AMD 代碼的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

精通Linux內核：智能設備開發核心技術

為了解決AMD 代碼的問題，作者姜亞華 這樣論述：

《精通Linux內核：智慧設備開發核心技術》共五篇，以從易到難的順序詳細剖析了Linux內核開發的核心技術。“知識儲備篇”介紹了Linux的資料結構、中斷處理、內核同步和時間計算等內容，這些是理解後續章節的前提。之後通過“記憶體管理篇”“檔案系統篇”“進程管理篇”詳細介紹了Linux的三大核心模組。最後的“昇華篇”則融合了前面諸多模組展示了Linux內核開發在作業系統、智慧設備、驅動、通信、晶片以及人工智慧等熱點領域的應用。書中的重點、難點均配以圖表、代碼和實戰案例進行展示，有助於提高讀者的動手操作能力。 　　 《精通Linux內核：智慧設備開發核心技術》的讀者需要熟悉C語言，對Linux內核

有一定瞭解。推薦初學者按照《精通Linux內核：智慧設備開發核心技術》的編排順序閱讀，而熟悉Linux內核的讀者可以跳過第壹篇，直接從三大核心模組篇進行閱讀。 　　 《精通Linux內核：智慧設備開發核心技術》可作為Linux初中級讀者系統學習Linux內核開發的指導手冊，也可作為從事嵌入式、作業系統、Linux程式設計、驅動/內核開發，以及智慧設備開發等工作工程師的案頭指南和進階工具書。 姜亞華，曾負責華為手機的Touch、Sensor的驅動和軟體優化（包括Mate、榮耀等系列），以及Intel安卓平臺Camera和Sensor的 驅動開發（包括Baytrail、Cher

rytrail、Cherrytrail CR、Sofia等）；現負責DMA、Interrupt、Semaphore等模組的優化和驗證（包括Vega、Navi系列和多款APU產品。）。 　　   一直從事與Linux內核和Linux程式設計相關的工作，研究內核代碼十多年，對多數模組的細節如數家珍。熟悉Linux程式，對Linux常見機制的使用理解透徹。曾在華為終端軟體精英賽中獲獎，三次獲得AMD Spotlight獎勵。 序一 序二 前言 知識儲備篇 第1章 基於Linux內核的作業系統 1．1 處理器、平臺和作業系統 1．2 以安卓為例剖析作業系統 1．2．1 安卓的整體

架構 1．2．2 Linux內核的核心作用 1．3 內核整體架構 1．3．1 內核代碼的目錄結構 1．3．2 內核的核心模組及關聯 1．4 實例分析 1．4．1 系統回應“點擊智慧手機觸控式螢幕”的過程 1．4．2 智慧手機的感測器遊戲 第2章 資料結構的使用 2．1 關聯式資料結構 2．1．1 一對一關聯性 2．1．2 一對多關聯性 2．1．3 多對多關係 2．2 位元操作資料結構 2．3 模組和內核參數傳遞 2．3．1 內嵌通用資料結構 2．3．2 通用結構的私有變數 2．4 實例分析 2．4．1 模組的封裝 2．4．2 火眼金睛：看破資料結構 第3章 時間的衡量和計算 3．1 資料結

構 3．2 時鐘晶片 3．3 從內核的角度看時間 3．4 週期性和單觸發的時鐘中斷 3．5 時間相關的系統調用 3．5．1 獲取時間 3．5．2 給程式定個鬧鐘 3．6 實例分析 3．6．1 實現智慧手機的長按操作 3．6．2 系統的時間並不如你所想 第4章 中斷和中斷處理 4．1 處理器識別中斷 4．2 處理中斷 4．2．1 中斷處理常式 4．2．2 插斷服務常式 4．2．3 中斷處理 4．3 中斷返回 4．4 系統調用 4．5 軟中斷 4．5．1 原理 4．5．2 小任務tasklet 4．5．3 計時器 4．6 實例分析 4．6．1 使用中斷向無人駕駛系統報告緊急事件 4．6．2 使用

watchdog預防無人機墜落 第5章 內核同步 …… 記憶體管理篇 檔案系統篇 進程管理篇 昇華篇 2013年11月，我加入Intel，開始創作本書，最初決定在3.10版本的內核基礎上寫作，轉眼間多年已逝，內核版本已經更新到5.x，本書也隨之更新至5.05版本。少數討論也涉及3.10版本的內容，保留它們主要是希望可以讓讀者看到內核的更新和優化思路。建議讀者在閱讀本書時，可以下載3.10和5.05兩個版本的內核代碼作為參考。 　　 本書分為以下五個部分。 　　 知識儲備篇：包括常見的資料結構、時間、中斷處理和內核同步等內容，是後面幾部分內容的學習基礎，希望讀者能夠從中瞭

