80彩票刷流水下载,给彩票网站刷流水赚佣金
内容导航：
一、手机上看到有刷流水赚钱让自己下载一个链接注册在
建议不要去下载那些链接，有的是一些病毒木马，植入你的手机之后，你手机里面的一些信息会被对方盗取。那些人都是打着赚钱的幌子让你去做，其实你的信息会被泄露。有人会拿你的信息去贷款之类的，建议不要去下载。
二、2018上半年我买了100多件产品这是其中最喜欢的40件
一下子2018年已经过去一半了，对我而言这也是我做对比实测的第二个年头了。
(就是这么感慨一下)
今年年初的时候有和大家分享过我的『2017入手的60件好物』。
没想到获得了那么多人的喜欢和支持，还是非常非常开心和感动的。
刚好18年也过一半，我这段时间也一直在做总结和整理。
所以就有了下面这一份半年度的总结内容和好物推荐。
过去的六个月里，我实测/体验了：
（点击图片可以直达）
5款扫地机器人
5款电动剃须刀
8款体脂秤
8款无线吸尘器
10款青团
10条打底裤
10多种速冻水饺
10款卫生棉条
12款解压玩具
11双运动品牌拖鞋
11款防晒喷雾
16款粽子
估计下半年的实测内容会更多吧。
心疼钱包…….
同时上半年我大概入手了100多件商品，下面整理的是其中40多件我觉得值得一提的。
这边先做个声明：没有实测或者亲自用过的好物推荐都是耍流氓！我只分享我用过的东西！
当然我觉得好用的东西，不一定适合你们，这边只是给个参考建议罢了。
老样子，我还是按月份来分享。
一月份
/
■ 万能清洁膏 | 26元
来自公司打扫阿姨的倾情推荐，回家试了一下，效果让我有点惊为天人的感觉。
我家这个从住进来就没有擦过的水龙头被擦得像新的一样。
家里用了很久，怎么也洗不干净的锅、洗碗槽的都可以轻松得擦干净。
而且连小白鞋也能洗干净！真的是一款什么都可以弄干净的清洁膏，性价比相当高。
■ 浴巾 | 46元
珊瑚绒的材质，毛茸茸的表面，摸上去十分的亲肤，会有一种非常细腻的感觉。
表面的小绒毛呈菠萝格的形状，可能是因为这个原因所以整条浴巾拿在手上的感觉比较蓬松。
我使用了一段时间感觉它的吸水性也很不错，洗完澡之后从头到脚基本上一条毛巾就可以擦干。
现在主要是去泳池的时候都会带上，一条搞定一切，非常方便。
■ 墙面收纳架 | 25元
很日常，却也很实用的收纳物件：免打孔墙面置物架。
适合卫生间，厨房还有寝室这些空间相对有限的地方使用。
先把带有粘性的无痕贴条贴到墙面上，记得贴之前先把墙面擦干，除了瓷砖面之外，木板面，水泥墙面等光滑的表面都是可以贴的。
置物篮是镂空的，能沥水不湿。
■ 居家睡衣 | 85元/套
这套睡衣的材质是比较常见的百分之九十五的棉加上百分之五的晴纶。
摸上去就能感觉到非常的柔软。
棉质的亲肤性应该是不用的多说的。
买过一些睡衣，稍微出点汗就会粘在身上。
或者面料比较硬，穿起来很不舒服。
这套睡衣在这方便都做得不错，出汗之后也不会黏在皮肤上。
二月份
/
■ 起泡瓶&皂托 | 25元
这俩也是上半年入手的，之前有买过MUJI的，搬家的时候给忘记了…..后来就换了个稍微便宜点的，毕竟MUJI动辄50几块钱一个，想想就心疼。
起泡瓶主要是兑洗发水使用的，水乳比例1：1，原理很简单，就是加了个起泡泵头。
发泡之后会更加柔和一些，不会直接刺激头皮。
皂托主要是因为最近开始用硫磺皂了，就买了个平时能放肥皂。
和之前推荐过的浴室地垫一样是硅藻泥材质的，能快速吸水并且不潮。
这两个小玩意虽然不是贵，但是好看耐用，细节之处往往能提升幸福感。
所以把它们也加入到了18年半年好物之列。
■《天才在左，疯子在右》 | 27元
过去的半年实在是事情多，而且做了很多劳神伤财又费时间的对比测评。
在间间断断中把这本书给看了一遍。
其实我还有点顾虑要不要拿出来讲这本书的。
第一次知道这本书是我一个大学读应用心理学的哥们无意间和我提起来的。
天才和疯子是共同存在一个人身子里的两种状态吧，这也只是我个人的一个猜想和理解。
不太建议用很科学和心理学分析的角度去看它的内容，并没有多大参考建议。
但是从思考逻辑和内容悬念给人的发散性思考的角度来说，这本书还是可圈可点的感兴趣的朋友可以去读读看。
■ 风干牛肉条 | 44.8元/盒
这款牛肉干的优点就在它不干。
这么说可能有点奇怪，但是的确就是这样。
之前我自己买的风干牛肉非常的柴，咬的时候像是啃一块柴火。
但是这款打开包装就会有种湿润感觉。
还让我怀疑了下这个是不是风干的牛肉。
不过嚼起来，还是那种干干的感觉，比较有嚼劲。
■ 水洗棉四件套 | 208元
材质是我个人喜欢的水洗棉。
这种材质和普通的全棉材质比较起来会稍硬一点。
我喜欢这种面料很重要的一个原因在于它的舒适度。
吸水性一般，所以它不容易粘在身上。
摸起来的顺滑度也很不错。
春夏的四件套最怕的事情就是出汗之后粘在身上了，水洗棉的四件套就不会有这个问题。
面料的厚度很实在，拿在手里沉甸甸的一套。
不过透气性还可以！
■ 旅行洗漱包 | 57元
