演算法加速計算

1. 汽車的加速度演算法。

都是實測數據，您應該問汽車加速度的測法，因為汽車即使動力再強，您給不給油門得出的加速度也是差異很大的。
汽車加速度的測法：大多以0-100公里用時來測算，就是人乘坐在車上，用秒錶計時，車子開始以最大的動力輸出做加速，等車輛速度表加速至100公里/小時，這時按下秒錶，看看用時多少秒，就得出這輛車的0-100公里加速度是幾秒了。日前世界上最牛的車好像是布加迪威龍，號稱0-100公里加速度是1.8秒。

2. 割園術計算圓周率中的加速演算法

n=input('n=')%設定分割的正多邊形的邊數 x=360/n;%其中一個三角形的圓心角 r=1;%取圓的半徑為1 s=(1/2)*(r*r*sind(x))*n;%計算分割的正多邊形面積 p=s%則圓周率的近似值等於s n=1000 插入n=1000,顯示結果為 n = 1000 p = 3.1416。

3. 套了多個for循環，有沒有什麼演算法加快運算時間

理論上是每次都計算，但實際上編譯器會對這個進行優化，直接使用8代替這個「3+5」，所以一般情況下程序運行的時候一次計算都不需要，因為這個計算是在編譯階段進行的，VS2008環境下，反匯編代碼如下（倒數第2行最後那個8就是「3+5」的替代品）： for(int i = 0; i < 5+3; i++) 013D17CE mov dword ptr [i],0 013D17D5 jmp wmain+30h (13D17E0h) 013D17D7 mov eax,dword ptr [i] 013D17DA add eax,1 013D17DD mov dword ptr [i],eax 013D17E0 cmp dword ptr [i],8 013D17E4 jge wmain+45h (13D17F5h) 但是如果與i進行比較的不是常量表達式，是一個函數的返回值，形如for(int i = 0; i < GetValue(); i++)，那麼每循環一次這個 GetValue()函數都將會被調用一次。

4. 加速比的加速比的計算公式

Sp=T1/Tp
Sp是加速比，T1是單處理器下的運行時間，Tp是在有P個處理器並行系統中的運行時間。
當Sp=P時，此加速比被稱為線性加速比（linear speep），又名「理想加速比」。
如果T1是在單處理器環境中效率最高的演算法下的運行時間（即最適合單處理器的演算法），則此加速比被稱為絕對加速比（absolute speep）。
如果T1是在單處理器環境中還用和並行系統中一樣的演算法，則此加速比被稱為相對加速比(relative speep)。
同樣，我們可求得另一個用於衡量並行系統的標准-效率(efficiency)，簡寫為Ep
Ep=Sp/P
P為並行計算機中處理器的個數
另有「超線性加速比」（superlinear speep），即加速比比處理器數更大的情況。超線性加速比很少出現。超線性加速比有幾種可能的成因，如現代計算機的存儲層次不同所帶來的「高速緩存效概念，具體來說，較之順序計算，在並行計算中，不僅參與計算的處理器數量更多，不同處理器的高速緩存也集合使用。而有鑒於此，集合的緩存便足以提供計算所需的存儲量，演算法執行時便不必使用速度較慢的內存，因而存儲器讀些時間便能大幅降低，這便對實際計算產生了額外的加速效果。