解內核的概況，在後續章節中見到相關知識時不會感覺陌生。尤其是2.1關聯式資料結構一節，它是理解其他章節資料結構間關係的基礎。 　　 記憶體管理篇：包括記憶體定址、實體記憶體和線性記憶體空間的管理以及缺頁異常等內容。希望讀者能夠從中學習到記憶體映射的原理，理解管理記憶體的過程，在調用內核提供的函數時能夠明白內核為用戶做了哪些操作。 　　 檔案系統篇：包括VFS的流程，sysfs、proc和devtmpfs檔案系統的實現，ext4檔案系統的解析。希望讀者能夠掌握檔案系統的流程、檔操作的實現、sysfs等檔案系統的特點以及ext4檔案系統的原理。尤其是ext4檔案系統，本書列舉了大量的實操案例，希望

讀者可以理解它的精髓。 　　 進程管理篇：包括進程原理、進程調度、信號處理、進程通信和程式執行等內容，希望讀者能夠掌握進程間的關係、進程調度的過程、進程通信的原理、信號的處理過程等。理解進程的創建過程尤為重要，它涵蓋了進程實現的原理。 　　 昇華篇：包括I/O多工、input子系統、V4L2架構、Linux設備驅動模型、Binder通信和驅動的實現等內容。昇華篇綜合了前幾部分的知識，希望讀者可以掌握它們的原理，使用起來得心應手。 　　 從難易程度來講，這五部分內容是由淺入深的。本書僅羅列了關鍵或者複雜的代碼，從它們包含的代碼就可以得知難易程度。知識儲備篇偏向工具和基礎知識，以原理分析為主。記憶

體管理、檔案系統和進程管理篇是重心，代碼量最大，這些代碼一方面可以幫助讀者理清整體的軟體架構，另一方面方便讀者在學習的時候不會因為手頭沒有代碼而感到無從下手，最重要的是代碼才是結論背後的真相，直接給出結論讓技術變成了死記硬背的工具豈不無趣。

AMD 代碼進入發燒排行的影片

模擬牙刷刷洗不同義齒基底材料的磨耗及刷毛變化

為了解決AMD 代碼的問題，作者楊凱宏 這樣論述：

前言：良好的義齒衛生對於義齒配戴者至關重要，正確清潔除了能增加贋復物的壽命外，並且能夠有助於維持配戴者的健康，因此，本研究目的為探討不同義齒基底材料，經過牙刷牙膏清潔後，重量及材料表面的改變，及牙刷刷毛的變化。材料與方法：選用四種義齒基底樹脂材料，其中三種為聚甲基丙烯酸甲酯（polymethyl methacrylate, PMMA）：Triplex Cold Polymer（TCP）、Palapress vario（PV）以及IvoBase CAD（IBC），及一種聚醯胺樹脂（Polyamide）：ThermoSens（TS），製作成25×25×2〖 mm〗^3試片，每組共5片試片，拋光後

進行重量、表面粗糙度與表面形貌的前測。並以線性磨耗試驗機在牙膏與水的重量比為1：2的環境中，牙刷磨耗頻率為60Hz，荷重200g的條件下，模擬刷牙共100,000次後進行後測。接著使用掃描式電子顯微鏡（scanning electron microscope, SEM）觀察牙刷及試片的微觀表面形貌，重量和表面粗糙度則使用SPSS 20.0進行重複測量二因子變異數分析。結果：經過10萬次磨耗後，重量變化方面，各材料之間有顯著差異（P < 0.0001），與尚未刷耗前的重量相比也有顯著差異（P = 0.004），且存在交互作用（P < 0.0001）；在表面粗糙度變化方面，四種材料之間有顯著差異（

