处理器/DSP
采用SOPC为的思路的指纹识别模块设计
指纹识别模块的硬件设计采用 SOPC的设计思路［1］，在FPGA内部实现指纹读取 UART接口、FLASH存储器接口、SDRAM控制器、PIO控制的键盘和 LCD显示接口。
SDM710是什么处理器？SDM710和SDM845哪个好？
5月24日，高通正式发布了骁龙700系列的首款芯片：骁龙710，这款新品定位高端次旗舰，CPU采用2大核+6小核设计，GPU为Adreno 616，支持X15基带，4×MIMO，最高下行速率为800Mbps，同时骁龙710还有2倍AI性能提升。
一文解析DSP与AD7656的高速AD采集电路
本文首先介绍了AD7656工作原理与应用，其次介绍了TMS320C6713芯片概述及特点，最后详细介绍了TMS320C6713 DSP与AD7656的高速AD采集电路设计详情。
2018-05-18 标签：DSPAD7656TMS320C6713B 617
联发科P60和骁龙660对比 谁要更胜一筹
高通骁龙660采用的是自家的Kryo260八核芯，GPU为Andreno512，支持Cat12／13 LTE网络，支持LPDDR4X内存以及UFS2．0闪存，快充上最高支持QC4，并且采用了三星的14nmFinFET工艺；联发科Helio P60则采用的是台积电最新的12nm工艺，该工艺由此前被广泛应用的台积电16nm改良而来，拥有更高的晶体管集成度、更好的性能、以及更低的功耗。
AD7656与DSP的并行接口设计电路及程序分享
本文首先介绍了TMS320F2812软硬件参数和TMS320F2812主要特点，其次介绍了AD7656相关概念与特性，最后介绍了AD7656与TMS320F2812的接口设计及程序分享。
2018-05-16 标签：DSPTMS320F2812AD7656 722
一张图看懂GPU计算能力超强的原因是什么
下图对CPU与GPU中的逻辑架构进行了对比。其中Control是控制器、ALU算术逻辑单元、Cache是cpu内部缓存、DRAM就是内存。可以看到GPU设计者将更多的晶体管用作执行单元，而不是像CPU那样用作复杂的控制单元和缓存。从实际来看，CPU芯片空间的5%是ALU，而GPU空间的40%是ALU。这也是导致GPU计算能力超强的原因。
基于GPU下AGP显卡的渲染流程
首先根据下图粗略说明一下当前普遍流行的AGP（Accelerated Graphics Port，图形加速端口）显卡的渲染流程。
浅谈GPU的渲染流水线实现
颜色表示了不同阶段的可配置性或可编程性：绿色表示该流水线阶段是完全可编程控制的，黄色表示该流水线阶段可以配置但不是可编程的，蓝色表示该流水线阶段是由GPU固定实现的，开发者没有任何控制权。实线表示该shader必须由开发者编程实现，虚线表示该Shader是可选的.
GPU光栅化阶段和几何阶段的术语介绍
GPU流水线主要分为两个阶段：几何阶段和光栅化阶段 几何阶段 顶点着色器 ——> 曲面细分着色器（可选）----->几何着色器（可选）----->裁剪——>屏幕映射 顶点着色器 流水线的第一个阶段，输入来自于CPU，处理的基本单位为单个顶点，输入的每个顶点都会调用一次顶点着色器。
2018-05-07 标签：gpu 155
Cache是什么 CPU和GPU对于cache的应用
在计算机存储系统的层次结构中，介于中央处理器和主存储器之间的高速小容量存储器。它和主存储器一起构成一级的存储器。高速缓冲存储器和主存储器之间信息的调度和传送是由硬件自动进行的。
适合在GPU上运行的程序 挖矿为何只用GPU
满足以上两点，就可以用GPU做运算了。 不过你还得先用Open CL 把能在GPU上运行的程序写出来， 这也是很麻烦的，写一下就知道了。 而且GPU的架构比较特殊，要想写出高效率的程序，要花很多很多时间。很久以前，大概2000年那时候，显卡还被叫做图形加速卡。一般叫做加速卡的都不是什么核心组件，和现在苹果使用的M7协处理器地位差不多。
主流的移动GPU研究分析