这款洗漱包材质是杜邦纸的，当初入手的最主要原因是它带有分区，而且很实用。
顶部的小袋子可以放一些片状的面膜。
中间的网兜我用来放香水和面霜之类小包装。
再下面就是放一些水乳、洁面膏。
最下层的小袋子是可以拆下来的，我用来放牙刷牙膏。
这样即使牙刷牙膏沾湿了，也不会影响到包里的其他东西。
我一开始还担心东西会不会有点多，拉上拉链之后发现还有点空余，女生有口红唇膏什么的，应该还可以再塞点。
三月份
/
■ 纯色船袜 | 5.8元
袜子是易耗品，为了卫生和整洁我基本上是每个季度换穿不同厚度的袜子。
这款短袜一套有五个颜色。
因为是春夏天穿的，很轻便，不会厚重。
这也是我选择他的原因。
弹性还是很不错的，对袜子而言，棉是最主流的面料。
总体来说这款短袜比较轻薄不会闷，也不太容易脱落。
■ 鞋子除臭喷雾 | 29.9元
实测了很多除脚臭的产品，这款喷雾和我之前买过的一些专门针对脚臭的产品不太一样，它在包装上就先脱离了低级趣味。
喷雾本身的味道是非常浓郁的薰衣草味道，我刚到手试喷的时候不住的皱眉头。
我个人不喜欢薰衣草的味道，当时以为自己白花钱了。
抱着尝试的想法在鞋子里喷了两下，结果还是蛮惊喜的。
我原本以为它是靠浓郁的薰衣草香味来掩盖鞋子原本的臭味，结果发现晾干之后并闻不到浓郁的薰衣草味了，鞋子变成就是很单纯的没什么味道。
■ 冷萃咖啡粉 | 89元/盒
它最吸引我的地方，就是它采用的是速溶的方式。
一罐冰牛奶或是冰水，加入一小罐这个，就能成为一杯冷萃咖啡。
一共有三款，分别用于冰水冷萃的1号，奶萃的2号和综合使用的3号。
拿勺子搅拌一下就好了。
如果用有盖子的随行杯的话，摇晃一下就可以完全溶解了。
味道上和星巴克的冰拿铁比较起来会发现，酸味几乎没有了，我个人觉得苦味也没有增加太多，但是口感却提升了不少。
据说用的是阿拉比卡咖啡豆，SCAA评80+。
■ 香薰精油 | 29元/瓶
当时是失眠比较多，就买了点香薰。
三瓶不同气味，其中柠檬草的用的比较多，类似各种按摩SPA店里会用的香味。
我个人是觉得在那种气味中会比较放松，闻起来有点淡淡的花香味和一点点柠檬皮的味道。
还有两种是薰衣草和佛手柑。
在我看来气味就是一种信息素，会调动我们记忆里接触过类似情绪的情景，而产生情绪的反应。
■ 防漏光眼罩 | 26元
我对眼罩的要求其实不算高：不压眼睛，不透光。
符合这两点对我来说就是一个合格好用的眼罩了。
去年有买过一个也和你们分享过，但是那个被我弄丢了。
所以上半年换了这个！它比较的特别的一点就是分为高鼻款和低鼻款两种。
我入手的是高鼻款，边缘是圆弧形。
睡觉的时候不会有眼睛被压迫的感觉，相信不少人有过一觉睡醒眼睛看不清的经历，很多时候就是眼睛被压着了。
材质很柔软，拿起来挺轻的。
四月份
/
■ 碳烤金钱肉 | 79元
鱼露和糖是这款猪肉脯的全部辅料，也是这款猪肉脯全部的鲜味来源。
调味的鱼露赋予猪肉咸鲜，白糖则减弱了咸的冲击力，更加凸显出肉脯的鲜味。
总而言之就是：好吃！使我不断回购这款肉脯的还有一个原因就是它比起我之前吃过的很多肉脯更有汁水。
■ 运动鞋清洗剂 | 49元
左边是擦之前，右边是擦过之后，看上去效果应该很明显了。
不过它的清洁效果不是我回购它的原因。
作为一瓶运动鞋清洗剂，把鞋洗干净是它应该做到的，操作简单才是我真的需要的。
直接把清洁剂倒在需要擦的地方，不用倒特别多。
自备一把小刷子，刷个三四下，就能看到污渍都被溶解了。
再用湿毛巾或者湿纸巾擦干净。
■ 猕猴桃沐浴露 | 49元
新西兰的一个牌子，里面的颗粒好像猕猴桃籽一样，闻起来也很像猕猴桃果汁，但是闻起来没有那种酸酸的气味，还是一股清新气息。
夏天的沐浴露我偏向于清爽不腻，清洁力度强一些的，滋润型的一般是秋冬使用。
这款完全满足我了，很少量的沐浴露就能洗出很多泡沫，而且很细腻。
里面的颗粒是用来摩擦皮肤的，但是温和不疼，这一点出乎了我的意料。
冲洗后不会假滑，这一点也很重要。
它还有一个很特别的设计，就是可以倒挂。
瓶口还有防漏设计，倒挂也不会流出来。
■ 软毛沐浴刷 | 59元
看上去挺好看的，符合我的一贯审美。
我之前有买过MUJI的沐浴刷和国内的刷子，刷毛都比较硬，猪鬃毛材质的。
用起来都比较刺，但是这款的触感很柔软。
据说上面有45万根0.05mm的纤维，摸起来就非常的细腻！而且弹性很好很快就会复原。
夏天容易出汗皮肤比较油腻，背上爆出粉刺、黑头的几率反而更大了。
污垢堵塞毛孔，不能进行正常的水油平衡。
所以适当的时候用下沐浴刷清洁下还是很有必要的！
■ 防滑拖鞋 | 29元
这双拖鞋除了颜值个人很喜欢之外。
脚感是我选择它最关键的一点。
鞋面是有一颗颗小突起的，不滑脚的同时踩在上面也能感受到那种挤压的舒服感觉。
而且鞋面是有凹凸贴合脚底的设计，所以踏上的时候就很踏实，贴合脚底。
另外它的鞋底也是做了防滑的处理，也正是因为这样，我才敢在浴室用。
五月份
/
■ 黄桃罐头 | 45.8元
市面上做黄桃罐头的品牌相当多，质量也是参差不齐。