P < 0.001），與尚未刷耗前的表面粗糙度相比也有顯著差異（P < 0.001），且存在交互作用（P < 0.001）。在刷毛的SEM圖發現，刷毛經由磨耗後會改變其角度及形狀。結論：義齒基底樹脂材料經過長時間使用後，皆會產生磨損劣化，導致義齒基底重量損失以及表面粗糙度的改變。不同聚合方式之義齒基底樹脂材料在被刷耗後，所呈現的抗磨耗結果皆超過0.2μm，容易導致細菌沾附在這些義齒基底材料上。聚醯胺在表面粗糙度改變的結果表現較佳，而PMMA的表現較差。在重量損失方面，聚醯胺的重量減少較少，而PMMA的重量減少較多。牙刷會因為長時間的使用，進而導致表面形貌產生變化，故定期更換牙刷這件事是重要的。

加速MATLAB編程指南：CUDA實現

為了解決AMD 代碼的問題，作者趙地 這樣論述：

MATLAB是廣泛應用的演算法開發語言之一。然而，MATLAB簡單易用的特性與演算法複雜性的矛盾，造成了各個領域的MATLAB程式運行緩慢。本書總結了作者多年來在演算法開發工作中關於MATLAB程式加速的實戰經驗，系統地介紹了利用GPU計算能力和CUDA程式設計語言實現加速MATLAB程式設計的方法。 本書首先介紹了MATLAB程式的性能評估的方法，説明讀者找到制約MATLAB程式運行速度的“瓶頸”所在；接著循序漸進地介紹加速MATLAB程式設計的方法，包括基於多核處理器的MATLAB程式加速、基於大記憶體和向量化的MATLAB程式加速、基於平行計算工具箱和GPU計算的MATLAB加速、基

於CUDA庫的MATLAB加速、基於CUDA語言的MATLAB加速等。同時，本書附帶了大量程式實例，包括深度學習及大資料分析領域的例子，深入淺出地示範各種基於CUDA語言的MATLAB程式加速的技巧。 本書可幫助讀者對所在領域的MATLAB應用程式進行顯著加速，大幅提升演算法開發的效率。 趙地獲得美國路易斯安娜理工大學（Louisiana Tech University）電腦與應用數學專業博士學位，曾在美國哥倫比亞大學（Columbia University）和美國俄亥俄州立大學（The Ohio State University）從事博士后研究工作。 趙地博士在GPU計

算方面具有豐富的研究經驗，發表了多篇學術論文和會議論文。現任CNIC-英偉達公司GPU研究中心（GPU Research Center, GRC）、CNIC-英偉達公司GPU教育中心（GPU Education Center, GEC）和CNIC-英偉達公司「智慧醫療」聯合實驗室負責人；中國圖象圖形學學會視覺大數據專業委員會委員，CCF會員。 第1章緒論 1.1MATLAB程式的加速 1.2MATLAB程式加速的可能途徑 1.2.1基於多核CPU的MATLAB程式加速 1.2.2基於大記憶體的MATLAB程式加速 1.2.3基於英偉達公司GPU的MATLAB程式加速

1.2.4基於AMD公司GPU的MATLAB程式加速 1.2.5基於Intel公司Xeon Phi的MATLAB程式加速 1.3MATLAB程式加速的度量 1.4基於GPU計算的MATLAB程式的編制 1.4.1平行計算工具箱簡介 1.4.2CUDA庫 1.4.3CUDA程式設計 第2章MATLAB程式的性能評估 2.1bench()函數 2.2tic()函數/toc()函數 2.3timeit()函數 2.4cputime()函數 2.5clock()函數和etime()函數 2.6gputimeit()函數 2.7MATLAB探查器 第3章基於多核處理器的

MATLAB程式加速 3.1MATLAB矩陣及運算子 3.1.1MATLAB矩陣的創建 3.1.2矩陣的性質的檢驗 3.1.3MATLAB矩陣的操作 3.2MATLAB函數 3.2.1MATLAB函數的定義 3.2.2MATLAB函數的執行 3.3語句與代碼 3.3.1分支結構 3.3.2迴圈結構 3.4MATLAB代碼 3.5MATLAB並行設置 3.6基於並行for迴圈(parfor迴圈)的MATLAB程式加速 第4章基於大記憶體的MATLAB程式的加速 4.1記憶體條的選擇與安裝 4.2記憶體預分配 4.2.1已知數組大小 4.2.2未知數組大小 4

