接上文，本章尝试在RV1106上使用TBB。依然是一言难尽，此文依然只是记录实践过程。

在上一篇文章中，我们成功验证了IntelThreadingBuildingBlocks(TBB)与OpenMP在多线程并行处理方面的加速潜力。

以前对OpenCV在ARM-Linux，ARM-Android上的优化做了很多编译方面的努力，例如添加TBB支持，添加CUDA支持(NvidiaK1平台上)。

经过初步调研后，可以从OPENMP，TBB这两块进行加速，当前项目中有些算法已采用多线程加速，这次主要是对比以上两个加速模块与多线程加速效果的对比。现在PC上实验，然后再移植相关库。

loadopencv_highgui_gtk*_64.dll=>FAILED*告警2、调用opencv中涉及并发的函数(如cvtColor)，会有libraryloadloadopencv_core_parallel_tbb

Basalt前端逻辑梳理TBB安装参考https://zhuanlan.zhihu.com/p/480823197代码注释参考https://blog.csdn.net/qq_39266065/article

1、CMake先安装好TBB和CUDA，到官网下载，配置系统环境PATH（添加bin目录）；CUDA安装教程第一次configure时会自动下载ippicv，这里需要耗费一点时间。

cmake-DCMAKE_BUILD_TYPE=RELEASE\-DBUILD_opencv_python3=YES\-DCMAKE_INSTALL_PREFIX=/usr/local/opencv4_5_0\-DWITH_TBB

classClassGenericity{//在类里面可以直接使用T的类型Taa;publicvoidtest11(Tbb){//................}

在CMakeLists.txt中，原来有一段这样查找和链接的配置代码find_library(tbblibaray${tbb_path})target_link_libraries(backalarm$

windowsTBB的使用1.InstallwithGUI1.InstallwithGUIToinstalloneTBBusingGUI,completethefollowingsteps:GototheDownloadpage.SelectthepreferredinstallerOnlineinstallerhasasmallerfilesizebutrequiresapermanentInt

1、TBB需要相当可观的重新设计程序，而OpenMP足够简单；2、TBB不太适合并行化已有的实现（软件），它为新设计的并行程序培养一种好的编程风格和更高的抽象层；3、在论文的实验中，OpenMP稍稍超过

cmake-DCMAKE_BUILD_TYPE=RELEASE\-DCMAKE_INSTALL_PREFIX=/usr/local\-DWITH_TBB=OFF\-DENABLE_FAST_MATH=1

1、官网下载tbb：https://www.intel.com/content/www/us/en/developer/articles/tool/oneapi-standalone-components.html

版本，第二：C:\ProgramData文件夹默认是隐藏文件，需要在c盘—查找当中勾选显示隐藏文件第三：需要将插件对应版本下的Qt5Core.dll、Qt5Gui.dll、Qt5Widgets.dll、tbb.dll

环境搭建vscode安装下载vscode，更改安装路径，按默认提示安装安装编译器（MinGW-W64GCC）(1)资源下载链接：https://pan.baidu.com/s/1xpSJuPWvfaRu1tbB2ysetw

pthread中提供的锁有：pthread_mutex_t,pthread_spinlock_t,pthread_rwlock_t。pthread_mutex_t是互斥锁，同一瞬间只能有一个线程能够获取锁，其他线程在等待获取锁的时候会进入休眠状态。因此pthread_mutex_t消耗的CPU资源很小，但是性能不高，因为会引起线程切换。pthread_spinlock_t是自旋锁，同一瞬间也只能有

CMAKE_CXX_STANDARD17)project(tbbCXX)add_library(tbbSHAREDvoid.cpp)set(CMAKE_BUILD_TYPE"Release")include(${TBB_ROOT

/lib/libslam_in_auto_driving.tools.so:undefinedreferenceto`tbb::interface7::internal::isolate_within_arena

5.8.TrustedBoardBoot启动TrustedBoardBoot(TBB)功能通过验证所有固件镜像（包括正常世界引导加载程序）来防止恶意固件在平台上运行。

逻辑覆盖率：语句覆盖0Taa0Tbb1Taaa<1Faac=2Tcc!

源码请见:https://github.com/oneapi-src/oneTBB/blob/master/src/tbb/co_context.h在windows系统，TBB(也就是intel的oneTBB

ERROR:Cannotuninstall‘TBB’.Itisadistutilsinstalledprojectandthuswecannotaccuratelydeterminewhichfilesbelongtoitwhichwouldleadtoonlyapartialuninstall

cppintmain(){inference();return0;}main函数还是只执行了一个inference这里的link可以看到是使用了intel的tbb库，这个我们在之前讲到过TBB的并行模式

转自：https://www.cnblogs.com/arnoldlu/p/14301334.html前面我们跟着前辈的文章，学习了ATF的启动、镜像生成与校验、固件升级，这里来看看启动需求。ARMTBBR定义了安全系统基本需求，ATF中实现了COT，包括FIP生成、密码库调用、镜像签名加密/解密验签等等流程。下面主要参考ARMTBBR文档，以及《TrustedFirmware-ADocument

voiddownload(std::stringfile){for(inti=0;i>name;std::cout>name;std::couta(n);size_tmaxt=4;tbb::task_grouptg

