EIC研究室入门类学习资料（含资料名称、获取链接、具体学习页码/章节，大概学习时间分配）

研究基础类课程学习

1 计算机系统结构与Linux系统类课程学习

完成如下在线课程学习并拿到任意一门的证书
[1] 《Linux 高级程序设计》https://www.youtube.com/playlist?list=PLwDQt7s1o9J5E4b9lks5f2Nngg5I72scT
[2] 计算机系统结构类课程
**华中科技大学 **https://www.icourse163.org/course/HUST-1207109824?from=searchPage
国防科技大学：http://www.icourses.cn/coursestatic/course_3266.html
The Computer Architecture Course (ECE568/668)》：http://www.ecs.umass.edu/ece/koren/ece568/
Computer Architecture Educational Tools：http://www.ecs.umass.edu/ece/koren/architecture/
基于状态机的简易 RISC CPU 设计：http://blog.csdn.net/ce123_zhouwei/article/details/7180066
Edward L. Bosworth 教授主页：http://www.edwardbosworth.com/
《EE-748: Advanced Topics in Computer Architecture》提供了新的必读文献（List of representative papers）
https://www.ee.iitb.ac.in/~viren/Courses/2016/EE748.htm
[3] CS6596 High-Performance Parallel Computing http://www.cse.iitm.ac.in/~rupesh/teaching/hpc/jun16/?mode=Lectures
[4] 编译原理 https://www.icourse163.org/course/NUDT-1003101005

2 C & OpenCL Programming(阅读书籍且完成书中实例的编程)

[1-第10和12章必读] 姜佑译. C Primer Plus 中文版(第 6 版) [M]. 人民邮电出版社，2020
[2-第6-10章必读] 王利涛，嵌入式 C 语言自我修养 从芯片、编译器到操作系统，电子工业出版社， 2021
[3-除image相关内容必读] 刘文志，陈轶，吴长江著《OpenCL 异构并行计算——原理、机制与优化实践》机械工业出版社，2016
[3-必读] Mattson, T., McIntosh-Smith, S., Koniges, A. OpenCL: a Hands-on Introduction
[4] （美）格兰巴（Ananth Grama）等著，张武等译《并行计算导论 Introduction to parallel computing（原书第 2 版）》机械工业出版社，2005 年 01 月
[5] Timothy G. Mattson《Parallel Programming Patterns: Working with Concurrency in OpenMP, MPI, Java, and OpenCL》2017
[6]（美）雷蒙德•泰（Raymond Tay），张立浩译《OpenCL 异构并行编程实战（OpenCL Parallel Programming Development Cookbook）》机械工业出版社，2015 年 10 月
[7] George Duckett《OpenCL: Questions and Answers》2015
[8] 何兵寿，并行编程原理与程序设计，科学出版社，2021

3 AI 理论基础(+Pytorch)深度学习

[1] 《动手学深度学习》(PyTorch版) https://tangshusen.me/Dive-into-DL-PyTorch/
5.1-5.5必读，建议重点学习第4，5，9章即可，其余章节浏览下即可。
[2] 斯坦福大学《CS231n: Convolutional Neural Networks for Visual Recognition》视频课程官网：http://cs231n.stanford.edu/
2017课程视频：http://t.cn/R9Dfnxn
课程资料汇总介绍：https://www.52ml.net/20815.html
<面向视觉识别的卷积神经网络>中文课程：https://www.52ml.net/17723.html
[3] PyTorch 中文教程：https://pytorch.apachecn.org/
[4] Python Cookbook 3rd Edition: https://python3-cookbook.readthedocs.io/zh_CN/latest/index.html

4 Vue+Element plus+FastAPI

[1-第2-14章必读] Vue.js 3 + TypeScript 安全指南, 2023
[2-可完成Vue 3工程的升级] Single Page App with FastAPI and Vue
FastAPI + Vue的一套CMS开源源码模板
Single Page App with FastAPI and Vue: DEMO1
Single Page App with FastAPI and Vue: DEMO2
Single Page App with FastAPI and Vue: DEMO3
FastAPI与Vue3的通信

