ai芯片编译器测试:互联网测试转行到芯片测试行业

之前在互联网行业做自动化测试工作,2年左右,目前转行芯片行业,做编译器测试工作。
以下为入行一个月的学习内容,供相关感兴趣人员作为大致了解内容

知识点 指南 投入占比
卷积神经网络 链接 不时复习
卷积详解 链接 不时复习
卷积和池化–基本概念! 链接
INT8量化原理 链接 了解知识点即可
mobaxterm教程1 链接 工具
mobaxterm 教程2 链接 配合实践2h左右
PCI与PCIE 链接 了解知识点即可
过拟合与欠拟合的区别 链接 了解知识点即可
泛化 链接 了解知识点即可
序列化/反序列化 链接 了解知识点即可
前向/反向传播 链接 了解知识点即可
归一化方法 链接 了解知识点即可
LLVM 链接
AST-抽象语法树 链接
TVM框架-1 链接
TVM框架-2 链接
linux教程 链接 配合实践3H左右,熟悉密令
gerrit配置ssh-key 链接
TensorFlow中文教程 链接 一天5个算子/知识点左右
TensorFlow学习路线 链接
向量学习 数学 配合计算2H左右
标量、向量、张量 数学
深度学习中的轴/axis/dim全解 重点
axis与轴理解2 还是没记住
numpy 中 对于shape 以及 axis 的理解 再来一遍
column and row 链接
numpy包熟悉-array相关 基础
numpy包熟悉-stack相关01 基础
numpy包熟悉-stack相关02 再来一遍
TensorFlow调用:Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA https://blog.csdn.net/hq86937375/article/details/79696023
广播机制 重点
NHWC;NCWH NHWC–CPU连续像素点;NCWH–GPU间隔像素点
tensorflow:rank, shape, type 重点点
pool操作 有点忘了
Python中动态导入对象importlib.import_module()的使用 代码
tf.matmul matmul TF部分算子解释
tf.extract_image_pathes 白看了没记住
tf.quantization 没记住
卷积conv2d 天天加深理解
DepthwiseConv2D和Conv2D详解 天天是个动词
卷积图 天天
深度可分离卷积 天…天
几个激活函数reLu的区别 激活
卷积神经网络大体框架 天天废了
tf.nn.conv2d是怎样实现卷积的? 天天活了

以上凡是内容相似或者重复的,说明一次记不住需要多次记忆,说明是重点反复需要用到。
内容未分类,因为我也才入行一个月,未来持续更新优化结构。
转行后最大的感受:知识点需要从基础开始学起,否则无法深入了解导致测试开展阻塞。和互联网软件测试相比,门槛的确会高些,对于本科生来说比较吃力,需要边学习边开展工作
芯片行业未成熟,一切还处于探索阶段,互联网行业技术与经验皆可借鉴,芯片行业处于瞎子过河,全靠学习和积累,所以如果要做这个行业一定要沉下心,累计知识量,否则很难顺利做下去。很多人靠的是兴趣,没有兴趣做起来比较难,我就属于没基础没兴趣的,靠的都是生活的压力…

你可能感兴趣的:(软件,测试,python,编译器,芯片,tensorflow)