我之前也买过一些，里面的香精味道很重，或者是黄桃很软烂。
这款黄桃罐头吃起来给我最明显的感觉就是新鲜。
能尝得出用来做罐头的黄桃本身质量就不错，是那种质地会偏硬一点的，不会过分的软烂。
和平时我们吃的比起来，会有比较明显的果酸味，不是一味的甜，桃香味也比较浓郁。
比较惊喜的是，它的盖子里还有一把小叉子，打开就可以直接食用。
■ 洗发水 | 74元
洗发水对我而言和牙膏差不多，经常会换着体验使用的那种。
植物成分，无硅，氨基酸成了吸引到我的地方。
泡沫的丰富和细腻程度也是让我惊讶。
气味有股淡淡的薰衣草清香，一遍洗完就感觉非常的干净，我头发是偏油的，用完之后头皮一天都很舒服，而且不是记忆中无硅洗发水那么干涩。
质地比较稀薄，因为是天然成分，它开封之后，只能保存3个月时间，不过一瓶250ML差不多也能用完了。
■ 环保驱蚊剂 | 28.9元
其实电蚊香这个想法还不错，我自己也的确用了一阵子，唯一的缺点可能就在我经常忘记拔……干烧着还挺危险的。
在办公室也不太好用。
最后这个是我自己在用的，综合下来觉得总值得给大家推荐的。
就是香茅草提取物类型的，相比起驱蚊胺香茅草的刺激性更低。
不过味道非常淡，不凑上去基本闻不到吧。
使用起来也很方便。
■ 红印牙膏 | 39元
牙膏是个消耗品，我基本几个月就会换一款新的来用用看。
之前有和你们分享过86牙膏，Theramed的牙膏，日本smile cosmetique去牙垢美白牙膏。
这款不是那种一用就会让你觉得惊艳的类型，但是效果却是实实在在的。
它有很多款，比较出名是是去烟渍的。
不过我入手的是小苏打款的，和一般的牙膏使用起来最大的区别就是它的泡沫比较少，据说是因为没有添加起泡剂的关系。
味道就是普通薄荷的味道，不会辣口，会有比较强烈的颗粒感。
■ 薄荷绿植 | 25.8元/盆
5月份搬了一次家，那时候就在想买点绿色的东西点缀下房价啥的。
一番浏览和抉择之后，发现薄荷是比较合适的。
薄荷的气味能驱蚊虫，而且薄荷叶可以食用。
绿油油的还挺好看的，关键是好养……每天浇水一次就行了。
房子房间里，能闻到一阵阵的清香味，一股薄荷很清爽的感觉。
它很需要阳光，我是每天放在窗户有光进来的地方晒下，建议不要直晒。
六月份
/
■ 冷感床垫 | 139元
这个冷感床垫与去年介绍的冷感凉被是一个系列，同样采用冷感科技制作，面料纤维中含有具有释放冷元素的粉状矿石，具有优异的热传导性，一接触到就能感受到凉爽，并能保持持久的凉爽感。
而且也抗菌防臭，因此在夏天是足以替代凉席的，避免受凉。
比较轻薄，能够手洗也可以机洗，特殊的材质能够吸水速干。
■ 内衣清洗液 | 95元
是免手洗的，还蛮好用关键是方法很简单，把内衣裤放进盆里加水，然后加上一泵的洗衣液，用手搅和搅和。
之后放在一边等待20分钟，然后搓揉两下，流水洗净。
因为洗衣液是低泡配方，清洗起来容易。
有添加除菌配方，用来洗内衣裤也会比较安心。
这瓶洗衣液是的香味还蛮好闻的。
■ 驱蚊喷雾 | 29元
这是向蚊子的屈服！我入手了和家用驱蚊剂同款的防蚊喷雾。
拿到手之后发现，这好像就是浓缩了一点的驱蚊剂。
一开始喷出来的味道会有点重，过两分钟味道就会散开，不凑近闻是闻不到的。
我喷了这款喷雾之后到我开箱的那片草坪呆了半小时，身边偶尔有蚊子嗡嗡嗡的过去。
但是我身上始终没有被咬。
就是水雾略为有点大，喷完之后需要抹匀一下。
■ 日本冷水壶 | 59元
它是上个月刚刚买的，为了方便夏天喝点柠檬水或者凉白开啥的。
是日本的一个牌子，它们家的饭盒可能更有名。
颜值看上去很不错。
可以直接放入冰箱壶柄上采用的是一键式锁扣，往里推，看到OPEN就可以倒出水。
显示lock就是上锁状态，上锁的状态下不管我侧放还是倒放都不会有水漏出来。
在日常生活中完全不用担心碰倒有水撒出来的情况。
杯子的容量有1.6L，足够满足我一天的喝水需求。
■ 泰国蛇粉 | 17.9元
小小的一罐有点像是胡椒粉的样子，倒出来就是类似爽身粉样子的白色粉末状物体。
但是味道闻起来就有点凉飕飕的感觉，还有一股花香味。
抹上之后就能感觉到有点凉嗖嗖的感觉，里面应该有加薄荷的成分。
不过我查资料看到说，因为有添加这种清凉的成分，所以不建议婴幼儿使用。
粉质还算细腻，感觉似乎有点止汗的作用，抹完之后疯狂出汗的状况稍微好了一点。
出门前可以在手臂上摸一摸，爽肤止汗还防蚊虫。
■ 叮后药膏 | 47元/支
关于蚊子叮后止痒，简单来说因为蚊子的唾液里有种抗凝物质人血液凝固，人被叮的那块皮肤会对这种唾液产生过敏，所以就会感觉到痒，起红包。
所以要通常来说都是用碱性去中和。
这是一款我自己最近发现的一款能够快速止痒，消除红肿的止痒膏。
流动性的凝露质地，拧开盖子轻轻挤一下就出来了。
抹匀之后能感觉到清凉的肤感，红肿的地方马上就不痒了，止痒效果之快是我个人所见过的用于蚊虫叮咬后止痒产品中最快的。
去年分享的十件热门回锅肉
/
真的好用
■ 86%牙膏 | 28元
