背景：近年来，深度学习研究和产业化得到迅猛发展。随着移动端算力提升，实时性需求，以及用户数据隐私方面的考量，导致越来越多的推理任务从云端转移到移动端。移动平台上深度学习推理需要解决硬件平台、驱动、编译优化、模型压缩、算子算法优化和部署等问题。许多企业正在开发面向移动端的开源深度学习框架，如小米MACE、腾讯优图NCNN/TNN、阿里MNN和谷歌TensorFlow Lite等。现有的推理平台通常.

背景：近年来，随着移动端算力的不断提升和深度学习研究的快速发展，特别是小网络模型不断成熟以及数据安全的要求越来越高，越来越多的原本在云端执行的推理转移到移动端上来实现。移动平台的深度学习推理涉及硬件平台、驱动、编译优化、模型压缩、算子算法优化以及部署，适合系统业务开发的高效推理框架成为业界迫切需求和开发重点。很多企业都在研发面向移动端的开源深度学习框架。当前国内外主流开源移动端推理框架：小米MAC

一、FreeRTOS用途FreeRTOS一般被用于硬件设计上RAM大小存在一定限制（成本、资源、性能功耗比等）的平台之中，它是目前运用的比较多的实时操作系统之一。选用FreeRTOS作为项...

一、FreeRTOS任务在多数通用操作系统（如Linux、Windows等）中，线程为系统的调度最小单元，进程为独立应用程序的最小运行过程。而在实时操作系统中，多数情况下不区分线程与进程进...

背景：近年来，随着移动端算力的不断提升和深度学习研究的快速发展，特别是小网络模型不断成熟以及数据安全的要求越来越高，越来越多的原本在云端执行的推理转移到移动端上来实现。移动平台的深度学习推理涉及硬件平台、驱动、编译优化、模型压缩、算子算法优化以及部署，适合系统业务开发的高效推理框架成为业界迫切需求和开发重点。很多企业都在研发面向移动端的开源深度学习框架。当前国内外主流开源移动端推理框架：小米MAC

一、KCSAN介绍KCSAN(Kernel Concurrency Sanitizer)是一种动态竞态检测器，它依赖于编译时插装，并使用基于观察点的采样方法来检测竞态，其主要目的是检测数据竞争。KCSAN是一种检测LKMM(Linux内核内存一致性模型)定义的数据竞争(data race)的工具，同时它也可以控制报告哪种类型的数据竞争。KCSAN知道LKMM定义的所有标记原子操作，以及LKMM尚未

AI时代已经来临，在日益增长的算力需求下，GPU已经成为AI世界不可或缺的工具，而移动端高渲染高帧应用也对移动端GPU提出越来越高的要求，本文将以高通的adreno gpu为例对GPU的调频进行介绍。在介绍之前，建议先阅读本文章《Linux devfreq framework剖析》，了解devfreq framework子系统中devfreq device的作用和governor的统一实现格式。G

从刷脸打卡到各种应用的“猜你喜欢”，当前机器学习（特别是深度学习技术）已经广泛应用于我们日常生活的方方面面。深度学习框架（如：TensorFlow，PyTorch等）和 AI专用芯片（如：...

一、光学指纹问题现状光学指纹当前随着成本的下降，各大厂商都在低中高端旗舰用上了光学指纹。有别于传统的电容指纹，光学指纹在解锁性能上目前都进行了优化，性能接近电容指纹。二、光学指纹电容指纹...

一、 Vold简介Android中Vold是volume Daemon，即Volume守护进程，用来管理Android中存储类的热拔插事件。这里的热插拔涉及的场景如：1. 手机usb以MT...