简介：我的读书笔记！没有任何格式，也不为了收获什么，单纯辅助阅读。

《哈利波特与魔法石》

• 米勒娃·麦格 –> 副校长
• 鲁伯·海格 –> 霍格沃兹的钥匙保管员和猎场看守
• 德思礼夫妇（女贞路4号）
  • 弗农·德思礼 –> 格朗宁公司主管（生产钻机）» 外甥：哈利
  • 德思礼太太-佩妮 » 妹妹：波特太太
  • 达力·德思礼（小儿子）
• 阿不思·邓布利多 –> 霍格沃兹魔法学校校长，国际巫师联合会会长，梅林爵士团一级勋章获得者，威森加摩首席魔法师
• 麦格教授
• 德达洛·迪歌
• 伏地魔
• 庞弗雷女士
• 莉莉和詹姆·波特
• 小天狼星布莱克
• 哈利·波特
  • 姨妈：佩妮
  • 姨夫：弗农·德思礼
  • 姑妈：玛姬（弗农·德思礼的姐姐）
• 费格太太
• 康奈利·福吉
• 破斧酒吧
  • 科多利
  • 德达洛·迪歌
  • 奇洛教授
• 对角巷
• 古灵阁
• 摩金夫人长袍专卖店
• 四大学院
  • 斯莱特林
  • 赫奇帕奇
  • 格兰芬多
  • 拉文克劳
• 丽痕书店
• 咿啦猫头鹰商店
• 奥利凡德
• 国王十字车站九又四分之三站台
• 海德薇
• 弗雷德和乔治·韦斯莱
• 罗恩·韦斯莱、珀西、金妮、比尔、查理
• 纳威
• 黑巫师格林德沃
• 尼可·勒梅
• 赫敏·格兰杰
• 克拉布、高尔
• 德拉科·马尔福
• 尼古拉斯·德·敏西–波平顿爵士
• 西莫·斐尼甘
• 血人巴罗
• 斯内普教授
• 管理员阿格斯·费尔奇
• 斯普劳特
• 宾斯教授
• 弗立维教授
• 霍琦女士
• 斯莱特林成员
  • 西弗勒斯·斯内普（院长）
  • 潘西·帕金森
  • 德拉科·马尔福、克拉布、高尔（三人组）
  • 马库斯·弗林特（队长）
• 格兰芬多成员
  • 米·麦格（院长）
  • 帕瓦蒂·佩蒂尔
  • 奥利弗·伍德（队长）
  • 查理·韦斯莱（已毕业，韦斯莱家族，现在研究火龙）
  • 弗雷德和乔治·韦斯莱（高年级学生，韦斯莱家族）
  • 李·乔丹
  • 纳威
  • 珀西（级长，韦斯莱家族）
  • 西莫·斐尼甘
• 学院成员：
  • 庞弗雷女士
  • 费尔奇
  • 洛丽丝夫人
  • 弗立维教授（魔咒课）
  • 奇洛教授
  • 尼可·勒梅
  • 平斯女士

《简单的逻辑学》

Fine，读了一会就没有继续读下去，庆幸自己不是学这类专业。我有理由相信这世界不是所有的知识对我都有价值，不是所有的书都是我该读的。

《法律常识一本全》

老实讲这本书对我还是有价值的，有法条，有案例和解释。但是我这月这个时间段有更急迫的事情要弄，所以翻了一下放弃阅读了。

Read More

简介：今年是2024年，我26岁。在过去的26年里我从未重试过英语，致使我英语听力、口语、阅读、写作极差，也使得我在过去的数次面试都因为英语吃过大亏，使得原本很好的机会从我身上滑过。我没办法再忽视英语，我必须攻克它，为我进一步提升自己的视野、事业机会、资源奠定基础。

入门

我已经错过了过去十几年的英语教育，我需要一个牵引——那便是雅思托福，听说读写四大项。

英语可拆分为词汇、语法、习惯用语，每一项均需要在听说读写四个维度掌握。同时，听说和读写往往文法是不同的，一种更偏向口语化，另一种更偏向文字化，这也有区别。

首先，我需要掌握词汇、语法，这是基础。然后，我需要利用好网络（比如Youtube等资源）进行积累和练习。这一切都有赖于日积月累，这将是一个逐渐习惯化的过程。所以，鉴于这项事务是一个长期的事情，而我还需要处理其它事情，因此，我需要在集中一段时间掌握基础之后，每天固定有3小时的英语练习时间，就放在每天的9:00-12:00。

