 采用的是 Intel(R) Core(TM) i7-8700K CPU @ 3.70GHz 新一代寒武纪硬件架构MLUv02 架构不是简单的从上一代升级而来，新架构基于片上网络（NOC）构建，多个 NPU 集群的并行效率。基于硬件的片内数据压缩，提升缓存有效容量和带宽。 加速卡硬件规格 加速卡硬件规格可概括如下： 参数规格型号MLU220-M.2内存4GB, LPDDR4, 3200MHzAI算力8TOPS(INT8)编解码能力支持H.264,H.265, VP8, VP9 未来 未来寒武纪和腾讯云会在边缘硬件和边缘云服务上进行更多的合作，为边缘 AI、边缘 IoT，数字化，人工智能……进行软硬件的赋能，并且相应能力在相关的商业产品中对用户提供支持，欢迎关注腾讯云边缘计算云平台
99920发布于 2021-11-23 - 来自专栏GPUS开发者
蓝宝 PGS AMD FirePro S9170 服务器加速卡发布
AMD FirePro 全球独家代理蓝宝科技宣布，正式发布内存容量达到 32GB 的服务站加速卡蓝宝 PGS AMD FirePro S9170。 蓝宝 PGS AMD FirePro S9170 是目前双精度性能最快的单 GPU 服务器加速卡，支持 OpenCL 2.0，基于 AMD 第二代 GCN 微架构，能提供 5.24 TFLOPS/2.62
98750发布于 2018-03-30 - 来自专栏前行的CVer
硬件
电机驱动电路 单片机引脚输出的电流最大为20mA左右，远远不能满足电机的电流需求，因此需要电机驱动电路。常用的驱动电路有H桥电路，它比较复杂和庞大，一般用于控制几十安的电机。对于较小电流电机，可以直接选择集成芯片，如RZ7899，一个芯片可以驱动一个电机，需要注意的参数为工作电压、输出最大电流。绘制原理图时，参考芯片手册中提供的应用电路进行绘制。单片机引脚连接芯片的中间可以放一个300欧的电阻，起到保护单片机和芯片的作用。芯片输入引脚接10k的下拉电阻到GND，让芯片不接单片机时不受外来信号的影响，即默认输入LL让电机处于浮空状态。电机正负极两端接一个104电容，避免火花。
63210编辑于 2024-05-15 - 来自专栏杨建荣的学习笔记
无奈的硬件故障 (r7笔记第20天)
最近真是忙的厉害，感觉时间都不是自己的了，大周末的时间都排得满满当当，先是大半夜接到报警电话，接着碰到了让人无奈的硬件问题，一台服务器挂掉，结果上面有两个备库，都是数据量庞大的统计分析库，数据量也不小， 硬件故障很头疼，但是也还是需要提前进行排查。等这个问题处理之后再细化监控。还有就是要好好补补硬件知识。
75430发布于 2018-03-16 - 来自专栏SDNLAB
益思芯科技发布国内首款具有自主知识产权的NVMe-oF存储加速卡
在本次峰会上，国内领先的DPU芯片解决方案商益思芯科技发布了国内首款具有自主知识产权的NVMe-oF存储加速卡-Stargate-S1100。 该加速卡支持2个100G以太网接口和4个直连U.2 NVMe SSD，并可通过JBOF全闪存储系统扩展支持更多的NVMe SSD。 Stargate-S1100 NVMe-oF存储加速卡发布现场 Stargate-S1100的 NVMe-oF引擎基于全硬件逻辑实现，底层的网络处理、远端数据读写处理对CPU完全透明，最大限度释放CPU Stargate-S1100存储加速卡 # 高性能 基于益思芯科技的NVMe-oF引擎的远端读写可以达到本地NVMe SSD盘相同的读写带宽。 存算一体应用模式 存算分离应用模式 关于益思芯科技 益思芯科技（上海）有限公司（简称：益思芯科技）成立于2020年7月，总部位于上海漕河泾新兴技术开发区。
89510编辑于 2022-09-06 - 来自专栏SDNLAB
NFV硬件加速，在困窘中前行…
加速卡，CPU内嵌FPGA）、GPU加速卡、Network Processor加速卡、Intel QuickAssist加速卡，以及人工智能领域的TPU和NPU。 假如没有统一的标准来管理这些加速卡，没有统一的接口来让上层网元调用，硬加速这件事根本不可能玩下去。运营商好不容易从专用硬件盒子的路上转到通用COTS，结果又被搞一堆专用的加速卡，客户不会接受的。 业界对硬加速的不同应用场景的能效比做了分析，对硬加速卡的CAPEX/TCO做了测算，粗略的计算显示只有性能提升超过60%才有价值，而当硬件加速提升100%时CAPEX节省15%，整体TCO节省只有可怜的 ，开箱下电更换加速卡对客户来说估计会是个噩梦；技术上也有一些问题没有完全解决，比如加速卡的热迁移、加速卡的资源池化、加速卡的备份等。 =IT云计算”的时候，他万万没有想到，IT云计算经过几年的业务爆发增长，底层的硬件早已不再是纯粹的COTS和白牌，尤其是互联网巨头，他们不断在原来的硬件基础上进行优化，引入各种加速卡。
1.3K40发布于 2018-03-28 - 来自专栏机器之心
寒武纪首颗AI训练芯片亮相：7纳米制程，算力提升四倍，已规模化出货
新架构结合 7nm 制程，思元 290 可提供更优性能功耗比，以及多 MLU 系统的扩展能力。 ? MLU290 的 MLUv02 架构进行了多项扩展。 实例之间的硬件资源互不干扰，即使在虚拟化环境下仍可保持 90% 以上的极高效率，帮助客户充分利用硬件资源。 ? 思元 290 上实现 4 个相互隔离的 AI 计算实例。 人工智能技术落地于实际应用中需要芯片和硬件层面强大的算力支撑。算力已成为驱动 AI 产业化和产业 AI 化发展的关键要素。 早前，2020 年 7 月，IDC 发布的另一份报告显示，2018 至 2024 年，中国 AI 云服务市场年复合增长率将达到 93.6%。 据悉，寒武纪思元 290 芯片及加速卡已与部分硬件合作伙伴完成适配，并已实现规模化出货。
97840发布于 2021-01-27
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