关于Windows下程序执行的说明

作者: 云计算机网 分类: 云存储 发布时间: 2019-03-17 15:31

估计有很多人首次都是通过Windows(微软的操作系统)来使用计算机的,Windows的设计导致很多人认为所有程序只要双击一下就可以被正确执行了,所以一大堆初学程序设计的童鞋就会遇到些疑问:

为什么双击之后,程序没有正确执行?

程序怎么黑一下就没有了?

程序怎么跟我说要输入参数?

说清楚这些问题有很多办法。我们从Windows执行程序的方式说起吧。

Windows上程序的执行方式

据我所知(为了不把话说绝),Windows上执行程序主要有两种方式:一种就是双击;一种是通过命令提示符(cmd)来执行。从操作上来讲,前者需要鼠标,后者可以不需要鼠标。至于双击这种方式,估计才接触windows的人都会使用,所以就不说了。后一种方式怎么用?很简单,首先启动cmd,启动的方法可以有几种,我喜欢:Windows+R组合键,在输入框中输入cmd,敲回车,这样不用鼠标。如下图:

启动cmd之后,比如我想启动记事本编辑一个文件名为demo.txt的文件,可以在cmd中输入:notepad demo.txt 然后敲回车。

上面输入的notepad就是记事本的可执行程序的名字,它存在于Windows系统的PATH目录(系统搜索可执行程序的目录)下,demo.txt是传给notepad的一个参数。

我们自己的程序是如何知道程序的执行参数的

知道怎么用命令行,那我的程序怎么知道接受的参数是什么呢?C/C++的main函数的参数就是解决这个问题的。

看下main函数的标准定义:

int main(int argc, char** argv){  return 0;}

其中第一个参数argc表示的是我在启动程序时传给操作系统的参数个数,例如notepad demo.txt,argc的值就是2。

第二个参数argv存的是参数的值。例如notepad demo.txt 的argv是 {{"notepad"},{"demo.txt"}}。

  • 至顶网服务器频道 12月13日 新闻消息(文/李祥敬):当前,人工智能成为炙手可热的话题。而人工智能离不开计算力的支撑,于是我们看到数据中心服务器芯片市场的火爆,比如FPGA、AI芯片、ARM等。其实不管芯片形式,其最根本的目的是为人工智能提供源源不断的计算力。计算力的多样化是大势所趋,所以整个市场是乐于看到多样化的处理器和加速器产品的。

    在这样的需求驱动下,我们看到英特尔、英伟达、IBM等在芯片创新上并没有止步。当然除了这些IT巨头,寒武纪、Google等也在尝试基于自身的业务创新进行人工智能芯片的研发。

    众所周知,英特尔在PC时代和云计算时代是芯片市场的霸主,在进入到人工智能时代,英特尔也在创新自身的芯片产品。比如英特尔至强可扩展处理器采用了英特尔高级矢量指令集AVX-512集成加速技术,将极大增强机器学习工作负载的推理性能。

    除了至强可扩展处理器,英特尔借助收购的FPGA以及Nervana技术,推出了集成人工智能加速器的芯片产品。这些全新的产品通过搭载支撑人工智能计算的产品,让英特尔芯片可以承载更多的工作负载类型。

    人工智能中,GPU成为一种重要的计算力载体,在语音识别、计算机视觉等方面发挥了重要的作用。作为图形计算的领导者,英伟达在2017年度GPU技术大会上,英伟达发布了Tesla V100,号称史上最强的GPU加速器。

    Tesla V100加速器基于台积电专门为NVIDIA设计的最新12nm FFN高精度制程封装技术,内部集成了高达211亿个晶体管结构。NVIDIA Tesla V100是目前世界上最高性能的并行处理器,为深度学习算法和框架、HPC系统和应用程序,均提供了强大的计算力支持。作为一个加速器产品,Tesla V100是可以与英特尔的至强可扩展处理器进行合作的。

    在英特尔和英伟达积极拓展人工智能芯片的同时,作为百年老店IBM也没有停止芯片创新布局。继Power 8之后,IBM推出了新一代的Power 9芯片。由于Power 9系列目标面向人工智能以及机器学习,特别针对主流的Chainer、TensorFlow和Caffe等通用AI框架进行定向设计、优化,性能更好更强。