牙膏是韩国MEDIAN牙膏，86%是指它的最主要的功能—临床试验有效清除达86%的牙结石。
简单的理解就是能把牙齿清洁的更加彻底。
一用就是3个月过去了，喜欢这种略微的磨砂感觉。
口感不会很凉很刺激。
■ 胸口小包 | 95元
入手的原因也很简单，它能非常完美的解决我的夏日小出行，需要多带几样小东西的时候，背双肩包或者多功能包嫌弃太大，只拿个钱包又觉得太小。
颜值和实用性都很棒。
■ 洗衣机清洁剂 | 53元
经年累月藏污纳垢，它远比你看到的要脏得多。
11月份搬了新家不久，发现新的洗衣机有点脏，就买了它来做清洁。
泡洗的时候能明显看到污垢被溶解出来。
■ 冰垫 | 29元
这款冰垫能有效解决夏日局部湿热的感觉，内里填充的是水和冰晶颗粒，用手捏可以感受到里面的液体，不用加水，可以冷藏。
除了放在椅子上垫屁股，它还能当午睡靠垫，另外也可以放在桌上垫电脑，降温效果堪比抽风式散热器。
去年就和你们分享过，夏天到了，我又拿出来用了！
■ Nature’s Air Sponge 空气净化膏 | 58元
10月底，我搬了一次家。
新住的地方感觉装修气味有点重，就入手这个来自美国的净化膏。
原理是通过表面的活性炭吸附甲醛，再通过底下的蓝色凝胶将甲醛分解成水和二氧化碳，不会造成二次污染。
闻起来是淡淡的清香，有点肥皂的味道，还挺好闻的。
■ 长柄竹节雨伞 | 65元
其实当时买长柄伞的动机是因为拿着方便，虽然会有人说，折叠伞可以放进包里，但是湿漉漉的伞你要怎么放进包里呢。
拿在手里还不太方便。
撑起来走在雨里的时候，总有一种走在英国街头的感觉。
（仅管我的背景只是一个地下车库）
■ 植物泡沫洗手液 | 39元
是日本狮王专门为儿童研发设计的一款挤压泡沫式的洗手液，看上面的亲子卡通图案就能感受出来了。
其实它没有啥特别的地方，只是因为感觉很温和也很效果，就一直在用了，除手上异味能力还是挺强的。
■ 冷感被 | 169元
表面摸起来是真的凉快，贴上去的那瞬间就像是打开了冰箱门冷气扑面而来的感觉。
原理其实是面料纤维中含有具有释放冷元素的粉状矿石，具有优异的热传导性，所以体感非常凉爽。
而且比热容较大，可以长久保持冷感。
它是有两面的，一面是常规的被子，一面是具有冷感的。
这个被子陪我度过了这个炎热的夏天。
明年应该还会继续！
■ 降温喷雾 | 52元
刚喷完没什么感觉，还以为又是个鸡肋。
但是过一会儿就能感受到一阵凉意，就像是洗完澡没擦干走进空调房，全身的热气都被抽走的那种感觉，真的特别神奇。
■ 鹅绒耳掏 | 98元
这个东西当时是朋友和我推荐的，他在扬州体验了一把当地老师傅的采耳，也就是掏耳朵。
那种感觉，别提有多舒服了！老师傅用的就是这个鹅绒耳掏。
我将信将疑的也试了一把，酥爽！而且完全没有那种刺激的感觉！
关于上半年做过的实测和好物内容大概就是这些，其实还有很多好东西可以拿出来说，但是因为篇幅有限就不展开了。
如果里面有你想要入手的！可以下载火球买手app，这些好物都在我自己的“爱生活的马克君”专栏频道里面！基本都能直接买得到！而且部分都是福利价！
如果你想回顾一下我2017年测评过的400件好物， 戳下面图片就行。
《2017 年我买了400多样东西，这是一份个人最喜欢的清单!》
下半年希望能给你们带去更多有用的实测，分享更多有用的物品。
就到这了。
—
下期见
细心的我还为你准备了这些
干货戳这里
防晒霜实测
防晒喷雾实测
体脂秤实测
吸尘器实测
卫生棉条实测
脱毛剂实测
剃须刀实测
快捷酒店实测
防狼器实测
- FOLLOW ME -
三、森下真依和新原里彩的片子资源
记得是有一部他们一起演的、总之关于这两个人的
、要影片不要图片、有发就采纳！B4&dn=%E3%81%99%E3%81%BE%E3%81%84%E3%82%8B%E3%80%80%E6%A3%AE%E4%B8%8B%E7%9C%9F%E4%BE%9D&tr=udp%3A%2F%%3A80&tr=udp%3A%2F%%3A80&tr=udp%3A%2F%%3A80&tr=http%3A%2F%%2Fannounce
四、5大千万级设备市场技术拆解
近一年各种深度学习平台和硬件层出不穷，各种xPU的功耗和面积数据也是满天飞，感觉有点乱。
在这里我把我看到的一点情况做一些小结，顺便列一下可能的市场。
在展开之前，我想强调的是，深度学习的应用无数，我能看到的只有能在千万级以上的设备中部署的市场，各个小众市场并不在列。
深度学习目前最能落地的应用有两个方向，一个是图像识别，一个是语音识别。
这两个应用可以在如下市场看到：个人终端（手机，平板），监控，家庭，汽车，机器人和无人机。
手机和平板：安卓的天下，一定要紧跟谷歌爸爸
先说手机和平板。
这个市场一年的出货量在30亿颗左右（含功能机），除苹果外总值300亿刀。
手机主要玩家是苹果（3亿颗以下），高通（8亿颗以上），联发科（7亿颗以上），三星（1亿颗以下），海思（1亿颗），展讯（6亿颗以上），平板总共4亿颗左右。