5 Linux Programming

[1] Edit Makefile file
https://makefiletutorial.com/
https://seisman.github.io/how-to-write-makefile/overview.html

6 Tools & IDE

[1] Install and configure Linux OS including Ubuntu 22.04, Debian 11,
[2] Tools % Linux commonds including git, cmake, cmake-gui, make, etc.
[3-IDE] VS Code
[4-进阶] C + OpenCL, IDE should use VS Code + vscode-opencl + CodeXL.
[5] MobaXterm for Windows：https://mobaxterm.mobatek.net/

7 Useful libs and tools for PyTorch

1. Pytorch 网络可视化工具

• hiddenlayer
• 模型可视化工具Netron
• Torchinfo
  Torchinfo provides information complementary to what is provided by print(your_model) in PyTorch, similar to Tensorflow’s model.summary() API to view the visualization of the model, which is helpful while debugging your network.
  -Visdom
  Visdom的安装与使用
  Visdom可以直接接受来自PyTorch的张量，而不用转化成NumPy中的数组，从而运行效率很高。此外，Visdom可以直接在内存中获取数据，毫秒级刷新，速度很快。
  -执行过程可视化Pytorchviz
  Pytorchviz是一个程序包，用于创建PyTorch执行图和轨迹的可视化.

2. Pytorch libs

• THOP: PyTorch-OpCounter, Count the MACs / FLOPs of your PyTorch model
• flopth: calculate and visualize the FLOPs and Parameters of Pytorch models
• Flops counter
• A PyTorch Extension: Tools for easy mixed precision and distributed training in Pytorch

Install PyTorch on Win10/Ubuntu 20.04

下述方法(1)(2)均为安装支持NVIDIA GPU加速的PyTorch开发环境。若利用虚拟机进行实验或物理主机无NVIDIA GPU，则无需安装GPU驱动、CUDA SDK和CUDNN，直接安装CPU版PyTorch即可。

(1) Install PyTorch 1.8.2 on Win10 with GPU

• [Optional] Install CUDA SDK 10.2
• [Optional] Install cuDNN v8.3.2 for CUDA 10.2
• [Optional] Setting the system environment variables PATH & LIBRARY_PATH: 此电脑 — 属性 — 相关设置 — 高级系统设置，在打开的窗口中将CUDA和CUDNN的lib路径添加到LIBRARY_PATH中，将它们的bin路径添加到PATH中；
• Install conda & python 3.8
• Install PyTorch 1.8.2 with the following commond that automatically install cuda sdk and cudnn using conda ???

# install with GPU
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch-lts
# OR install with CPU
conda install pytorch torchvision torchaudio cpuonly -c pytorch-lts

• Install python programming IDE PyCharm or Eclipse + PyDev and setting conda environment variables
  初学者利用笔记本进行基础练习和小模型推理或训练时，可采用方法(1)进行实验环境配置。若本机为Ubuntu OS，则需采用如下方法进行实验环境配置。

Install Pytorch on GPU cluster from CSIP

• 向实验室指导老师申请GPU账号
• Remote debug and run python code on GPU cluster with Pycharm
• Select a PyTorch docker image from https://hub.docker.com/r/pytorch/pytorch/tags
  Then, using the following commond to create a customized docker image, such as

pytorch/pytorch:1.8.1-cuda10.2-cudnn7-devel

• Install python programming IDE PyCharm or Eclipse + PyDev on local host machine.