事实上，我必须把最重要的事情放在一天的开头，也就是早上，比如读论文，制定计划。而利用下午的时间来执行有难度的工作，利用晚上的时间来执行重复性的工作，以及利用晚上的时间来进行娱乐放松。我需要肆意地安排自己的睡眠时间，因为我需要自己能掌控的随心所欲，所以我不会要求自己早起或者早睡，除非那是我想要的。不论如果，我需要知道，创造性的工作需要的是有创造性的头脑而不是盲目地堆砌时间。

事实上，以什么样的方式、角度切入来学习英语，我听过非常多种版本，有人说应当先从词汇开始，有人说那太枯燥，应该直接从读故事开始，或者有人说从句子开始、读日报开始……anyway，这些都是不错的建议，也许混着来就好，今天想读哪个是哪个，重在长期的积累。另外，我听力、口语是过去非常不重视的，这一次，我除了阅读务必要找地方找时间给自己练习口语，听力。

网上一些推荐16 個「免費」雅思 IELTS 自學資源，其中很多网站都推荐到IELTS Liz及其Youtube频道，现在的网络资源不是太少而是太多，所以我决定暂时只看IELTS Liz的频道，只有将其精华全部吸收之后再看别的，不然永远都只是在收藏而没有真正行动起来。

这又将是一场考验记忆力、理解力、悟性力的大挑战（上一次是高中或大学），老实讲，学习带来的充实感要比上班、读研的空虚感要让人幸福的多，仿佛得到知识本身就是一种奖励就会给人满足感、多巴胺。相比之下，

Read More

简介：对自己过去卖的纸质书做一个清理，以后非必要不再买纸质书，因为纸质书占空间、难清理，以后直接买对应电子书。尤其是技术类书，善用搜索和Github有太多太多资源，实在没必要买，尤其是我还需要经常搬家。

技术类

• 《C++ Primer Plus （第六版）中文版》：异步社区的书在电子书这方面做的不错。
• 《数字设计和计算机体系结构》：电子书已存百度网盘
• 《深度学习》：三巨头早年的书，网上电子版很多
• 《数据结构与算法（Python语言实现）》：
• 《算法导论》：真本书实在太厚
• 《算法》：也是本厚书
• 《通用图像处理器设计（GPGPU编程模型与机构原理）》：
• 《Verilog数字系统设计》：
• 《深入理解计算机系统》：是本好书，但是真的好厚
• 《计算机组成与设计（硬件/软件接口）
• 《高性能超标量CPU（微架构剖析与设计）》
• 《AI加速器架构设计与实现》
• 《Verilog编程艺术》
• 《自己动手写CPU》
• 《超标量处理器设计》
• 《智能计算系统》
• 《数字集成电路——电路、系统与设计》
• 《计算机体系结构——量化研究方法（第6版）
• 《Python数据结构与算法分析（第2版）》
• 《labuladong的算法小抄》
• 《算法图解》
• 《数据结构（C语言版）
• 《数据结构题集（C语言版）
• 《深度学习实战——基于TensorFlow 2和Keras（原书第2版）》

非技术类

之后这类书能找到电子版还是买电子版吧，搬家方便。

• 《见识》（吴军）
• 《计算之魂》（吴军）
• 《国富论》
• 《哈利波特与魔法石（全彩绘本）

网络资源

在整理自己旧书的时候，巧然发现网络其它电子书资源，这里给自己做一个整理，并将其放入自己的百度网盘。不放Github是因为Github下载几个G的电子书以及下载单本书也挺不方便的。求人不如求己，掌握在我自己手里心理才爽。

分类的时候，由我按照我自己的理解进行划分，方便我自己，电子书名命名采用原书名加出版年份的方式，排序时并把老书方后面，因为技术迭代浩浩汤汤，早年的技术书籍参考价值大打折扣，往往必然有讲解更好、或者针对同一问题更好的解决方案。没办法，世界的客观规律就是这样残酷无情，世界在往年走但不意味着谁都能更上。我也时常感到自己跟不上世界的变化而焦虑、萎靡。