而28纳米工艺，量很大的话（1亿颗以上），工程费用可以摊的很低，平均1平方毫米的成本是8美分左右，低端4G芯片（4核）的面积差不多是50平方毫米以下，成本就是4刀。
中端芯片（8核）一般在100平方毫米左右，成本8刀。
16纳米以及往上，同样的晶体管数，单位成本会到1.5倍。
一般来说，手机的物料成本中，处理器芯片（含基带）价格占了1/6左右。
一个物料成本90刀的手机，用的处理器一般在15刀以下，甚至只有10刀。
这个10刀的芯片，包含了处理器，图形处理器，基带，图像信号处理器，每一样都是高科技的结晶，却和肯德基全家桶一个价，真是有点惨淡。
然而，生产成本只是一部分，人力也是很大的开销。
一颗智能机芯片，软硬开发，测试，生产，就算全用的成熟IP，也不会少于300人，每人算10万刀的开销，量产周期两年，需要6000万刀。
外加各种EDA工具，IP授权和开片费，芯片还没影子，1亿刀就下去了。
言归正传，手机上的应用，最直接的就是美颜相机，AR和语音助手。
这些需求翻译成硬件指令，就是对8位整数点乘（INT8）和16位浮点运算（FP16）的支持。
具体怎么支持？曾经看到过一张图，我觉得较好的诠释了这一点：
智能手机和平板是安卓的天下，所有独立芯片商都必须跟着谷歌爸爸走。
谷歌已经定义了Android NN作为上层接口，可以支持它的TensorFlow，以及专为移动设备定义的TensorFlow Lite。
而下层，针对各种不同场景，可以是CPU，GPU，DSP，也可以是硬件加速器。
它们的能效比如下图：
可以看到，在TSMC16纳米工艺下，大核能效比是10-100Gops/W（INT8），小核可以做到100G-1Tops/W，手机GPU是300Gops/W，而要做到1Tops/W以上，必须使用加速器。
这里要指出的是，小核前端设计思想与大核完全不同，在后端实现上也使用不同的物理单元，所以看上去和大核的频率只差50%，但是在逻辑运算能效比上会差4倍以上，在向量计算中差的就更多了。
手机的长时间运行场景下，芯片整体功耗必须小于2.5瓦，分给深度学习任务的，不会超过1.5瓦。
相对应的，如果做到1Tops/W，那这就是1.5T（INT8）的处理能力。
对于照片识别而言，情况要好些，因为通常不需要长时间连续的处理。
这时候，CPU是可以爆发然后休息的。
语音识别对性能要求比较低，100Gops可以应付一般应用，用小核也足够。
但有些连续的场景，比如AR环境识别，每秒会有30-60帧的图像送进来，如果不利用前后文帮助判断，CPU是没法处理的。
此时，就需要GPU或者加速器上场。
上图是NVidia的神经网络加速器DLA，它只有Inference的功能。
前面提到在手机上的应用，也只需要Inference来做识别，训练可以在服务端预先处理，训练好的数据下载到手机就行，识别的时候无需连接到服务端。
DLA绿色的模块形成类似于固定的流水线，上面有一个控制模块，可以用于动态分配计算单元，以适应不同的网络。
稀疏矩阵压缩减少带宽，优化的矩阵算法减少计算量，外加SRAM（一个273x128, 128x128, 128x128 ,128x6
的4层INT8网络，需要70KB SRAM）。
我看到的大多数加速器，其实都是和它大同小异，有些加速器增加了一个SmartDMA引擎，可以通过简单计算预取所需的数据。
根据我看到的一些跑分测试，这个预取模块可以把计算单元的利用率提高到90%以上。
至于能效比，我看过的加速器，在支持INT8的算法下，可以做到 1.2 Tops/W (1Ghz@T16FFC)，1 Tops/mm^2，并且正在向1.5
Tops/W靠近。
也就是说，1.5W可以获得2Tops (INT8) 的理论计算能力。
这个计算能力有多强呢？我这目前处理1080p 60 FPS的图像中的60x60及以上的像素大小的人脸识别，大致需要0.5
Tops的计算能力，2Tops完全可以满足。
当然，如果要识别复杂场景，那肯定是计算力越高越好。
为什么固定流水的能效比能做的高？ASIC的能效比远高于通用处理器已经是一个常识，更具体一些，DLA不需要指令解码，不需要指令预测，不需要乱序执行，流水线不容易因为等待数据而停顿。
下图是某小核各个模块的动态功耗分布，计算单元只占1/3，而指令和缓存访问占了一半。
有了计算量，深度学习加速器对于带宽的需求是多少？如果SRAM足够大，1Tops的计算量需要5GB/s以下的带宽。
连接方法可以放到CPU的加速口ACP （跑在1.8 GHz的ARMv 8.2内部总线可以提供9 GB/s带宽）。
只用一次的数据可以设成非共享类型，需要和CPU交换或者常用的数据使用Cacheable和Shareable类型，既可以在三级缓存分配空间，还可以更高效的做监听操作，免掉刷缓存。
不过，上述前提成立的前提是权值可以全部放到SRAM或者缓存。
对于1Tops INT8的计算量，所需权值的大小是512 GB/s（有重复）。
