矢量化

vectorization

精选阅读

作者：Stephan Ofosuhene

本文将介绍英特尔提供的各种工具：Intel® Movidius™ 神经计算棒、Intel® Python 发行版 for Python™、Intel® 数学核心 DNN 库、Intel® 数据分析加速库、Intel® OpenVINO™ 工具包发行版

一个 C++ 字符串类

作者：Espen Harlinn

一个快速、引用计数的、写时复制的字符串类

基准测试 .NET Core SIMD 性能与 Intel ISPC

作者：Allister Beharry

.NET SIMD 程序使用 Vector 类型，其性能与 Intel ISPC 和开源 C++ SIMD 库相当，同时在高级语言中满足了相同的 SIMD 开发人员生产力目标。

Bird 编程语言：第一部分

作者：Dávid Kocsis

一种新的通用语言，旨在快速、高级且易于使用。

所有文章

顶部

vectorization

Intel 的 6 款工具，用于加速深度神经网络

作者：Stephan Ofosuhene

一个 C++ 字符串类

作者：Espen Harlinn

一个快速、引用计数的、写时复制的字符串类

基准测试 .NET Core SIMD 性能与 Intel ISPC

作者：Allister Beharry

.NET SIMD 程序使用 Vector 类型，其性能与 Intel ISPC 和开源 C++ SIMD 库相当，同时在高级语言中满足了相同的 SIMD 开发人员生产力目标。

Bird 编程语言：第一部分

作者：Dávid Kocsis

一种新的通用语言，旨在快速、高级且易于使用。

提高大数据应用程序中 Java 的性能

作者：Kumar_Shiv, Rahul Kandu

提高大数据应用程序中 Java 的性能

使用 Boost.odeint 和 Boost.SIMD 加速 ODE 模拟。

作者：Mario Mulansky

将 Boost.odeint 与 Boost.SIMD 结合使用，可获得三倍的性能提升。

使用 Python 构建推荐系统

作者：MehreenTahir

本文将帮助您使用 Python 构建不同类型的基本推荐系统。

Caffe 针对 Intel® 架构进行了优化：应用现代代码技术

作者：Intel

本文介绍了一个 Caffe 的特殊版本——一个最初由 Berkeley Vision and Learning Center (BVLC) 开发的深度学习框架——它针对 Intel® 架构进行了优化。

代码现代化实战：线程、内存和矢量优化

作者：Intel

利用最新的 Intel® 软件开发工具更有效地利用硬件。

使用 AVX 和 AVX2 进行数字运算

作者：Matt Scarpino

本文解释了如何使用 Intel 的高级矢量扩展 (AVX) 本征函数在 C/C++ 中执行数学 SIMD 处理。

基于Intel®架构的平台上的NDK驱动Android游戏应用程序的开发和优化

作者：Android on Intel

基于Intel®架构的平台上的NDK驱动Android游戏应用程序的开发和优化

有效利用您的整个集群

作者：Rama Kishan Malladi

优化 Intel® 架构上的 SPECFEM3D_GLOBE 性能

有效利用您的整个集群

作者：Intel

优化 Intel® 架构上的 SPECFEM3D_GLOBE 性能

使用 Intel® Advisor Python API 获取性能洞察

作者：Intel

获取高质量数据以做出代码调优决策

XAML 和 WPF 中的图形

作者：r.stropek

XAML 和 WPF 中的图形

OpenMP 20 岁生日快乐

作者：Intel

使并行编程对 C/C++ 和 Fortran 程序员易于访问——并为 Exascale 计算提供软件路径。

您的向量化效果如何？

作者：Intel

使用 Intel® Advisor 深入了解您的应用程序向量化的程度

Lustre 开发社区如何将 ZFS 作为 Lustre 后端文件系统进行推进

作者：Intel

一些正在集成到开源 Lustre 中的开源项目旨在提高可靠性、灵活性和性能，将 ZFS 中内置的企业级功能与 Lustre 对齐，并增强有助于在 ZFS 上轻松部署 Lustre 的功能。