    Power 9是一款具有新型系统架构的芯片,它可以针对机器学习中的加速器进行优化。单个核心可以支持4线程或者8线程,能够分配最多24个核心,逻辑线程总数最多为96个。同时,Power 9支持一系列新的I/O技术,包括超前的PCIe 4.0接口、NVLink 2.0 、Open CAPI、诸如ASICFPGA类高带宽的人工智能和数据库接口架构加速器。

    目前IBM确认Power 9系列处理器将会用于美国能源部下属的劳伦斯利福摩尔国家实验室(Lawrence Livermore National Laboratory;LLNL)以及橡树岭国家实验室(Oak Ridge National Laboratory),打造美国新的超算Sierra和Summit。#p#分页标题#e#

    特别需要指出的是Power 9系列处理器与NVIDIA的GPU可以实现互联,通过搭配Tesla V100,Power 9可以实现人工智能的计算力加速。

    如上所述,芯片市场在AI浪潮下迎来了一个爆发点,各大厂商积极创新为整个市场提供了丰富的产品选择。这个直接引发的就是服务器产品的丰富选择,基于不同的新品产品,服务器厂商推出了种类繁多的服务器产品,特别是针对人工智能计算。

    比如浪潮NF5288M5服务器是目前全球GPU密度最高、性能最强的AI服务器,2U空间内配置8个GPU。这款产品是浪潮与NVDIA联合研发的创新计算平台,能满足AI云、深度学习模型训练和线上推理等各类AI应用场景对计算架构性能、功耗的不同需求。

    而中科曙光公布了全浸没式液冷AI训练专用服务器X860-LE,该款服务器利用液态冷媒大幅减少了冷媒的体积流量、降低传热温差,从而获得更高的设备功率密度、更高的能效比和更低的芯片表面温度,极大提升了计算密度和性能。

    同时,曙光与寒武纪联合推出了全球首款基于寒武纪芯片的AI推理专用服务器SuperBOX,该服务器可以在4U空间中部署20个人工智能前端推理模块,能够为推理提供强大的计算支持;此外其还通过提高密度来降低总体服务器的部署数量,可显著降低项目总体投资。

    IBM也推出了基于POWER 9处理器的新一代Power Systems服务器。基于全新POWER 9的AC922 Power Systems是首批嵌入PCI-Express 4.0、新一代NVIDIA NVLink及OpenCAPI的系统,这几项技术的结合使其能够加速数据传送,在计算速度方面超出基于PCI-E 3.0的x86系统9.5倍。

    应该说,芯片产品的繁荣从一定程度上驱动了服务器市场的发展。IDC全球服务器季度追踪报告显示,2017年第三季度全球服务器市场的厂商收入同比增长19.9%达到170亿美元。这样的市场增长肯定离不开以云计算、大数据、人工智能等技术的驱动。得益于芯片厂商的新品,也在某种程度上刺激了客户的采购需求。毕竟基于全新芯片产品的服务器产品,在加速企业采用新技术方面发挥了重要的作用。

    综上所述,在人工智能驱动下芯片半导体行业迎来了新的发展契机,我们也看到各个芯片厂商积极创新产品和技术,为客户提供了更多选择。同于,基于芯片产品的服务器产品也迎来新的增长动能,这直接带动了服务器市场的增长。

    不管是芯片产品还是服务器产品,这些都为人工智能的发展提供了坚实的计算力基础,同时,客户也可以选择多样化的芯片和服务器产品驱动自身在AI方面的实践,加速业务创新。

  • 相关推荐:

  • 百家争鸣谈谈人工智能驱
  • 市场分析:半导体并购热
  • 英特尔:请各位不必担心
  • “国家队”芯片大基金旗
  • 英特尔收购eASIC冀推动旗
  • 数据中心增长强劲英特尔
  • 英特尔:对对,10纳米很
  • Nvidia公布第二季度财报:
  • 全球化格局下中国芯片企
  • AMD季度财报和前景预期不
  • 网站内容禁止违规转载,转载授权联系中国云计算网