第三届中国Rust开发者大会 组件化驱动、ROM运行环境与RustSBI 洛佳 华中科技大学 网络空间安全学院 2023年6月 本次演讲…… 关于我…… • 笔名洛佳 • 华中科技大学网络空间安全学院研一 在读（导师：周威老师） • 研究方向：物联网安全、系统安全 • 热爱开源，乐于尝试新技术 • RustSBI项目维护者 • 致力于向科研、教学和产业界推广 Rust语言 基地址结合，高灵活性；一次开发，同时 复用于嵌入式、固件和内核中。 # 组件化驱动 合理利用嵌入式、桌面和服务器芯片片内 ROM代码，构造零开销的运行环境。进一 步地，可完成安全引导、安全镜像分发和 通常的嵌入式开发等功能。 # ROM运行环境 # 2023年的RustSBI 作为RISC-V SBI固件的RustSBI，2023年 将与UEFI、LinuxBoot擦出火花。在驱 动、环境和SBI接口的基础上，提供快速 外 设 结 构 联合所有权、泛型等，暴露外设所有功能 外 设 及 其 寄 存 器 表 示 封装寄存器、位域表示和数据结构 分享性外设：以GPIO为例 • 从前级环境获取所有权，如从ROM 运行环境的#[entry]获得； • 配置GPIO状态后，只有对应外设类 型允许的操作函数能通过编译，否则 拒绝编译，避免不安全行为； • 开源标准抽象的功能，使用抽象规定 的调用方法。本芯片外设专属的功能

Mac 和 PC 最终完美结合。 由备受肯定的虚拟桌面领导者推出的 VMware Fusion，是在 Mac 上运行 Windows 应用程序的最佳 无缝产品。VMware Fusion 将 Mac 用户所期盼的清 爽直观界面与数百万当今用户所信赖的虚拟化平 台相结合。 凭借 VMware Fusion，您可以从 Dock 启动各个 Windows 应用程序，还可以使用 Exposé 在 Windows Fusion 得以利用 Mac 上的 所有可用硬件，实现同时运行 32 位和 64 位的操作 系统、同时使用两个处理器，还可以运行所选的 3D 游戏并能利用 USB 2.0 设备。 概 览 VMware Fusion™ 是在您的 Mac 上运行 Windows 应用程 序的最佳无缝产品 优 势 • 无需重新启动即可在 Mac 上运行您喜欢的 PC 应用 程序 • 在 Mac 和 PC PC 之间轻松共享数据 • 体验专为无缝集成 Mac OS X 设计的直观用户界面 • 获得快速可靠的性能，拥有近十年的开发背景并深受 数百万用户信赖 谁说您无法拥有一切？ 像您这样需要运行 Windows 应用程序的 Mac 用户现在无 需重新启动便可以迅速地进行来回切换，还能方便地共享 Mac 和 Windows 之间的信息。基于针对 Mac 的环境构建， VMware Fusion

在浏览器中运行 Python 主讲人： 韩骏 – Code Runner 作者 自我介绍 • 高级软件工程师 @ 微软开发平台事业部 • 《Visual Studio Code 权威指南》作者 • 20 多款 VS Code 插件（比如 Code Runner） • “玩转VS Code”知乎专栏 & 微信公众号 • VS Code 中文社区创始人 • https://github.com/formulahendry/955

ROS在机器人中是如何运行的 主 讲 人 ： 古 月 以Turtlebot为例 ➢ • • • • 以Turtlebot为例 以Turtlebot为例 ROS在机器人中是如何运行的 应用计算机 （树莓派、JetNano、PC等） 控制器 （STM32、Arduino等） Motor Encoder IMU Sonar Servo PWM PID Timer

Kubernetes 运行大数据工作负 载的探索和实践 Leibo Wang(wang.platform@Hotmail.com) Huawei CloudBU Principal Engineer 王雷博 Principal Software Engineer • Huawei(Now) - Cloud Native batch system (Volcano) development

