update

ai/neural.network.md

@@ -0,0 +1,41 @@
+# 神经网络
+> 一种强大的计算模型
+
+也称人工神经网络ANN(Artificial Neural Network)，是20世纪80年代以来人工智能领域的一个研究热点。
+它是对人脑神经元网络进行抽象化处理，建立的一种简单模型，并按不同的连接方式组成不同的网络。
+
+神经网络由大量的节点(神经元)相互连接构成，每个节点代表一种特定的输出函数，称为激励函数(activation function)。激励函数的作用使得神经元具有非线性性，以更好的模拟实际问题的复杂性。
+每两个节点之间的连接都代表一个对于通过该连接信号的加权值，称之为权重，相当于人工神经网络的记忆。
+
+网络的输出则依赖连接方式、权重值和激励函数的不同而不同。工作就是输入数据，处理数据，给出一个结果作为输出。
+
+神经网络一般分成三层，
+- 输入层，负责接收外部数据
+- 隐含层，对数据进行处理    
+- 输出层，负责最终结果输出
+
+神经网络的实现有多种
+
+## 前馈神经网络
+
+当前的输入只依赖于前一层节点的输出，与之前的网络输出状态无关
+
+## 反馈神经网络
+
+将当前输出再次接到输入层，使得输入层不仅仅取上一层节点的输出
+
+## RNN(Recurrent Neural Network)
+
+循环神经网络，是一种递归式的神经网络结构，通过在序列的每个位置上共享权重，将当前位置的输入与前一时刻的隐藏状态进行串联处理，是一种用于处理序列数据的神经网络。
+RNN能记住之前的信息，并将其应用于当前的计算中，这使得处理自然语言、语音识别、时间序列预测等数据有较好的优势。
+
+RNN的缺陷有梯度消失和梯度爆炸，会导致处理长序列数据时性能下降，为解决这个问题提出了改进方法
+- 长短时记忆网络LSTM
+- 门控循环单牙GRU
+
+## Transformer
+是一种基于自注意力的序列建模模型，它的每层都由多头注意力机制和前馈神经网络组成，注意力机制来建模序列中的依赖关系，每个输入元素都与序列中的其他元素进行交互，并根据交互结果来调整自身的表示。
+
+Transformer因并行和长期依赖建模优势，在自然语言领域表现出色，
+
+- [神经网络算法 —— 一文搞懂Transformer ](https://developer.aliyun.com/article/1462200?utm_content=g_1000391552&accounttraceid=5b0de7cbee3d4e04b732246795313dcegdxe)

cg/gpu.md

@@ -0,0 +1,48 @@
+# GPU
+> Graphics Processing Unit
+
+- Asynchronous accelerator for graphics异步图形加速
+- parallel problem并行处理
+    1. if a single ALU take a branch, all ALUs will take it.一个分支所有都执行这个分支
+- GPU通过驱动获取API，意味着不能直接获取硬件信息
+- cache
+    1. constant cache
+    2. R/W cache
+    3. Texture cache
+    4. ROP(Render OutPut) cache
+
+渲染流程上分immediate mode和tiled-based GPU，各自有各种的优劣势
+```js
+// immediate mode
+foreach(triangle)
+    foreach(fragment in triangle)
+        load FBO data(color, depth, ...)
+        call fragment shader
+        store new FBO data
+// tiled-based
+foreach(fragment)
+    load FBO data(color, depth, ...)
+    foreach(triangle)
+        call fragment shader
+    store new FBO data
+// tile based rendering
+foreach(tile)
+    load tile FBO data(color, depth, ...)
+    foreach(triangle in tile)
+        foreach(fragment in triangle in tile)
+            call fragment shader
+    store new tile FBO data
+```
+## 概念
+
+
+## where gpu sits in the system
+
+理想化其概念，
+
+
+## 参考
+
+- [GPU Architectures A CPU Perspective](https://courses.cs.washington.edu/courses/cse471/13sp/lectures/GPUsStudents.pdf)
+- [CPU vs. GPU Key Differences & Uses Explained](https://www.run.ai/guides/multi-gpu/cpu-vs-gpu)
+- [关于他的一篇GPU Architecture文章](https://github.com/Kangz)

cpl/cplusplus.md

@@ -264,11 +264,29 @@ Helper(T *t) -> Helper<T>; // deduction guide c++17
 ### Fiber
 React中引入Fiber，其概念来自C++，[C++ Fiber的基本知识](https://agraphicsguynotes.com/posts/fiber_in_cpp_understanding_the_basics/)
 