现在的手机发展远远超出大部分人的预料，四核CPU的出现，内存达到2G，这都是以往我们不敢想象的。但是除了CPU、内存，我们常常会忽视一个很重要的角色——GPU， 现在的手机发展远远超出大部分人的预料，四核CPU的出现，内存达到2G，这都是以往我们不敢想象的
GPU Cache不能编辑顶点的真相解密
GPU cache是由Alembic文件派生出来的一种文件格式，为获取Maya中快速播放的性能专门做了优化。这些性能的提升来自于GPU cache文件求值的方式。GPU cache节点会避开Maya的dependency graph求值机制，把缓存数据直接发送到系统的图形卡接口进行处理。
GPU运算速度比CPU快的原因 GPU和CPU的区别
GPU采用了数量众多的计算单元和超长的流水线，但只有非常简单的控制逻辑并省去了Cache。而CPU不仅被Cache占据了大量空间，而且还有有复杂的控制逻辑和诸多优化电路，相比之下计算能力只是CPU很小的一部分
GPU并行化编程优点及未来发展趋势
虽然GPU并不适用于所有问题的求解，但是我们发现那些对运算力量耗费巨大的科学命题都具备天然的“”特色。这类程序在运行时拥有极高的运算密度、并发线程数量和频繁地存储器访问，无论是在音频处理、视觉仿真还是到分子动力学模拟和金融风险评估领域都有大量涉及。这种问题如果能够顺利迁移到GPU为主的运算环境中，将为我们带来更高效的解决方案。
GPU原理 GPU渲染流程
GPU渲染流水线，是硬件真正体现渲染概念的操作过程，也是最终将图元画到2D屏幕上的阶段。GPU管线涵盖了渲染流程的几何阶段和光栅化阶段，但对开发者而言，只有对顶点和片段着色器有可编程控制权，其他一律不可编程。
2018-04-27 标签：gpu 457
一文解析Cortex-M处理器架构特性
本文主要介绍的是Cortex-M处理器架构特性，分别从编程模型、异常处理模型和嵌套向量中断控制器NVIC、操作系统支持特性、TrustZone安全扩展及错误处理等几个方面来详细解析，具体的跟随小编一起来了解一下。
ARM实时处理器Cortex-R8介绍_Cortex-R系列...
说起起ARM处理器，大家肯定都会想到Cortex-A系列，但这只是人家三大产品线之一的高性能应用处理器，同时还有非常低调的Cortex-M系列微控制器、Cortex-R系列实时处理器。本文主要和大家说说Cortex-R系列，衍生产品中体积最小的ARM处理器，这一点也最不为人所知。
ARM CortexA-72处理器详解_性能如何
ARM虽然是家小公司，但他们是整个ARM处理器阵营的核心，除了苹果、高通等极少数可以自己开发ARM兼容架构的公司之外，联发科、海思等大多数公司都会直接使用ARM的公版Cortex-A架构授权。
编辑推荐厂商产品技术软件/工具OS/语言
| 开关电源 | 步进电机 | 无线充电 | 自动驾驶 | EMC | PLC | OLED | AI |
| 5G | m2m | 无人驾驶 | 神经网络 | 亚马逊 | 深度学习 | 比特币 | 机器视觉 |
| NB-IoT | LoRa | 大疆 | 特斯拉 | tensorflow | IoT | 威马汽车 | 寒武纪 |
| Type-C | 麒麟970 | 骁龙845 | 联发科 | 智能音箱 | 海康威视 | 无人机 | 黄仁勋 |
| 开关电源 | 步进电机 | 无线充电 | LabVIEW | EMC | PLC | OLED | 单片机 |
| 5G | m2m | DSP | MCU | ASIC | CPU | ROM | DRAM |
| NB-IoT | LoRa | Zigbee | NFC | 蓝牙 | RFID | Wi-Fi | SIGFOX |
| Type-C | USB | 以太网 | 仿真器 | RISC | RAM | 寄存器 | GPU |
| 语音识别 | 万用表 | CPLD | 耦合 | 电路仿真 | 电容滤波 | 保护电路 | 看门狗 |
| CAN | CSI | DSI | DVI | Ethernet | HDMI | I2C | RS-485 |
| SDI | nas | DMA | HomeKit | 阈值电压 | UART | 机器学习 | TensorFlow |
工商网监