Install PyTorch LTS(1.8.2) on Ubuntu 20.04

• [Optional] Install GPU driver
  在System Setting中选择Software & Updates->Additional Drives项时，将会自动在线搜索驱动程序，结果如下，点击Apply changes即可启动在线下载和安装。
  [Optional]有时上述驱动并不能使用或者成功安装，则执行sudo add-apt-repository ppa:graphics-drivers/ppa命令添加驱动源，并在Other Software中勾选添加的源地址，为加快软件在线下载的速度，建议采用国内的地址源，如阿里云、中科大、网易等。
  再次选择Software & Updates->Additional Drives项时，将会新增几个驱动选项，然后单击Apply Changes->输入root用户密码，系统会自动下载并安装。
  否安装成功
  执行nvidia-smi命令，若显示NVIDIA显卡设备驱动信息就表示安装成功；同时，可采用nvidia-smi工具进行显卡设置，例如
  nvidia-smi –pm 1 # enable persistence mode on all GPUS
  nvidia-smi –h # 显示帮助信息
  nvidia-settings #在弹出的对话框中设置当前正在使用的显卡是NVIDIA GPU还是主板集成的GPU，已经NVIDIA GPU的相关参数
  执行prime-select query 命令查看当前正在使用的显卡驱动，若显示NVIDIA则表示安装成功；
• 若NVIDIA显卡驱动已安装成功，则在安装CUDA SDK时千万不能选择再次安装NVIDIA驱动，否则会导致各种异常。
• Download cuda_11.1.1_455.32.00_linux.run for installing CUDA 11.1, cudnn-11.3-linux-x64-v8.2.1.32.tgz OR ‘libcudnn8-dev_8.2.1.32-1+cuda11.3_amd64.deb’ for installing cuDNN v8.2.1 for CUDA 11.x
• Install CUDA SDK without GPU driver through run

sudo ./cuda_11.1.1_455.32.00_linux.run
sudo dkpg -i libcudnn8-dev_8.2.1.32-1+cuda11.3_amd64.deb

$ sudo gedit /etc/profile   #使用gedit编辑环境变量文件
#set JDK1.8 & CUDA 11.1 environment
export JAVA_HOME=/usr/local/jdk1.8.0_311
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:/usr/local/cuda-11.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:/usr/local/lib:$LD_LIBRARY_PATH

cd cudnn-11.3-linux-x64-v8.2.1.32
sudo cp -rf cuda/include/* /usr/local/cuda-11.1/include/
sudo cp -rf cuda/lib64/* /usr/local/cuda-11.1/lib64/

• Install PyTorch with GPU support using pip

sudo ln -s /usr/bin/python3 /usr/bin/python
sudo pip install torch==1.8.2+cu111 torchvision==0.9.2+cu111 torchaudio==0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html

• Python IDE should use Eclipse + PyDev or PyCharm.
• Install python programming IDE PyCharm or Eclipse + PyDev on local host machine.
• Linux OS采用英文原版Ubuntu 20.04.*，IDE工具也是用英文原版，拒绝使用中文版。因中文版在出现问题时候很难定位/检索解决办法。

Tips & tools for DL programming

• Pycharm操作和配置指南

• Tabby: support SFTP &SSH
  主页：https://github.com/Eugeny/tabby
  Tabby (formerly Terminus) is a highly configurable terminal emulator, SSH and serial client for Windows, macOS and Linux.

• MobaXterm for Windows
  主页：https://mobaxterm.mobatek.net/

IDE技能要求

（1）快捷键：代码注释、取消注释、运行、调试…等
（2）环境变量配置、解释器配置、运行参数设置
（3）远程编译、远程调试、远程运行
（4）代码上传github、下载更新等

常用Linux命令

screen  #挂起执行
nohup   #挂起执行
lscpu  
lsblk
sync
df -h
free -m
hostnamectl  #查看OS及其kernel版本

常用学术工具

• 录屏工具
  （1）Screenity - 屏幕录像和标注工具，Web浏览器插件
  （2）ApowerREC
  （3）EV录屏

• 远程桌面
  （1）向日葵
  （2）ToDesk远程控制软件

使用环境配置常见问题

Install

Pulish issues on Github repos

Issue Templet