LTS SP2 目 录 CONTENTS 附录 45 特性增强 20 商标 44 云化基座 17 著作权说明 43 内核创新 12 概述 01 平台架构 04 运行环境 07 场景创新 09 01 openEuler 22.03 LTS SP2 技术白皮书 概述 概述 02 openEuler 22.03 LTS SP2 技术白皮书 概述 openEuler 商用操作系统的基础。 openEuler 从用户场景出发，回溯梳理相应的软件依赖关系，理清所有软件包的上游社区地址、源码和上游对应验证。完 成构建验证、分发、实现生命周期管理。开源软件的构建、运行依赖关系、上游社区，三者之前形成闭环且完整透明的软 件供应链管理。 openEuler 开放透明的开源软件供应链管理 服务器 云计算 边缘 嵌入式 基础公共服务 服务器 04 openEuler Marvell、Qlogic、Emulex Marvell、Qlogic、Emulex GPU&AI Nvidia Nvidia SSD 华为 华为 硬件支持 运行环境 07 openEuler 22.03 LTS SP2 技术白皮书 运行环境 运行环境 08 openEuler 22.03 LTS SP2 技术白皮书 若需要在物理机环境上安装 openEuler 操作系统，则物理机硬件需要满足以下兼容性和最小硬件要求。

条切实可行的量化方案。 YOLOv6 采用了多分支的重参数化结构 [2]（如图 1A 所示），通过在网络结构层面加 入人工先验可以在训练阶段让模型更好收敛。在推理阶段，多分支可以等价合并为单 路，从而提升运行速度。但现有的训练后量化方法，不能很好应对多分支结构带来的 剧烈变动的数值范围，导致量化后产生严重的精度损失 [3]。另外，如何针对多分支结 构设计量化感知训练（QAT）方法也面临着较大的挑战。蒸馏常被用来辅助 QAT，使量化模型精度满足业务需求， 然后导出带有“Quant”、“DeQuant”节点的 ONNX，最后再利用 TensorRT 构 建量化引擎。我们发现这两种方案最终生成的图结构并不相同，导致部署模型的实际 运行效率存在很大的差异，通常 QAT 方法生成的模型效率更低。 我们在 NVIDIA T4 机器上对量化模型进行了对比测试（见下表 5）。尽管 QAT INT8 模型的 QPS 比 FP16 高了～ 3.1.1 性能分析 首先，我们利用 nsys 工具 [5] 对 QAT INT8 的模型和 PTQ INT8 模型进行了性能分 析，如下表所示： 表 6 PTQ/QAT 节点的 Kernel 运行时间分析 从中我们发现，QAT INT8 有 10.8% 的 kernel 执行了 permutationKernelPLC3 操作，这些操作对应 quantize_scale_node 节点，如下图

平台、在线检索框架及云搜平台、在线 AI 服务及实验平台三大体系构成。在 AI 服务及实验平台中，模型训练平台 Poker 和 在线预估框架 Augur 是搜索 AI 化的核心组件，解决了模型从离线训练到在线服务的 一系列系统问题，极大地提升了整个搜索策略迭代效率、在线模型预估的性能以及排 序稳定性，并助力商户、外卖、内容等核心搜索场景业务指标的飞速提升。 算法 2 > 美团 2020 据自己的需求定制逻辑。 算法 < 9 离在线统一逻辑：Transformer 是特征处理的模型相关逻辑，因此我们将 Trans- former 逻辑单独抽包，在我们样本生产的过程中使用，保证离线样本生产与线上特 征处理逻辑的一致性。 基于这两个概念，Augur 中特征的处理流程如下所示： 首先，我们会进行特征抽取 ， 抽取完后，会对特征做一些通用的处理逻辑；而后，我们会根据模型的需求进行二次 资源，因为公用特征只需抽取计算一次即可。 12 > 美团 2020 技术年货 此外，这一套配置文件也是离线样本生产时使用的特征配置文件，结合统一的 OP&Transformer 代码逻辑，进一步保证了离线 / 在线处理的一致性，也简化了上 线的过程。因为只需要在离线状态下配置一次样本生成文件，即可在离线样本生产、 在线模型预估两个场景通用。 4.2 完善预估系统：性能、接口与周边设施 4.2.1