如果全部放DDR，由于手机的带宽最多也就是30 GB/S，是完全不够看的。
对于输入，中间值和输出数据，我在上文有个例子，一个273x128,128x128, 128x128 ,128x6
的4层INT8网络，需要70KB的SRAM（片内）放权值，共7万个。
但是输入，输出和中间结果加起来却只有535个，相对来说并不大。
这里的运算量是14万次（乘和加算2次）。
对于1T的运算量来说，类似。
中间数据放寄存器，输出数据无关延迟，只看带宽，也够。
最麻烦的就是权值，数据量大到带宽无法接受。
所以，只能把权值放进SRAM防止重复读取，从而免掉这500GB/s带宽。
我看到的有些深度学习的算法，权值在几十到200兆，这样无论如何是塞不进SRAM的。
哪怕只有10%需要读入，那也是50GB/s的带宽。
虽说现在有压缩算法压缩稀疏矩阵，有论文达到30-50倍的压缩率，但我看到的实际识别算法，压缩后至少也是20MB，还是塞不进SRAM。
图像识别/美颜相机：目前80%的图像、视频任务都是用CPU在处理
此外，移动端仅仅有神经网络加速器是远远不够的。
比如要做到下图效果，那首先要把人体的各个细微部位精确识别，然后用各种图像算法来打磨。
而目前主流图像算法和深度学习没有关系，也没看到哪个嵌入式平台上的加速器在软件上有很好的支持。
目前图像算法的支持平台还主要是PC和DSP，连嵌入式GPU做的都一般。
那这个问题怎么解决？我看到两种思路：
第一种，GPU内置加速器。
下图是Verisilicon的Vivante改的加速器，支持固定流水的加速器和可编程模块Vision
core（类似GPU中的着色器单元），模块数目可配，可以同时支持视觉和深度学习算法。
不过在这里，传统的图形单元被砍掉了，以节省功耗和面积。
只留下调度器等共用单元，来做异构计算的调度。
这类加速器比较适合于低端手机，自带的GPU和CPU本身并不强，可能光支持1080p的UI就已经耗尽GPU资源了，需要额外的硬件模块来完成有一定性能需求的任务。
第二种，对于中高端手机，GPU和CPU的资源在不打游戏的时候有冗余，那么就没有必要去掉图形功能，直接在GPU里面加深度学习加速器就可以，让GPU调度器统一调度，进行异构计算。
上图是某款GPU的材质计算单元，你有没有发现，其实它和神经网络加速器的流水线非常类似？都需要权值，都需要输入，都需要FP16和整数计算，还有数据压缩。
所不同的是计算单元的密度，还有池化和激活。
稍作改动，完全可以兼容，从而进一步节省面积。
但是话说回来，据我了解，目前安卓手机上各种图像，视频和视觉的应用，80%其实都是用CPU在处理。
而谷歌的Android NN，默认也是调用CPU汇编。
当然，手机芯片自带的ISP及其后处理，由于和芯片绑的很紧，还是能把专用硬件调动起来的。
而目前的各类加速器，GPU，DSP，要想和应用真正结合，还有挺长的路要走。
AR：如果不复杂，对CPU和GPU的性能要求并不高
终端设备上还有一个应用，AR。
据说iPhone 8会实现这个功能，如果是的话，那么估计继2015的VR/AR，2016的DL，2017的NB-IOT之后，2018年又要回锅炒这个了。
那AR到底用到哪些技术？我了解的如下，先是用深度传感器得到场景深度信息，然后结合摄像头拍到的2D场景，针对某些特定目标（比如桌子，面部）构建出一个真实世界的3D物体。
这其中需要用到图像识别来帮助判断物体，还需要确定物体边界。
有了真实物体的三维坐标，就可以把所需要渲染的虚拟对象，贴在真实物体上。
然后再把摄像头拍到的整个场景作为材质，贴到背景图层，最后把所有这些图层输出到GPU或者硬件合成器，合成最终输出。
这其中还需要判断光源，把光照计算渲染到虚拟物体上。
这里每一步的计算量有多大？
首先是深度信息计算。
获取深度信息目前有三个方法，双目摄像头，结构光传感器，还有TOF。
它们分别是根据光学图像差异，编码后的红外光模板和反射模板差异，以及光脉冲飞行时间来得到深度信息。
第一个的缺点是需要两个摄像头之间有一定距离，并且对室内光线亮度有要求；第二个需要大量计算并且室外效果不佳；第三个方案镜头成本较高。
据说苹果会用结构光方案，主要场景是室内，避免了缺点。
结构光传感器的成本在2-3刀之间，也是可以接受的。
而对于计算力的要求，最基本的是对比两个经过伪随机编码处理过的发射模板以及接受模板，计算出长度差，然后用矩阵倒推平移距离，从而得到深度信息。
这可以用专用模块来处理，我看到单芯片的解决方案，720p 60FPS的处理能力，需要20GFLOPS FP32的计算量以上。
换成CPU，就是8核。
当然，我们完全可以先识别出目标物体，用图像算法计算出轮廓，还可以降低深度图的精度（通常不需要很精确），从而大大降低计算量。
而识别本身的计算量前文已经给出，计算轮廓是经典的图像处理手段，针对特定区域的话计算量非常小，1-2个核就可以搞定。