+### 兼容C
+
+#### 索引
+
+C规定a[b]严格等价于*(a+b)，所以a[0]和0[a]是一样的，C++有运算符重载，不是严格等价
+
+base + sizeof * 偏移量，数组指针好像就是这样的，用*（a+b）访问的元素是a[b]
+- a[b]，a是有类型的，b只是一个数字，所以不能这么运算。a[b]可以计算为a+ sizoef(a) × b
+- 但是换成b[a]的时候，你忽略掉了b是没有类型可言的,既然1[a]逻辑上解释不过去，那就只能当做a[1]才能计算
+
+从语义上去理解这个
+
 ## 参考
 - [C++ Template这个文章描述的很清晰,思路也很通畅](https://www.3dgep.com/beginning-cpp-template-programming/)
 - [C++ stories](https://www.cppstories.com/)
 - [PDFHummus is a Fast and Free C++ Library for Creating, Parsing an Manipulating PDF Files and Streams.](https://github.com/galkahana/PDF-Writer)
 
+## 工具
+
+- [C++在线编译器，可以查看汇编等细节](https://godbolt.org/)
+- [C++分析，可看到预处理状态](https://cppinsights.io/)
+- [C++Benchmark](https://quick-bench.com/q/6tDxsmk3FMX55B8W1RrdiG_s7_k)
+
 ### 里缪
 > 我看标准的这些机制设计和其他一些架构，其中很重要的一条原则就是追求一致性。不仅是美学上的追求，一旦符合这种一致性，系统本身就具备适应变化的能力，从而能够抵抗非连续性问题。一切本质的东西都很简单，且具有美感。设计之初就追求一致性，本质是一种多阶思维，看似麻烦，往往能够解决很多未能提前发现的问题。
 >> 很多架构都是一致性的体现，一个项目之初如果不用架构，后面慢慢修改抽象，不断演进最后发现跟已有架构一个思路

dev-note/git.md

@@ -193,8 +193,12 @@ cherry-pick对子目录不太友好，会改变目录结构，迁移时更多选
 - git apply --3way --directory=extension changes.patch
 - git am --3way --directory=extensioin changes.patch
 
+### 批量合并
 
-
+- git checkout --ours ./folderA/ 文件夹folderA下都使用本地的
+- git checkout --theirs ./folderB/ 文件夹folderA下都使用他人的
+- git checkout origin/master -- ./folderC/ 文件夹folderC都使用远程的
+- git checkout upstream/dev -- ./ 冲突使用上游分支
 
 ## 打包
 

html/index.html

@@ -14,6 +14,7 @@
       <p></p><a href="./algebra.html">algebra</a></p>
       <p></p><a href="./gpu.html">GPU</a></p>
       <p></p><a href="./personal.html">个人</a></p>
+      <p></p><a href="./pinyin.html">拼音</a></p>
     </section>
   </body>
 </html>

html/pinyin.html

@@ -0,0 +1,30 @@
+<!DOCTYPE html>
+<html>
+<head>
+<title>Depth to View</title>
+<script src="./html.config.js" defer></script>
+<script src="./third/pinyin-pro.js" defer></script>
+</script>
+</head>
+<body>
+    <div class="container-xl">
+        <h1>拼音翻译</h1>
+        <div>
+            <h4 id="section1">生日</h4>            
+            <div>
+                <textarea id="idSrc" rows="3"></textarea>
+                <textarea id="idDst" rows="3" readonly></textarea>
+            </div>
+        </div>
+        <div></div>
+        <script type="module">
+            const { pinyin } = pinyinPro;            
+            const elTextareaSrc = document.getElementById('idSrc');
+            const elTextareaDst = document.getElementById('idDst');
+            elTextareaSrc.addEventListener('input', (event)=>{
+                elTextareaDst.textContent = pinyin(elTextareaSrc.textContent);
+            })
+        </script>
+    </div>
+</body>
+</html>

index/computerScience.md

@@ -57,6 +57,7 @@
 
 ### api
 
+- [GPU](../cg/gpu.md)
 - [OpenGL](../cg/opengl.md)
 - [webgl](../cg/webgl.md)
 - [Shader](../cg/shader.md)
@@ -140,6 +141,7 @@
 - [ALGLIB is a cross-platform numerical analysis and data processing library. It supports five programming languages (C++, C#, Java, Python, Delphi) and several operating systems (Windows and POSIX, including Linux). ](https://www.alglib.net/)
 
 ## AI 
+- [神经网络](../ai/neural.network.md)
 - [模型](../ai/model.md)
 - [参考应用模型](../ai/demo.md)