HPC 与 R：基础知识

作者：Intel

我们将从一些历史和基础知识开始，每个使用 R 并关注性能的人都应该知道。

识别并行应用程序中的可伸缩性问题

作者：Intel

如何使用新的 Intel® VTune™ Amplifier 内存分析来提高 Intel® Xeon 和 Intel® Xeon Phi™ 处理器的可伸缩性

虚幻的 XAML：重塑 Benham's Top

作者：Sergey Alexandrovich Kryukov

1895 年发明的 Benham's Top 的神秘之处，以及 Fechner 色彩效应，至今仍未完全揭开。WPF 和 XAML 有助于大大加速研究。

C# 中的图像处理基础

作者：Tolga Birdal

本文演示了使用 C# 进行基本图像处理算法

使用 pip 和 PyPI 安装 Intel® Distribution for Python 和 Intel® Performance Libraries

作者：Intel

使用 pip 和 PyPI 安装 Intel® Distribution for Python 和 Intel® Performance Libraries

Intel Advisor - 矢量化方法的 Roofline 分析和建议

作者：Jeffrey T. Fritz

在本视频中，Jeff 使用 Intel 的 Advisor 分析了一组简单的循环和数组。我们生成了 roofline 分析图，并检查了改进代码中 CPU 和内存使用模式的建议。

Intel AVX：性能改进和能效的新前沿

作者：Intel Software Network

本文将简要介绍 ISA，然后概述 Intel AVX 的新指令和功能，以及这些创新指令在各种应用程序和编程模型中的优势。

Intel® Advisor 评测

作者：theonemule

要充分利用并行化功能，开发人员必须改变他们的编码方式。但是，通过 Intel 的并行化工具 Intel Advisor，可以进行大量的优化。

Intel® Advisor Roofline 分析

作者：Intel

一种可视化性能优化权衡的新方法

Intel® System Studio 2017 Beta

作者：Android on Intel

Intel® System Studio 2017 Beta 已发布。这是 Beta 程序页面，可进一步指导您了解 Intel® System Studio 2017 Beta 的新功能和增强的用户体验。

Julia：高性能计算的高级语言

作者：Intel

JuliaProject 在科学计算领域不断突破新界限

闪电般的 R 机器学习算法

作者：Intel

使用 Intel® Data Analytics Acceleration Library 和最新的 Intel® Xeon Phi™ 处理器获得成果

测量图分析性能

作者：Intel, Henry Gabb

图是表示一组对象及其之间关系的好方法。图分析是从实体之间的连接中提取信息的集合。

为 Intel® Xeon Phi™ 处理器现代化您的代码

作者：Intel

新的 Intel® Xeon Phi™ 处理器（代号 Knights Landing，或 KNL）是 Intel 的首款处理器，可提供加速器的性能以及您期望从标准 CPU 中获得的所有优势。

图分析基准测试的更多冒险

作者：Intel

让我们看看 Louvain 算法的基准测试。

更高效的数值模拟

作者：Intel

新西伯利亚州立大学使用 Intel® Parallel Studio、Intel® Advisor 和 Intel® Trace Analyzer and Collector 将模拟工具的性能提高了 3 倍。

通过 Roofline 分析优化应用程序性能

作者：Intel

NERSC 使用 Intel® Parallel Studio 和 Intel® Advisor 将其科学应用程序在 Intel® Xeon Phi™ 处理器上的性能提高了 35%。