.3MATLAB向量化簡介 4.4MATLAB矩陣運算的向量化 4.4.1創建MATLAB矩陣的函數 4.4.2資料複製 4.4.3MATLAB的矩陣變換函數 4.4.4索引 4.4.5矩陣操作的向量化 4.4.6符合條件的元素總數 4.5MATLAB函數的向量化 4.5.1基於arrayfun()函數、bsxfun()函數、cellfun()函數、 spfun()函數和structfun()函數的向量化 4.5.2基於pagefun()函數的向量化 4.6MATLAB語句的向量化 第5章基於平行計算工具箱的MATLAB加速 5.1GPU卡的選擇與安裝 5.1.1G

PU卡的選擇 5.1.2電源功率 5.1.3散熱問題 5.2基於平行計算工具箱的GPU計算簡介 5.3基於平行計算工具箱的矩陣運算 5.3.1在設備端(GPU端)直接創建MATLAB矩陣 5.3.2在設備端(GPU端)生成亂數矩陣 5.3.3設備端(GPU端)的疏鬆陣列 5.3.4設備端(GPU端)矩陣的資料類型 5.3.5設備端(GPU端)矩陣的檢驗 5.3.6設備端(GPU端)矩陣的操作 5.4基於平行計算工具箱的設備端(GPU端)函數 5.4.1設備端(GPU端)函數的定義 5.4.2設備端(GPU端)函數的執行 5.5基於設備端(GPU端)大記憶體的MATL

AB程式的加速 5.6例子 5.6.1卷積神經網路前向傳播的卷積層 5.6.2卷積神經網路前向傳播的啟動函數 5.6.3卷積神經網路前向傳播的降採樣層 5.6.4卷積神經網路後向傳播的升採樣層 5.6.5卷積神經網路後向傳播的卷積層 5.6.6卷積神經網路後向傳播中的梯度計算 第6章MATLAB與C/C++的介面 6.1MEX庫API 6.1.1MEX相關的函數 6.1.2從MEX中調用MATLAB函數 6.1.3mexGet()函數 6.1.4MEX庫API與輸入輸出相關的函數 6.1.5MEX庫API與鎖定相關的函數 6.2MATLAB的C/C++矩陣庫API

6.2.1定義MEX函數的資料類型 6.2.2創建陣列、分配記憶體和釋放記憶體 6.2.3資料類型校驗： 陣列的資料類型和性質 6.2.4資料存取： 從陣列讀取和寫入資料 6.2.5資料類型轉換： 將字串陣列和結構陣列轉換成物件陣列 6.3MEX函數編譯器 6.3.1MEX介紹 6.3.2編譯MEX 6.3.3MEX文件的查錯 第7章基於CUDA庫的MATLAB加速 7.1基於CUDA庫的MATLAB加速簡介 7.2基於ArrayFire庫的MATLAB加速簡介 7.2.1ArrayFire簡介 7.2.2ArrayFire陣列 7.2.3ArrayFire函數

7.2.4CUDA的混合程式設計 7.2.5實例 7.3基於其他CUDA庫的MATLAB加速簡介 第8章GPU計算簡介 8.1晶片技術的發展與摩爾定律 8.2每秒浮點運算次數 8.3GPU計算加速的度量 8.3.1GPU程式的加速比 8.3.2阿姆達爾定律和古斯塔夫森定律 8.3.3並行程式的並行狀況 8.4平行計算部件 8.4.1張量處理器 8.4.2現場可程式設計閘陣列 8.4.3類腦處理器 8.4.4視覺處理器 8.4.5物理處理器 8.4.6圖形處理器 8.5英偉達公司GPU簡介 8.5.1計算單元 8.5.2GPU記憶體 8.5.3計算能力

8.5.4GPU當前狀態的檢測 8.5.5GPU集群設置 8.5.6集群管理軟體 第9章CUDA程式設計簡介 9.1CUDA核 9.2CUDA執行緒與執行緒塊 9.2.1CUDA執行緒 9.2.2CUDA執行緒塊 9.3記憶體結構與管理 9.3.1全域記憶體 9.3.2共用記憶體 9.3.3鎖頁記憶體 9.3.4紋理記憶體和表面記憶體 9.4並行管理 9.4.1非同步並存執行 9.4.2流和事件 9.4.3同步調用 9.5CUDA流 9.5.1CUDA流的創建和結束 9.5.2默認CUDA流 9.5.3顯式同步 9.5.4隱式同步 9.5.5重疊

