包括LTP、iometer、iperf、fio、iozone等测试工具的使用简介，linux信息收集脚本。

pyqt5+AI健身+mediapipe 可视化界面opencv实现人体关键点检测，AI健身计数等功能。详细：https://blog.csdn.net/qq_34717531/article/details/124670291?spm=1001.2014.3001.5502。使用OpenCV+mediapipe的BlazePose以及前端界面的Qt Designer+Pyqt5实现的一个基于人体姿态识别的AI健身系统，可以实现选择打开图片文件或者是视频文件，具有视频的关闭播放和更换视频播放等功能。视频可以在CPU下实时检测。 注： 1.中间数字为角度。采用的是12，14，16，可自由更改。 2.左上角为fps，左下角为次数统计。 3.关闭视频后再打开视频，检测速度有明显提升，暂没发现是什么原因。

适用于Python的HPC基准 这是一组基准测试，用于测试使用Python前端的各种计算后端的顺序CPU和GPU性能。 具体来说，我们想测试哪种高性能后端最适合地球物理（基于有限差分）的模拟。 内容 常问问题 为什么？ 科学的Python生态系统正在蓬勃发展，但是Python中的高性能计算还不是真正的事情。 我们尝试来更改此，但是我们应该使用哪个后端进行计算？ Python前端到高性能后端的开发需要大量的时间和资源，但是这些通常是为深度学习量身定制的。 我们想了解一下，通过（滥用）这些库进行地球物理建模，我们是否可以从这些进展中获利。 为什么基准看起来如此怪异？ 这些或多或少是逐字记录副本（即物理模型的实际部分）。 大多数地球系统和气候模型组件都基于有限差分方案来计算导数。 这可以通过数组的索引移位（例如0.5 * (arr[1:] + arr[:-1]) ， arr在每个点的一

在FPGA，GPU和多核CPU上加速群智能算法的通用框架

基于Verilog HDL与虚拟实验平台的计算机组成与CPU实验：RISCV，实现了addi、r、store、load、jmp指令

《汇编语言》 第2章 寄存器(CPU工作原理)

Y470N CPU无法睿频现象BIOS_47CN32WW(V2.10)-64位Windows下刷新程序

分别通过PerformanceCount、ManagementClass、OpenHardwareMonitor、kernel32 来综合获取下面信息： 内存使用率、总CPU百分比、获得物理总内存(、获得可用内存(G)、获取mac地址、获取分区信息使用空间 进程（XX）CPU百分比、进程（XX）占用的内存大小、进程（XX）占用的内存百分比。 PerformanceCount方面比较详细，可以分别获取 计数器的类别、类别下的实例名和计数器名、通过活动的输入获取对应的状态值

联想 IBM LENOVW T61笔记本支持 T8 T9 系列CPU的BIOS windows版本

cpu的工作原理，不可多得的资源 依据位移进行转移的call指令.swf adc指令.swf 内部中断过程.swf shl指令.swf 端口读写.swf 键盘输入处理过程.swf int16读键盘缓冲区.swf int9写键盘缓冲区.swf CPU从内存中读取数据的过程.swf CPU向内存中写入数据的过程.swf 8086CPU给出物理地址的方法.swf 8086CPU读取和执行指令的过程.swf 地址加法器的工作过程.swf 8086CPU的栈操作.swf 执行POP指令后栈顶超出栈空间.swf 执行PUSH指令后栈顶超出栈空间.swf 一个源程序从写出到执行的过程.swf