这是HPIPM，一种高性能的内点方法求解器，用于密集的，最优的控制结构和树形结构的凸二次方程序。 它提供有效的密集算法和结构探索算法的实现，以解决一般在模型预测控制和嵌入式优化中出现的中小型问题，并且它依赖于高性能线性代数程序包BLASFEO。 HPIPM（和BLASFEO，这是一个依赖项），同时包含make和cmake构建系统。 首选的是make ，它可以用来编译和运行任何语言的任何库，接口和示例。 make也用于连续集成travis脚本中。 cmake只能用于编译库，而感兴趣的用户应通过从各种Makefile的命令中Makefile灵感来编译接口并自己运行示例。 入门： 开始使用HPIPM的最佳方法是查看/hpipm/examples/ 。 HPIPM可以从C直接使用，但是也有到Python和Matlab的接口。 根据您要使用HP​​IPM的级别，请查看下面的以下部分。 可以在do

A performance evaluation of local descriptors一篇经典的论文，对于学习局部算子很有帮助。

本文档提供Rockchip平台USB 2.0/3.0模块传输性能分析的方法以及支持的最大传输速率。 本文档将分别对USB Host和USB Device(Peripheral)两部分进行介绍。其中，USB Host将会介绍USB Disk、USB Ethernet以及USB Camera的传输性能分析。USB Device(Peripheral)将会介绍USB MTP、USB MSC(Mass Storage Class)、USB Gadget Webcam、USB Rndis、USB Gadget HID的传输性能分析。

惯性导航，用于对捷联式惯性导航系统进行性能分析。

高效的面边缘检测和定量的绩效考核 首先介绍递归过程为有效地计算三次面参数的边缘检测，这个过程可以通过计算在曲面参数方程，用固定数量的相互独立算子。 然后，我们引入一个独立的图像定量标准解析评测不同的边缘检测器（包括梯度和过零基础的方法）。

VTR UI Performance

Python High Performance(第二版带书签很清晰英文无水印)

PNumPy 并行NumPy可以无缝加速大型数组（64K +元素）的NumPy，而无需更改现有NumPy代码。 对于python 3.6、3.7、3.8和3.9，NumPy> = 1.18的PNumPy支持Linux，Windows和MacOS。 此第一个版本加快了NumPy二进制和一元ufunc的速度，例如加，乘，isnan，abs，sin，log，sum，min等。 加速功能还包括： sort，argsort，lexsort，arange，boolean indexing和fancy indexing 。 在不久的将来，我们将加快： astype，where，putmask和searchsorted的速度。 其他使用numpy的软件包，例如或 ，也将加快大型阵列的使用。 安装 pip install pnumpy 您也可以通过以下方式安装最新的开发版本： pip inst

parsec-riscv性能测试 用于在模拟的RISC-V环境中自动设置和运行PARSEC基准测试的脚本。 主要目的是记录所需的步骤，以重现与我合作的QEMU / RISC-V相关论文所使用的设置。 执行 运行./setup_system.sh 它将准备一个projects目录，将提供所有必需的源/数据 它将准备一个components目录，其中包含所有已编译/已处理的对象 运行run_parsec_benchmarks.sh 它将在VM中运行PARSEC基准测试，并将结果output到output

Gregg ppt