接下去是根据深度图，计算真实物体的三维坐标，并输出给GPU。
这个其实就是GPU渲染的第一阶段的工作，称作顶点计算。
在移动设备上，这部分通常只占GPU总计算量的10%，后面的像素计算才是大头。
产生虚拟物体的坐标也在这块，同样也很轻松。
接下去是生成背景材质，包括产生minimap等。
这个也很快，没什么计算量，把摄像头传过来的原始图像放到内存，告诉GPU就行。
稍微麻烦一些的是计算虚拟物体的光照。
背景贴图的光照不需要计算，使用原图中的就可以。
而虚拟物体需要从背景贴图抽取亮度和物体方向，还要计算光源方向。
我还没有见过好的算法，不过有个取巧，就是生成一个光源，给一定角度从上往下照，如果对AR要求不高也凑合了。
其他的渲染部分，和VR有些类似，什么ATW啊，Front Buffer啊，都可以用上，但是不用也没事，毕竟不是4K 120FPS的要求。
总之，AR如果做的不那么复杂，对CPU和GPU的性能要求并不高，搞个图像识别模块，再多1-2个核做别的足矣。
如果加速器在GPU上，那么还是得用传统的ACE口，一方面提高带宽，一方面与GPU的核交换数据在内部进行，当然，与CPU的交互必然会慢一些。
在使用安卓的终端设备上，深度学习可以用CPU/DSP/GPU，也可以是加速器，但不管用哪个，一定要跟紧谷歌爸爸。
谷歌以后会使用 Vulkan Compute来替代OpenCL，使用Vulkan 来替代OpenGL ES，做安卓GPU开发的同学可以早点开始熟悉了。
高通推过用手机做训练，然后手机间组网，形成强大的计算力。
从我的角度看，这个想法问题多多，先不说实际应用，谁会没事开放手机给别人训练用？耗电根本就吃不消。
并且，要是我知道手机偷偷上传我的图像和语音模板到别人那里，绝对不会买。
家庭市场（智能音箱）：语义识别放在云端还是终端，将成争夺的焦点
第二个市场是家庭，包括机顶盒/家庭网关（4亿颗以下），数字电视（3亿颗以下），电视盒子（1亿以下）三大块。
整个市场出货量在7亿片，电器里面的MCU并没有计算在内。
这个市场公司比较散，MStar/ 海思/博通/ Marvell / Amlogic都在里面，小公司更是无数。
如果没有特殊要求，拿平板的芯片配个wifi就可以用。
当然，中高端的对画质还是有要求，MTK现在的利润从手机移到了电视芯片，屏幕显示这块有独到的技术。
很多机顶盒的网络连接也不是以太网，而是同轴电缆等，这种场合也得专门的芯片。
最近，这个市场里又多了一个智能音箱，各大互联网公司又拿出当年追求手机入口的热情来布局，好不热闹。
主要玩家如下：
其中，亚马逊和谷歌占大头，芯片均采用ARM Cortex-A小核做控制器，DSP做图像和语音处理的方式。
其中，DSP的运算能力在10 Gops的INT8 MAC左右，并不高，价格却不便宜，大于20美金。
在芯片内部，DSP的主要作用还是回声消除，去噪，语音识别等。
自然语言理解和神经网络计算并不是在设备端，而是在云端。
在国内，百度和科大讯飞提供SDK甚至模块，不过还是需要连到云端才能启用完整功能。
在芯片方面，国内有些公司已经发布了一些带深度学习加速器的芯片，并集成语音处理模块和内存颗粒。
未来这类芯片会更多，而软件平台，或者说语义处理到底放在云端还是终端，会成为争夺的焦点。
对于语音设别，如果是需要做自然语言理解，性能可能要到100Gops。
对于无风扇设计引入的3瓦功耗限制，CPU/DSP和加速器都可以选。
不过工艺就得用28纳米了或者更早的了，毕竟没那么多量，撑不起16纳米。
最便宜的方案，可以使用RISC-V+DLA，没有生态系统绑定的情况下最省成本。
家庭电子设备里还有一个成员，游戏机。
Xbox和PS每年出货量均在千万级别。
VR/AR和人体识别早已经用在其中。
监控市场：能不能扔掉DSP？
接下去是监控市场。
监控市场上的图像识别是迄今为止深度学习最硬的需求。
监控芯片市场本身并不大，有1亿颗以上的量，销售额20亿刀左右。
主流公司有安霸，德州仪器和海思，外加几个小公司，OEM自己做芯片的也有。
传统的监控芯片数据流如上图蓝色部分，从传感器进来，经过图像信号处理单元，然后送给视频编码器编码，最后从网络输出。
如果要对图像内容进行识别，那可以从传感器直接拿原始数据，或者从ISP拿处理过的图像，然后进行识别。
中高端的监控芯片中还会有个DSP，做一些后处理和识别的工作。
现在深度学习加速器进来，其实和DSP是有些冲突的。
以前的一些经典应用，比如车牌识别等，DSP其实就已经做得很好了。
如果要做识别以外的一些图像算法，这颗DSP还是得在通路上，并不能被替代。
并且，DSP对传统算法的软件库支持要好得多。
这样，DSP替换不掉，额外增加处理单元在成本上就是一个问题。
对于某些低功耗的场景，我看到有人在走另外一条路。
那就是完全扔掉DSP，放弃存储和传输视频及图像，加入加速器，只把特征信息和数据通过NB-IOT上传。
这样整个芯片功耗可以控制在500毫瓦之下。