任务分配：对于并行编程，通常是cpu有几个核心就开几个线程，比如在上面的这个例子中，将图片均匀分为四等分，但是会发现四号区域处理的时间更长。所以由于木桶原理，花的时间由最慢的线程决定。所以实际并没有达到高效。所以要根据任务量平均分配解决方案：1、调大核心数量，线程越多越好，如果超过和cpu的核心数量，那就会自动轮换，轮流执行每个线程。比如这里分配了16个线程，但实际上只有4个核心，那么就会先执行1

线上沙龙-技术流第32期回放来啦本期直播我们邀请KaiwuDB高级研发工程师康俊，为大家分享TBB开源库及并发Hashmap的使用。

selecta.c1,b.c2fromtaa,tbb不指定条件的连接查询会把两个表的记录按笛卡尔积连接起来（nxn）静态cursor与REFcursor静态光标不能返回到客户端，ref光标能够被返回到客户端

线上沙龙-技术流第32期回放来啦本期直播我们邀请KaiwuDB高级研发工程师康俊，为大家分享TBB开源库及并发Hashmap的使用。

目录OpenMP案例一：OpenMP案例二：tbb案例一：tbb案例二：OpenMP案例一：1.设置OpenMP支持2.代码#include#include"omp.h"usingnamespacestd

实例所使用的链接文档1.GetStartedwithoneTBBhttps://oneapi-src.github.io/oneTBB/GSG/get_started.html2.oneapi-src/oneTBBhttps://github.com/oneapi-src/oneTBB3.Usinginput_nodehttps://oneapi-src.github.io/oneTBB/main

#include#includenamespaceflow=tbb::flow;namespacetpt=tpf::types;namespacetcr=tpf::chrono_random;tpf::

什么是TBB？

说明线程构建模块（TBB）使您可以轻松编写并行C++程序，这些程序可充分利用多核性能，可移植且可组合，并具有面向未来的可扩展性。特点广泛用于任务并行的C++模板库。

最近关注的多核编程的工具包括openMP和TBB。按照目前网上的讨论，TBB风头要盖过openMP，比如openCV过去是使用open

文章目录前言一、可信构建块（TrustedBuildingBlock,TBB）二、可信计算基（TrustedComputingBase,TCB）三、信任边界（TrustBoundaries）四、传递信任

1.发现问题pip安装daal库时报错：ERROR:Cannotuninstall'TBB'.Itisadistutilsinstalledprojectand......安装其它库报错的情况也可根据本文类推过去

文章目录1.cpu代码加速：simd指令集2.cpu代码加速：多线程：openmp并行3.cpu代码加速：多线程并行：tbb4.CPU,GPU加速：OpenCL并行5.nvidiaGPU加速：cudaC6

opencv_contrib3.4.1执行命令：tar-xzvf*.tar.gzcdopencvXXXXmkdirbuild&&cdbuildcmake-DCMAKE_BUILD_TYPE=RELEASE-DWITH_TBB

1、https://github.com/01org/tbb下载最新release版tbb源码包。2、我的环境为CentOS6.6-x64+gcc4.82,编译会有如下报错：“Created..

Cmake【下载地址】这里我用的是cmake-3.15.0-rc1-win64-x64TBB【下载地址】这里我用的是tbb2019_20

mkdirbuildcdbuildsudosucmake-DWITH_TBB=ON-DWITH_EIGEN=ON-DOPENCV_GENERATE_PKGCONF

然后就是把这些读取的亮温值可视化，绘制成TBB的卫星云图。先展示一下结果：1.读取hdf文件详见上篇文章，这里不再赘述，再贴一下代码。

如图，读取FY-2c的hdf文件（为总文件不是TBB）画水汽云图。

1.65sudoapt-getinstalllibboost-all-devCMake>=3.0sudoapt-getinstallcmakegcc4.7.3>=4.7.3sudoapt-getinstallgcc依赖TBB

之后的依赖（TBB、MKL）是可选安装（Optionalprerequisites-usedautomaticallyiffindablebyCMake），我没试

目录一、源码及数据集下载二、安装依赖2.1boost>=1.652.2安装tbb2.3CMake>=3.02.4gcc>=4.7.32.5安装mkl2.6安装ROS功能包三、安装GTSAM库四、编译并运行

LIO-SAM在Ubuntu20.04下编译和运行的问题一、安装依赖项1.Boost>=1.652.CMake>=3.03.gcc大于4.7.3就行4.安装TBB5.安装MKL二、安装GTSAM三、OpenCV

OpenCV虽然会在的提供安装程序中给你一个事先编译好的二进制代码（库），但是这基本上就是一个残血版的OpenCV，所以我们需要对它重新编译来加入一些新的特性，尝试添加令人exciting的contrib模块和TBB