分享到plurk 分享到twitter 分享到facebook

ssheep773 (翁晟洋)

簡介

  • 國立成功大學 人工智慧科技碩士學位學程 111 級 (2022 ~ 2024)

  • GitHub: ssheep773

  • HackMD: Xsheep

2024 Linux 核心實作 春季班 自我評量

成果發表和貢獻

自評分數: 6 分

這部分我沒有做出實際的貢獻,但我有在其他同學的專案中提供意見,並回覆其他同學對我專案提出的問題進行回答與改進,間接的對 Linux 的中文資訊作貢獻。

作業/隨堂測驗

自評分數: 8 分

在寫作業的過程中,我了解 C 語言和 Linux 核心的運作原理,也掌握 git 版本控制的技巧與其必要性。我運用 Linux 核心提供的 List API 實作鏈結串列的各項功能,學會使用效能分析工具如 Valgrind 和 perf ,用於證明我修正後的程式有較好的效能。這些實作的經驗不僅提升我程式開發能力,也讓我體會到系統架構的運作機制與其重要性。

期末專題

自評分數: 9 分

在期末專題中,我運用老師的 work-stealing 範例程式與論文說明的方法,將程式碼打包成閉包執行,用於計算費式數並用 work-stealing 平衡每個執行緒的工作量,並使用 pref 分析結果。

與授課教師的互動

自評分數: 9 分

  • 一對一討論時間: 2024/05/11 下午 4:00

在一對一討論中,我向老師請教 RCU 與 lock-free 差異,經由老師提醒 RCU 的重點是 scalability ,讓我了解過去學習的缺失。同時也訂定期末專題的題目工作竊取,並向老師詢問若再排程器能準確排程的情況下,為何還需要工作竊取,經由老師解答了解到程式執行會因為例外事件等因素,造成執行時間的不可預期,因此需要工作竊取作工作的負載平衡。

修課心得本課程的投入狀況

自評分數: 8 分

閱讀《因為自飲料機而延畢的那一年》,我深刻體會到理論與實務的差距,並意識到實作的重要性,實作的過程中能夠不曾察覺問題,並且在心態上不要害怕失敗,就像我來修這門課到了期末我還有課程與作業未完成,但我已經在前進的路上,就像老師說的不會就趕快學,問題不再於不會而是沒有開始學。在期末專題中,我從中學習如何將理論應用於解決實際問題並分析遇到的效能瓶頸。這樣的學習方式讓我獲益匪淺,不僅加深了對課程內容的理解,更培養了解決問題的能力

實驗室指導教授的學習回顧

自評分數: 9 分

我於二、三、五月分寄信給實驗室教授回顧當月的學習況,並舉例說明 Linux 課程與實驗室的領域的相關性,讓實驗室教授了解我們的學習狀況,且於實驗室會議中提到 Linux 課程的學習內容。

  • 二月學習回顧 (2024年03月06日) 提到影像處理與類神經網路中使用的 ReLU 都能夠透過 Bitwise 的操作加速

  • 三月學習回顧 (2024年04月11日) 學習到定點數與浮點數,在應用於深度學習訓練模型時,不同的數值系統影響精度與計算時間的考量

  • 五月學習回顧 (2024年06月22日) 學習到 RCU 等並行處理方法,可以使用到擴充實驗室研究內容中

自我評量

  • GEOMEAN:\(\sqrt[6]{6*8*9*9*8*9}=8.08\)
  • 方案 B:\(1+\lfloor 8.08 \rfloor=9\)