demi的博客

CPU在游戏中的主要分工，主要分为两个部分：设置渲染状态和调用DC。 其中设置渲染状态属于比较重要的分工，对于加载到游戏中的资源和对象等，CPU需要计算其顶点相关的矩阵，渲染所用的贴图，渲染所用到的材质和shader，渲染所用到的灯光等。

从1995年比尔.盖茨首次提及物联网概念到今天，物联网已成为新一代信息通信技术发展的典型代表，在经历了“虚张声势”的概念炒作阶段后，目前已进入到全面实践应用的新阶段，正深刻改变着传统产业形态和人类生产生活方式。然而，随着近年来物联网安全攻击事件日益频发，对用户隐私、基础网络环境的安全冲击也越来越突出。

虽然RNN网络能够捕捉长时信息，但毕竟能力有限，在对待全局时序信息时需要我们引入注意力机制，可以显著提高模型的准确率。无论你的模型效果如何，引入注意力是一个不错的选择。

渲染流水线可以分为三个概念性阶段：应用阶段，几何阶段，光栅化阶段。游戏场景中的物体渲染都是基于可编程流水线实现的，其实就是把绘制的3D物体通过可编程流水线绘制在2D的屏幕上的过程。渲染简单的理解可能可以是这样：就是将三维物体或三维场景的描述转化为一幅二维图像，生成的二维图像能很好的反应三维物体或三维场景.

图像处理常用算法：（1）边缘检测：Canny 算子、Laplacian算子、Sobel 算子 ；（2）Hough变换检测直线和圆算法 ；（3）图像分割：阈值分割算（也叫二值化）、区域分割算法 ：区域生长法、分裂合并法、空间聚类法。

对于不在摄像机拍摄范围内的对象，对这一对象的绘制是完全没有必要的，所以可以用到遮挡剔除技术：将静态物体勾选static；选择Windows->Occlusion Culling打开遮挡剔除窗口，单机Bake；修改bake界面的参数大小，可以修改Bake的单元的大小......

目前全球待解决的十大挑战有哪些？1. 碳封存；2. 电网储能；3. 通用性流感疫苗；4. 老年痴呆症的治疗；5. 海洋清理；6. 节能海水淡化；7. 安全的无人驾驶汽车；8. 机器人的应用；9. 地震预测；10. 大脑解码。

我们发展人工智能，核心目的是为了用人工智能来解决我们日常工作生活中的各种问题，机器学习当然也不例外。那机器学习适合解决哪些问题呢？首先，我们一定要知道，机器学习不是万能的。其次，我们要认识到日常工作生活中的最大任务是“决策”。最后，“决策”背后的本质是“分类”。

在如今这个充满焦虑的年代，产业能看到的机会并不多，所以各方也都纷纷在尝试，也许最终的赢家不是我，但是经历过程收获经验，又何必太在意结果呢。

本文详细描述GPU是如何实现概念阶段的后两个阶段——几何阶段和光栅化阶段可以分成若干个更小的流水线阶段，这些流水线阶段由GPU来实现，每个阶段GPU提供了不同的可配置性或可编程性。