行為 9.5.6回呼函數 9.5.7CUDA流的優先順序 9.6CUDA事件 9.6.1CUDA事件的創建與清除 9.6.2CUDA事件的運行 9.7多設備系統 9.7.1多設備系統的初始化 9.7.2多設備系統的設備計數 9.7.3多設備系統的設備選擇 9.7.4多設備系統的CUDA流和CUDA事件 9.7.5不通過統一虛擬位址的多設備系統的設備間的記憶體複製 9.7.6通過統一虛擬位址的多設備系統的設備間的記憶體複製 9.8動態並行 9.8.1動態並行簡介 9.8.2動態並行的程式設計模型 9.8.3動態並行的環境配置 9.8.4動態並行的記憶體管理 9

.8.5動態並行的嵌套深度 9.9統一虛擬位址空間 9.9.1統一虛擬位址空間簡介 9.9.2統一記憶體程式設計的優點 9.9.3統一記憶體分配 9.9.4統一記憶體的連續性與並行性 9.9.5統一記憶體的檢驗 9.9.6統一記憶體的性能優化 9.10CUDA的編譯 9.10.1CUDA編譯工作流 9.11CUDA程式實例 9.11.1序列蒙特卡羅的類別分佈亂數 9.11.2哈爾變換 第10章CUDA程式優化 10.1CUDA程式優化的策略 10.2指令級別的優化 10.2.1算術指令輸送量最大化 10.2.2控制流指令 10.2.3同步指令 10.3執行

緒和執行緒塊級別的優化 10.3.1warp簡介 10.3.2CUDA執行緒塊的warp數量 10.3.3CUDA佔用率 10.3.4執行緒warp對設備端(GPU端)記憶體讀寫 10.4CUDA核級別的優化 10.4.1優化CUDA核參數 10.4.2減少記憶體同步 10.4.3減少寄存器總量 10.4.4提高指令層次的並行度 10.5CUDA程式級別的優化 第11章基於CUDA的MATLAB加速 11.1基於CUDAKernel的MATLAB加速 11.2基於MEX函數的MATLAB加速 11.3多GPU程式設計 11.4例子 11.4.1基於MEX函數的多

GPU矩陣相加 11.4.2基於MEX函數的多GPU的LSE函數 第12章總結 12.1加速MATLAB程式設計方法的比較 12.2進一步加速MATLAB 12.2.1多路多核處理器的MATLAB程式加速 12.2.2基於AMD公司GPU的MATLAB程式加速 12.2.3基於Intel公司Xeon Phi的MATLAB程式加速 參考文獻

具備安全導向虛擬機器內省技術的惡意程式沙盒系統

為了解決AMD 代碼的問題，作者王嘉偉 這樣論述：

沙盒系統已被廣泛使用於惡意程式動態分析之應用，其基於虛擬機器技術之實作可用以提供隔離之執行環境，將樣本程式執行於沙盒系統之客戶機中，可有效防堵惡意攻擊擴散至外界真實電腦乃至妨礙分析系統之運作。然而，虛擬機器技術並非原生支援資訊安全之應用，因此在建構惡意程式動態分析之沙盒系統的過程中將無可避免地遭遇系統語意重建以及透明性等挑戰。此外，新型惡意程式多會具備躲避分析之能力，當偵測執行環境可能處於沙盒系統中，則隱藏其惡意行為以規避分析，如何有效分析出一樣本是否存在躲避分析之行為亦趨成為沙盒系統實作之挑戰。本篇論文將提出CADRE、VMCloak與EASE等三個系統，針對因上述等挑戰所引發之安全議題進

行探討並提出解決的方法，以促進沙盒系統於惡意程式行為分析之安全性與可用性。CADRE透過執行時期之上下文關係來排除資料結構逆向分析因多重資料欄位所導致之不確定性，進而提升沙盒系統在透過虛擬機器記憶體重建客戶機系統語意時之準確性。VMCloak保護放置於客戶機內之代理程式不會遭受惡意程式的破壞，其基於虛擬機器技術所實現之即時二進制代碼改寫，可確保代理程式的隱匿執行與完整性。此外，VMCloak亦是第一個可以直接套用在傳統執行檔之客戶機代理程式保護機制。EASE率先提出一自動化機制來為惡意程式躲避行為分析挑選適合之符號化變數來源，傳統方式所遭遇之變數涵蓋率與符號化變數過剩等難題將可被大幅改善，令惡

意程式更難繞過躲避行為分析器之監測，進而提升沙盒系統之效率與有效性。