5. 如何用fpga實現演算法的硬體加速

首先，利用傳統的軟體技巧來優化演算法，然後將其轉向定製指令以加速演算法。我們將討論不同實現方法的性能比較和折衷。
CRC演算法可用來校驗數據在傳輸過程中是否被破壞。這些演算法很流行，因為它們具有很高的檢錯率，而且不會對數據吞吐量造成太大影響，因為CRC校驗位被添加進數據信息中。但是，CRC演算法比一些簡單的校驗和演算法有更大的計算量要求。盡管如此，檢錯率的提高使得這種演算法值得去實施。
一般說來，發送端對要被發送的消息執行CRC演算法，並將CRC結果添加進該消息中。消息的接收端對包括CRC結果在內的消息執行同樣的CRC操作。如果接收端的結果與發送端的不同，這說明數據被破壞了。
CRC演算法是一種密集的數學運算，涉及到二元模數除法(molo-2 division)，即數據消息被16或32位多項式(取決於所用CRC標准)除所得的余數。這種操作一般通過異或和移位的迭代過程來實現，當採用16位多項式時，這相當於每數據位元組要執行數百條指令。如果發送數百個位元組，計算量就會高達數萬條指令。因此，任何優化都會大幅提高吞吐量。
代碼列表1中的CRC函數有兩個自變數(消息指針和消息中的位元組數)，它可返回所計算的CRC值(余數)。盡管該函數的自變數是一些位元組，但計算要逐位來執行。該演算法並不高效，因為所有操作(與、移位、異或和循環控制)都必須逐位地執行。
列表1：逐位執行的CRC演算法C代碼。
/*
* The width of the CRC calculation and result.
* Modify the typedef for a 16 or 32-bit CRC standard.
*/
typedef unsigned char crc;
#define WIDTH (8 * sizeof(crc))
#define TOPBIT (1 << (WIDTH - 1))
crc crcSlow(unsigned char const message[], int nBytes)
{
crc remainder = 0;
/*
* Perform molo-2 division, a byte at a time.
*/
for (int byte = 0; byte < nBytes; ++byte)
{
/*
* Bring the next byte into the remainder.
*/
remainder ^= (message[byte] << (WIDTH - 8));
/*
* Perform molo-2 division, a bit at a time.
*/
for (unsigned char bit = 8; bit > 0; "bit)
{
/*
* Try to divide the current data bit.
*/
if (remainder & TOPBIT)
{
remainder = (remainder << 1) ^ POLYNOMIAL;
}
else
{
remainder = (remainder << 1);
}
}
}
/*
* The final remainder is the CRC result.
*/
return (remainder);
}
1.傳統的軟體優化
圖3：帶CRC外圍電路和DMA的系統模塊示意圖。
讓我們看一下如何利用傳統的軟體技巧來優化CRC演算法。因為CRC操作中的一個操作數，即多項式(除數)是常數，位元組寬CRC操作的所有可能結果都可以預先計算並存儲在一個查找表中。這樣，通過一個讀查找表動作就可讓操作按逐個位元組執行下去。
採用這一演算法時，需要將這些預先計算好的值存儲在存儲器中。選擇ROM或RAM都可以，只要在啟動CRC計算之前將存儲器初始化就行。查找表有256個位元組，表中每個位元組位置包含一個CRC結果，共有256種可能的8位消息(與多項式大小無關)。
列表2示出了採用查找表方法的C代碼，包括生成查找表crcInit()中數值的代碼。
列表2：採用查找表方法的CRC演算法C代碼。
crc crcTable[256];
void crcInit(void)
{
crc remainder;
/*
* Compute the remainder of each possible dividend.
*/
for (int dividend = 0; dividend < 256; ++dividend)
{
/*
* Start with the dividend followed by zeros.
*/
remainder = dividend << (WIDTH - 8);
/*
* Perform molo-2 division, a bit at a time.
*/
for (unsigned char bit = 8; bit > 0; "bit)
{
/*
* Try to divide the current data bit.
*/
if (remainder & TOPBIT)
{
remainder = (remainder << 1) ^ POLYNOMIAL;
}
else
{
remainder = (remainder << 1);
}
}
/*
* Store the result into the table.
*/
crcTable[dividend] = remainder;
}
} /* crcInit() */
crc crcFast(unsigned char const message[], int nBytes)
{
unsigned char data;
crc remainder = 0;
/*
* Divide the message by the polynomial, a byte at a time.
*/
for (int byte = 0; byte < nBytes; ++byte)
{
data = message[byte] ^ (remainder >> (WIDTH - 8));
remainder = crcTable[data] ^ (remainder << 8);
}
/*
* The final remainder is the CRC.
*/
return (remainder);
} /* crcFast() */
整個計算減少為一個循環，每位元組(不是每位)有兩個異或、兩個移位操作和兩個裝載指令。基本上，這里是用查找表的存儲空間來換取速度。該方法比逐位計算的方法要快9.9倍，這一提高對某些應用已經足夠。如果需要更高的性能，可以嘗試編寫匯編代碼或增加查找表容量以擠出更多性能來。但是，如果需要20、50甚至500倍的性能提高，就要考慮採用硬體加速來實現該演算法了。
表1：各種規模的數據模塊下CRC演算法測試比較結果。
2.採用定製指令方法
CRC演算法由連續的異或和移位操作構成，用很少的邏輯即可在硬體中簡單實現。由於這一硬體模塊僅需幾個周期來計算CRC，採用定製指令來實現CRC計算要比採用外圍電路更好。此外，無須涉及系統中任何其它外圍電路或存儲器。僅需要一個微處理器來支持定製指令即可，一般是指可配置微處理器。
當在硬體中實現時，演算法應該每次執行16或32位計算，這取決於所採用的CRC標准。如果採用CRC-CCITT標准(16位多項式)，最好每次執行16位計算。如果使用8位微處理器，效率可能不太高，因為裝載操作數值及返回CRC值需要額外的周期。圖2示出了用硬體實現16位CRC演算法的內核。
信號msg(15..0)每次被移入異或/移位硬體一位。列表3示出了在64KB數據模塊上計算CRC的一些C代碼例子。該實例是針對Nios嵌入式處理器。
列表3：採用定製指令的CRC計算C代碼。
unsigned short crcCompute(unsigned short *data_block, unsigned int nWords)
{
unsigned short* pointer;
unsigned short word;
/*
* initialize crc reg to 0xFFFF
*/
word = nm_crc (0xFFFF, 1); /* nm_crc() is the CRC custom instruction */
/*
* calculate CRC on block of data
* nm_crc() is the CRC custom instruction
*
*/
for (pointer = data_block; pointer < (data_block + nWords); pointer ++)
word = nm_crc(*pointer, 0) return (word);
}
int main(void)
{
#define data_block_begin (na_onchip_memory)
#define data_block_end (na_onchip_memory + 0xffff)
unsigned short crc_result;
unsigned int data_block_length = (unsigned short *)data_block_end - (unsigned short
*)data_block_begin + 1;
crc_result = crcCompute((unsigned short *)data_block_begin, data_block_length);
}
採用定製指令時，用於計算CRC值的代碼是一個函數調用，或宏。當針對Nios處理器實現定製指令時，系統構建工具會生成一個宏。在本例中為nm_crc()，可用它來調用定製指令。
在啟動CRC計算之前，定製指令內的CRC寄存器需要先初始化。裝載初始值是CRC標準的一部分，而且每種CRC標准都不一樣。接著，循環將為數據模塊中的每16位數據調用一次CRC定製指令。這種定製指令實現方式要比逐位實現的方法快27倍。
3.CRC外圍電路方法
如果將CRC演算法作為硬體外圍電路來實現，並利用DMA將數據從存儲器轉移到外圍電路，這樣還可以進一步提高速度。這種方法將省去處理器為每次計算而裝載數據所需要的額外周期。DMA可在此外圍電路完成前一次CRC計算的時鍾周期內提供新的數據。圖3示出了利用DMA、CRC外圍電路來實現加速的系統模塊示意圖。
在64KB數據模塊上，利用帶DMA的定製外圍電路可獲得比逐位計算的純軟體演算法快500倍的性能。要知道，隨著數據模塊規模的增加，使用DMA所獲得的性能也隨之提高。這是因為設置DMA僅需很少的開銷，設置之後DMA運行得特別快，因為每個周期它都可以傳遞數據。因此，若只有少數位元組的數據，用DMA並不劃算。
這里所討論的所有採用CRC-CCITT標准(16位多項式)的演算法都是在Altera Stratix FPGA的Nios處理器上實現的。表1示出了各種數據長度的測試比較結果，以及大致的硬體使用情況(FPGA中的存儲器或邏輯單元)。
可以看出，演算法所用的硬體越多，演算法速度越快。這是用硬體資源來換取速度。