其余智能算法

• 2015 -《智能方法及应用》
• 2011 -《MATLAB智能算法30个案例分析》
• 1998 -《遗传算法原理及应用》

数据结构与算法

• 2017 -《趣学算法》
• 2009 -《算法竞赛入门经典完整版》
• 2006 -《算法导论中文版》（第二版）

AI算法

• 2019 -《Automated Machine Learning - Methods, Systems, Challenges》
• 2018 -《Deep Learning With Python》 - 英文版
• 2018 -《Deep Learning With Python》 - 中文版
• 2018 -《Applied Deep Learning with Python》
• 2018 -《Machine Learning Yearning》（吴恩达）- 英文版
• 2018 -《Machine Learning Yearning》（吴恩达）- 中文版
• 2018 -《scikit-learn机器学习：常用算法原理及编程实战》
• 2018 -《解析卷积神经网络—深度学习实践手册》
• 2017 -《深度学习》- 英文版
• 2017 -《深度学习》- 中文版
• 2017 -《终极算法——机器学习和人工智能如何重塑世界》
• 2015 -《Spark机器学习》
• 2015 -《机器学习算法原理与编程实践》
• 2016 -《Introduction to Machine Learning with Python》
• 2016 -《Python机器学习及实践-从零开始通往Kaggle竞赛之路》
• 2016 -《白话大数据与机器学习》
• 2016 -《机器学习》（周志华）
• 2016 -《神经⽹络和深度学习》
• 2016 -《Python神经网络编程》
• 2013 -《机器学习之实用案例解析》
• 2012 -《Machine Learning in Action》- 英文版
• 2012 -《Machine Learning in Action》- 中文版
• 2012 -《Machine Learning A Probabilistic Perspective》
• 2012 -《统计学习方法》（第一版）
• 2011 -《Data Mining - Practical Machine Learning Tools and Techniques》 (3rd Ed)
• 2011 -《机器学习》（Tom M. Mitchell）
• 2009 -《机器学习导论》
• 2007 -《Programming Collective Intelligence》
• 2006 -《机器学习及其应用》
• 2006 - 《Pattern recognition and machine learing》- 英文版
• 2006 - 《Pattern recognition and machine learing》- 中文版
• 1997 -《Machine Learning》（Tom.Mitchell）

数学

• 2018 -《Mathematics_for_Machine_Learning》
• 2015 -《统计学习导论——基于R应用》
• 2012 -《The Matrix Cookbook》
• 1992 -《泛函分析基础》
• 1985 -《矩阵分析》（Roger.A.Horn）

Python

• 2018 -《Python 3-from None to Machine Learning》
• 2018 -《Full Speed Python》
• 2018 -《笨办法学Python》（第三版）
• 2014 -《Python数据分析基础教程：NumPy学习指南》（第2版）
• 2013 -《Python For Data Analysis》
• 2008 -《Python核心编程》（第二版）

Read More

简介：在我眼里，计算机常被用来做计算、控制和演示。我突然意识到，我们大脑中的想象，除了用文字保存记录下来，我还可以用程序进行模拟，做成一个可以交互的网页。而网页比其它表现形式更容易给人展示、演示。所以，我想掌握网页设计这一大杀器，把我的想象做成网页。【另外，我意识到这世上有很多有意义的事情可以做，不是只有上班赚钱这一件事情，这些有意义的事情不一定能给我带来什么利益，但，那比任何物质都更能体现我的存在、我存在的意义。人常常陷入萎靡，但我希望人不萎靡的时候做些独一无二的有意义的事情。】

入门

我觉得这是一个非常通用的技能，可以在之后的任何场合用网页的形式展示我的想法，并集成到我的个人网站中，这非常炫酷，所以我要扎扎实实掌握一下，而不是只会依赖ChatGPT。

首先要掌握HTML，

Read More

简介：对看到的各种芯片架构模拟器进行整理汇总。

NPU

| 发布日期 | 名称 | Github地址 | 论文地址 | | —- | — | ———- | ——- | | 2024 | ONNXim | Github | paper | | 20xx | mNPUsim | Github | | | 20xx | NPUsim | Github | | | 20xx | Accel-Sim | Github | paper

Read More

简介：为什么在AI时代，需要重新重新构建AI计算系统（包括设计AI芯片、AI编译器、AI框架等），难道用之前旧的那一套不行吗？对于这个问题，我理解不深，我希望能仔细探究一番。

入门

首先是性能，传统CPU计算系统必然是不可能满足现在的AI算法对计算性能和存储带宽的需求的，但是不是有GPU吗？其次就是能效和成本，尽管GPU并行计算能力已经非常强大，但是在能耗和成本方面并不总是最优，专用芯片ASIC可以在处理特定任务时显著降低功耗和成本，提高性价比。的确，发展专用的AI专用芯片可以在性能、能效和使用成本上吊打GPU（缺点是研发成本高）。另外，不同的应用场景（如自动驾驶、物联网、边缘计算等）对计算需求和资源的要求各不相同。通过开发多样化的AI芯片，可以更好地满足不同市场的需求，从而推动技术的普及。而且，科学家还需要研究新型计算模式，比如量子计算、光子计算。