Python 中的并行性

作者：Intel

消除误解，提供实现并行性的工具

使用 Numba 在 Python 中实现并行

作者：Intel

在本文中，我们将探讨如何通过 Numba 实现并行。

Python 中的并行性：使用NumExpr 进行向量化指令

作者：Intel

在本文中，我们将探讨如何重构 Python 代码以利用 NumExpr 的功能。

使用 Intel® 工具优化 PhonoPaper

作者：Android on Intel

由于 Intel 借给我一台 x86 架构的 Android 平板电脑进行测试，PhonoPaper 得到了改进和优化。

Python 代码分析

作者：Intel

探索 Intel® VTune™ Amplifier 为 Python 应用程序提供的性能分析选项，以识别最耗时的代码段和关键调用路径。

基于 Intel® 架构平台的 H.265/HEVC 实时端到端解决方案

作者：Android on Intel

本文将探讨 HEVC 编解码器的特性，并优化基于 CPU 的软件视频转码技术，从而提供最佳的视频质量和最灵活的编程模型。

使用 Intel® Advisor 消除内存瓶颈

作者：Intel

了解程序如何访问内存有助于您更好地利用硬件。

在 CPU 上模拟 CUDA/OpenCL，并进行自动向量化和与串行标量代码的速度对比

作者：tugrulGtx

一个小型工具，用于编写各种算法，如同编写 CUDA/OpenCL 内核一样

使用新的 Intel® System Studio 2018 加速系统和 IoT 设备应用程序开发

作者：Intel

Intel 刚刚发布了 Intel® System Studio 2018，这是一个一体化的、跨平台的、全面的系统和 IoT 设备应用程序开发工具套件。

Alphablend 代码的 SSE2 向量化

作者：Shao Voon Wong

使用 SSE2 加速 alpha 混合。

使用 Intel® C++ 编译器逐步优化性能。

作者：Intel

使用 Intel® C++ 编译器逐步优化性能。

测试 Xcode 的自动矢量化

作者：ed welch

XCode 的自动矢量化在实践中表现如何？

OpenMP API 规范的现在和未来

作者：Intel

这个黄金标准的并行编程语言是如何随着每个新版本而改进的。

优化 x86 上 Android 应用的技巧和窍门

作者：Android on Intel

本文将重点介绍优化 NDK 应用。这些可能仅是 C/C++ 代码，或者可能包含第三方库和/或汇编代码。

新 Android* 世界中的受信任工具：优化技术 - 从 Intel® SSE Intrinsics 到 Intel® Cilk™ Plus

作者：Android on Intel

本文将讨论 Android 上的优化需求和方法，并通过一个案例研究，介绍如何优化多媒体和增强现实应用程序。

作者：Intel

利用最新架构特性的最佳实践。

释放大数据分析和机器学习的力量

作者：Intel

为了帮助创新者应对机器学习的复杂性，我们将通过熟悉的英特尔® 软件工具向开发人员提供性能优化，特别是通过 Intel® 数据分析加速库 (Intel® DAAL) 和对 Intel® 数学核心库的增强。

在 Arduino Create 中使用 Intel® 数学内核库

作者：Intel

本文档介绍了使用 Intel® 数学内核库 (Intel® MKL) 的用例并提供了示例。

将Emscripten编译器与Intel® XDK一起使用

作者：Android on Intel

Intel(R) XDK是一款HTML5跨平台开发工具，提供了一种简单快速的方式将您的应用推向市场。 Emscripten编译器和Intel XDK现在为您提供了另一种选择，可以使用C和C++作为应用程序的一部分来发布应用。

矢量化——又一次变得重要

作者：Intel

开源代码 WARP3D 证明了对矢量化兴趣的复兴。

利用 Intel® AVX-512 进行矢量化以提高性能的机会

作者：Intel

Intel® 编译器如何矢量化和加速循环的示例

Visual C++ 11 Beta并行循环基准测试

作者：Shao Voon Wong

OpenMP、Parallel Patterns Library、Auto-Parallelizer和C++17 Parallel for_each之间的基准测试。

VS11 中原生开发的最新功能

作者：Marius Bancila

在本文中，我将列出并讨论一些用于原生开发的新功能或改进功能（但不是全部）。

我的 CRC 出了什么问题？

作者：Intel

我正在为 IoT 设备开发一个连接库。每个通信协议的一个重要部分是数据完整性检查。

XorShift Jump 101，第 2 部分：多项式算术

作者：Member 4201813

逐步解释 XorShift RNG 的跳转前进/后退过程

矢量化

精选阅读

最新文章

所有文章

vectorization