2024-11-28 周四 20:00 开播 报名中
SiRider S1是安谋科技、芯擎科技和瑞莎计算机携手专为工业领域打造的单板计算机，可广泛应用于AI、工业制造、智能机器人等领域。本期公开课，阿加犀的技术专家将深入分享基于AidLux融合系统开发平台与AI工具链，围绕SiRider S1芯擎开发板打造的服务机器人单板卡解决方案。该服务机器人在单SoC中部署了完整的多传感器融合...
2024-10-31 周四 20:00 开播 回顾中
随着AI技术的蓬勃发展，智能汽车、AI PC、AI手机、智能家居、AR/VR等新兴终端应用场景不断涌现，多媒体信息处理任务日益复杂，对图像显示处理、高清视频处理能力提出了更高要求。安谋科技自研多媒体处理器新品，针对主流市场对高画质显示、高清视频编解码不断迭代的需求，提供了更高效灵活的解决方案，为各类智能化多媒...
2024-10-16 周三 20:00 开播 回顾中
随着AI大模型加速向边缘侧和端侧渗透，NPU（神经网络处理器）因其更简洁的控制流及更高的能效比，成为处理AI工作负载的关键算力资源。安谋科技自研“周易” NPU面向大模型场景进行了架构、内存墙等多方面改进，能够显著提高AI应用开发的生产效率。本期极术公开课，安谋科技的两位技术专家将分别围绕Yolov4轻量级模型、Micr...
2024-09-05 周四 20:00 开播 回顾中
本期极术公开课，瑞莎计算机的技术专家将针对SiRider S1进行全面剖析。他将详细介绍在芯擎科技工业级“龍鹰一号”SE1000-I处理器及安谋科技自研“周易”NPU的加持下，该开发板如何为工业级产品提供强大的AI算力，从而轻松应对多样化的应用场景需求。
2024-08-08 周四 20:00 开播 回顾中
本次公开课为2024年极术社区Infra系列公开课第二场，由安谋科技高级软件经理别再平分享。 公开课将重点介绍Arm服务器的软件生态以及性能优化方法论和相应工具，详细介绍Arm架构服务器的性能分析方法，包括SPE（统计性能分析扩展）和Top-Down方法论的支持，这些工具和方法将帮助用户深入分析性能瓶颈，充分发挥Arm服务器...
2024-07-25 周四 20:00 开播 回顾中
随着时代的发展、科技的进步，安全需求的趋势也越来越明显，ARM也一直在调整和更新其新架构，很多都是和安全相关的。如下列出了一些和安全相关的架构
本文将分三个部分阐述如何实现 Android Native 内存泄漏监控，包括代理实现的三种方案（Inline Hook、PLT/GOT Hook、LD_PRELOAD）及其优缺点，以及如何检测Native内存泄露和获取Android Native堆栈的方法。本文将提供一套比较全面的解决思路，帮助大家更好地检测 Android Native 内存泄漏问题。
AvaotaA1提供两种连接串口输出方式，因为AvaotaA1需要DC 12V/2A/5.5-2.1电源适配器才可以启动系统，请先确保电源已接通。
IntroductionPricinple & MachenismHA01的内存地址空间BOOT ROM简介BOOT ROM中的Bootloader执行过程BVT的数据结构Practice源码中关于BVT的设计在集成开发环境中调试ConclusionReferenceIntroductionHA系列微控制器基于Arm Cortex-M7处理器内核，集成了Security Boot的功能。Security Boot的关键代码集成在BOOT ROM中的bo...
摘要：使用单个微控制单元(microcontroller unit,MCU)的车身域控制器由于缺少外部芯片监控主控MCU的工作情况,缺少对多点故障失效的诊断覆盖,影响潜在失效率。此外,单MCU由于芯片引脚不足,使用复选芯片后大幅增加了单点故障失效率,因而很难达到功能安全等级B的要求。为满足功能安全的要求,设计了一种基于国产车规芯片AC78...
算力经济时代，算力作为新质生产力，正推动着数字经济高质量发展。无论是人工智能大模型还是数字经济持续发展，对算力中心都提出更高的挑战。益企研究院自2018年发起“数字中国万里行”活动。 以深入实地的全面视角，立体展示中国算力产业的发展。
一些初学单片机的同学，刚刚入手做单片机开发，还没有涉及到使用RTOS，且刚入手直接上RTOS可能会有些难度，有的使用的相对较老单片机资源还有限，也不适合跑RTOS。
所谓⾃动驾驶辅助，就是“⽬标和事件探测与响应”需要由驾驶员和智能驾驶系统共同完成的智驾系统。智能驾驶辅助系统依赖于⼈机交互技术来实现与驾驶员之间的信息交流和指令传递，可以说智能驾驶辅助系统和⼈机交互系统之间的关系⾮常密切。HMI（ Human Machine Interface） 系统设计的⽬标，就是使驾驶员更加⽅便、⾼效地...
前文了解了LRU，对于LRU矩阵实现，由于矩阵的存在导致其所需要的资源会随着entry的增加而膨胀，今天来看下PLRU(tree-based Pseudo LRU)