Read More

简介：今天接触到了嵌入式AI，或者叫Edge AI。今天我们在国产ARM主机，ARM MCU上都可以面临着新的运行AI算法的需求。这些嵌入式端或者边缘端的市场需求比如有：自动驾驶系统，机器人系统，无人机系统，消费电子产品等，当然这当中每一个领域都很大，但是毋庸置疑，将AI算法部署到这些应用的嵌入式芯片上确实是一个新增的需求点。

TinyML

Tiny Machine Learning (TinyML) 专注于在安全、低延迟、低功耗和低带宽的边缘设备上开发和部署机器学习模型。在资源受限的微控制器上实现低资源消耗、低功耗的机器学习算法（Matthew Stewart）。

为什么需要发展TinyML：

1. TinyML涉及的微控制器体积下、成本低、能效高，电池一次可供电数年。
2. TinyML是边缘人工智能的一个子集，具有边缘计算的许多优势：
   • 可进行实时本地计算，降低延迟
   • 降低远程通信要求，降低带宽成本
   • 卓越的可靠性，即使在网络连接中断时也能持续
   • 通过更少的数据传输和本地数据存储来提高安全性

TinyML的局限性：与树莓派、Jetson Nano等功能强大的设备相比，微控制内存和计算能力有限，使得TinyML上运行的模型类型存在一定局限性，比如只能进行模型尺寸有限的预测和异常检测、分辨率和速度较低的图像识别、仅关键字/唤醒词检测的音频识别，至于具有多层深度神经网络的自然语言处理目前超出TinyML的范围。但是，TinyML的可获得性和能源效率对于许多应用仍然具有价值。

一些TinyML的应用场景：

1. 监控机器的性能特征并在发生故障之前提供维护，最大限度地减少了设备停机时间和维修成本，从而提高了业务收入和工作场所的安全性。
2. 通过对收集到的环境数据进行实时分析，来改善精准农业中的作物生长，帮助农业专家通过学习过去的数据做出最大化作物产量的决策。可以使用 TinyML 设备分析个体牲畜的状况和行为，从而实时对它们的健康状况做出智能结论。
3. 可让智能设备用于监控和优化交通、分析碳足迹，甚至开发基于视觉的安全系统。
4. 基于运动的跌倒检测器可以识别儿童或老人跌倒的实例，而关键字检测可以识别呼救声。

TinyML软件框架：

TinyML硬件： | | | | | | —– | —- | —– | —- | |Arduino Nano 33 BLE Sense | Arduino Nano RP2040 connect | Wio Terminal | Seeed XIAO |

C++库

Read More

简介：工作需要使用C++来写深度学习，又不巧设备不支持libtorch，所以计划借助Eigen库来实现。

Eigen入门

在Linux系统上安装：

sudo apt-get install libeigen3-dev

运行官方文档的第一个例子：

#include <iostream>
#include <Eigen/Dense>
 
using Eigen::MatrixXd;
 
int main()
{
  MatrixXd m(2,2);
  m(0,0) = 3;
  m(1,0) = 2.5;
  m(0,1) = -1;
  m(1,1) = m(1,0) + m(0,1);
  std::cout << m << std::endl;
}

写一个CMakeLists.txt，使用CMake编译：

# 指定CMake的最低版本
cmake_minimum_required(VERSION 3.10)

# 项目名称和语言
project(MyProject VERSION 1.0 LANGUAGES CXX)

# 设置C++标准
set(CMAKE_CXX_STANDARD 11)
set(CMAKE_CXX_STANDARD_REQUIRED True)

# 添加一个可执行文件
add_executable(hello src/hello.cpp)

# 寻找Eigen库，如果Eigen库不是标准安装路径，可能需要设置 EIGEN3_INCLUDE_DIR
find_package(Eigen3 REQUIRED)
include_directories(${EIGEN3_INCLUDE_DIR})

# 包含Eigen头文件目录
target_include_directories(hello PRIVATE ${EIGEN3_INCLUDE_DIR})

# 如果需要，链接其他库
# target_link_libraries(hello PRIVATE other_libraries)

Read More