整个系统结合传感器，只在探测到有物体经过的时候打开，平时都处于几毫瓦的待机状态。
在供电上，采用太阳能电池，100mmx100mm的面板，输出功率可以有几瓦。
不过这个产品目前应用领域还很小众。
做识别的另一个途径是在局端。
如果用显卡做，GFX1080的FP32 GLOPS是9T，180瓦，1.7Ghz，16纳米，320mm。
而一个Mali G72MP32提供1T FP32的GFLOPS，16纳米，850Mhz，8瓦，9T的话就是72瓦，666mm。
当然，如果G72设计成跑在1.7Ghz，我相信不会比180瓦低。
此外桌面GPU由于是Immediate
rendering的，带宽大，但对缓存没有很大需求，所以移动端的GPU面积反而大很多，但相对的，它对于带宽需求小很多，相应的功耗少很多。
GPU是拿来做训练的，而视频识别只需要做Inference，如果用固定流水的加速器，按照NVIDIA Tesla P40的数据，48T INT8
TOPS，使用固定流水加速器，在16nm上只需要48mm。
48Tops对应的识别能力是96路1080p60fps，96路1080p60fps视频解码器对应的面积差不多是50mm，加上SRAM啥的，估计200mm以下。
如果有一千万的量，那芯片成本可以做到40美金以下（假定良率还可以，不然路数得设计的小一点），而一块Tesla
P40板子的售价是500美金（包括DDR颗粒），还算暴利。
国内现在不少小公司拿到了投资在做这块的芯片。
机器人和无人机
第四个市场是机器人/无人机。
机器人本身有多少量我没有数据，手机和平板的芯片也能用在这个领域。
无人机的话全球一年在200万左右，做视觉处理的芯片也应该是这个量级。
无人机用到的识别模块目前看还是DSP和CPU为主，因为DSP还可以做很多图像算法，和监控类似。
这个市场对于ISP和深度信息的需求较高，双摄和结构光都可以用来算深度计算，上文提过就不再展开。
在无人机上做ISP和视觉处理，除了要更高的清晰度和实时性外，还比消费电子多了一个要求，容错。
无人机的定位都靠视觉，如果给出的数据错误或者模块无反应都不符合预期。
解决这个问题很简单，一是增加各种片内存储的ECC和内建自检，二是设两个同样功能的模块，错开时钟输入以避免时钟信号引起的问题，然后输出再等相同周期，同步到一个时钟。
如果两个结果不一致，那就做特殊处理，避免扩散数据错误。
汽车：300亿美元芯片市场，容错能力需要系统化升级
第五个市场是汽车，整个汽车芯片市场近300亿刀，玩家众多：
在汽车电子上，深度学习的应用就是ADAS了。
在ADAS里面，语音和视觉从技术角度和前几个市场差别不大，只是容错这个需要进一步系统化，形成Function
Safety，整个软硬件系统都需要过认证，才容易卖到前装市场。
Function Safety比之前的ECC/BIST/Lock
Step更进一步，需要对整个芯片和系统软件提供详细的测试代码和文档，分析在各类场景下的错误处理机制，连编译器都需要过认证。
认证本身分为ASIL到A-ASIL-D四个等级，最高等级要求系统错误率小于1%。
我对于这个认证并不清楚，不过国内很多手机和平板芯片用于后装市场的ADAS，提供语音报警，出货量也是过百万的。
最后放一张ARM的ADAS参考设计框图。
可能不会有人照着这个去设计ADAS芯片，不过有几处可以借鉴：
右方是安全岛，内涵Lock Step的双Cortex-R52，这是为了能够保证在左边所有模块失效的情况下复位整个系统或者进行异常中断处理的。
中部蓝色和绿色的CryptoCell模块是对整个系统运行的数据进行保护，防止恶意窃取的。
关于Trustzone设计这里就不展开了。
服务器及其他市场：
以上几个市场基本都是Inference的需求，其中大部分是对原有产品的升级，只有ADAS，智能音箱和服务器端的视频识别检测是新的市场。
其中智能音箱达到了千万级别，其他的两个还都在扩张。
接下去的服务端的训练硬件，可以用于训练的移动端GPU每个计算核心面积是1.5mm (TSMC16nm)，跑在1Ghz的时候能效比是300Gops/W。
其他系统级的性能数据我就没有了。
虽然这个市场很热，NVidia的股票也因此很贵，但是我了解到全球用于深度学习训练的GPU销售额，一年只有1亿刀不到。
想要分一杯羹，可能前景并没有想象的那么好。
最近970发布，果然上了寒武纪。
不过2Tops FP16的性能倒是让我吃了一惊，我倒推了下这在16nm上可能是6mm的面积，A73MP4+A53MP4（不含二级缓存）也就是这点大小。
麒麟芯片其实非常强调面积成本，而在高端特性上这么舍得花面积，可见海思要在高端机上走出自己的特色之路的决心，值得称道。
不过寒武纪既然是个跑指令的通用处理器，那除了深度学习的计算，很多其他场合也能用上，比如ISP后处理，计算结构光深度信息等等，能效可能比DSP还高些。