6. 加速度的演算法

定義式：a=V/T(T趨向於0).根據時間速度圖象，斜率就是加速度。牛頓第二定律：F(合力)=ma。運動學公式：勻變速：V=V0+at，H=V0t+1/2at*t.V的平方-V0的平方=2aX。勻加速：連續相等位移之差=定值a*t的平方。

7. 加速度演算法

加速度a＝V／t
V的單位為m/s
t的單位為s
所以按除法的運算，
a的加速度為m/（s的平方）

8. 如何利用高性能計算加速深度學習演算法

現在深度學習在機器學習領域是一個很熱的概念，不過經過各種媒體的轉載播報，這個概念也逐漸變得有些神話的感覺：例如，人們可能認為，深度學習是一種能夠模擬出人腦的神經結構的機器學習方式，從而能夠讓計算機具有人一樣的智慧

9. 關於超Q和會員的加速演算法怎麼算

加速只算一個，不是這么算的，你的超級QQ就不起作用了，因為只算級別高的等級低的，不實現加速，年費會員是1.5倍的加上電腦管家1天，實際上是1.5+1+0.1=2.6天，這里就沒有超級QQ的事了。如過你那天沒上線，就會實現1.3倍的超級QQ加速，其他的沒有了。建議不要關掉超級QQ，年費超級QQ7級，實現1.9倍加速升級，年會員只是1.8倍

10. 加速度的所有計算公式

加速度 (acceleration) 表徵單位時間內速度改變程度的矢量。一般情況下，加速度是個瞬時概念，它的常用單位是米/秒²、米/秒²等。

在最簡單的勻加速直線運動中，加速度的大小等於單位時間內速度的增量。若動點的速度v1經t秒後變成v2，則其加速度可表示為：

(10)演算法加速計算擴展閱讀：

加速度（Acceleration）是速度變化量與發生這一變化所用時間的比值Δv/Δt，是描述物體速度變化快慢的物理量，通常用a表示，單位是m/s2。加速度是矢量，它的方向是物體速度變化（量）的方向，與合外力的方向相同。