红旗Linux 6.0桌面版下载地址集合(sp1,sp2,sp3)

目录1.CPU2.GPU3.TPU4.NPU5.ASIC6.BPU（Brain Processing Unit，大脑处理器）7. DPU（Deep learning Processing Unit, 即深度学习处理器）1.CPU CPU( Central Processing Unit, 中央处理器)就是机器的“大脑”，也是布局谋略、发号施令、控制行动的“总司令官”。 CPU的结构主要包括运算器（ALU, Arithmetic and Logic Unit）、控制单元（CU, Control Unit）、寄存器（Register）、高速缓存器（Cache）和它们之间通讯的数据、控制及状态的总线。 简单来说就是：计算单元、控制单元和存储单元，架构如下图所示：   从字面上我们也很好理解，计算单元主要执行算术运算、移位等操作以及地址运算和转换；存储单元主要用于保存运算中产生的数据以及指令等；控制单元则对指令译码，并且发出为完成每条指令所要执行的各个操作的控制信号。 所以一条指令在CPU中执行的过程是这样的：读取到指令后，通过指令总线送到控制器（黄色区域）中进行译码，并发出相应的操作控制信号；然后运算器（绿色区域）按照操作指令对数据进行计算，并通过数据总线将得到的数据存入数据缓存器（大块橙色区域） 是不是有点儿复杂？没关系，这张图完全不用记住，我们只需要知道，CPU遵循的是冯诺依曼架构，其核心就是：存储程序，顺序执行。 讲到这里，有没有看出问题，没错——在这个结构图中，负责计算的绿色区域占的面积似乎太小了，而橙色区域的缓存Cache和黄色区域的控制单元占据了大量空间。 高中化学有句老生常谈的话叫：结构决定性质，放在这里也非常适用。 因为CPU的架构中需要大量的空间去放置存储单元（橙色部分）和控制单元（黄色部分），相比之下计算单元（绿色部分）只占据了很小的一部分，所以它在大规模并行计算能力上极受限制，而更擅长于逻辑控制。 另外，因为遵循冯诺依曼架构（存储程序，顺序执行），CPU就像是个一板一眼的管家，人们吩咐的事情它总是一步一步来做。但是随着人们对更大规模与更快处理速度的需求的增加，这位管家渐渐变得有些力不从心。 于是，大家就想，能不能把多个处理器放在同一块芯片上，让它们一起来做事，这样效率不就提高了吗？ 没错，GPU便由此诞生了。 2.GPU 在正式讲解GPU之前，我们先来讲讲上文中提到的一个概念——并行计算。 并行计算(Parallel Computing)是指同时使用多种计算资源解决计算问题的过程，是提高计算机系统计算速度和处理能力的一种有效手段。它的基本思想是用多个处理器来共同求解同一问题，即将被求解的问题分解成若干个部分，各部分均由一个独立的处理机来并行计算。 并行计算可分为时间上的并行和空间上的并行。 时间上的并行是指流水线技术，比如说工厂生产食品的时候分为四步：清洗-消毒-切割-包装。 如果不采用流水线，一个食品完成上述四个步骤后，下一个食品才进行处理，耗时且影响效率。但是采用流水线技术，就可以同时处理四个食品。这就是并行算法中的时间并行，在同一时间启动两个或两个以上的操作，大大提高计算性能。 空间上的并行是指多个处理机并发的执行计算，即通过网络将两个以上的处理机连接起来，达到同时计算同一个任务的不同部分，或者单个处理机无法解决的大型问题。 比如小李准备在植树节种三棵树，如果小李1个人需要6个小时才能完成任务，植树节当天他叫来了好朋友小红、小王，三个人同时开始挖坑植树，2个小时后每个人都完成了一颗植树任务，这就是并行算法中的空间并行，将一个大任务分割成多个相同的子任务，来加快问题解决速度。 所以说，如果让CPU来执行这个种树任务的话，它就会一棵一棵的种，花上6个小时的时间，但是让GPU来种树，就相当于好几个人同时在种。 GPU全称为Graphics Processing Unit，中文为图形处理器，就如它的名字一样，GPU最初是用在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上运行绘图运算工作的微处理器。 为什么GPU特别擅长处理图像数据呢？这是因为图像上的每一个像素点都有被处理的需要，而且每个像素点处理的过程和方式都十分相似，也就成了GPU的天然温床。 GPU简单架构如下图所示： 从架构图我们就能很明显的看出，GPU的构成相对简单，有数量众多的计算单元和超长的流水线，特别适合处理大量的类型统一的数据。 但GPU无法单独工作，必须由CPU进行控制调用才能工作。CPU可单独作用，处理复杂的逻辑运算和不同的数据类型，但当需要大量的处理类型统一的数据时，则可调用GPU进行并行计算。 注：GPU中有很多的运算器ALU和很少的缓存cache，缓存的目的不是保存后面需要访问的数据的，这点和CPU不同，而是为线程thread提高服务的。如果有很多线程需要访问同一个相同的数据，缓存会合并这些访问，然后再去访问dram。 GPU的工作大部分都计算量大，但没什么技术含量，而且要重复很多很多次。 借用知乎上某大神的说法，就像你有个工作需要计算几亿次一百以内加减乘除一样，最好的办法就是雇上几十个小学生一起算，一人算一部分，反正这些计算也没什么技术含量，纯粹体力活而已；而CPU就像老教授，积分微分都会算，就是工资高，一个老教授资顶二十个小学生，你要是富士康你雇哪个？ GPU就是用很多简单的计算单元去完成大量的计算任务，纯粹的人海战术。这种策略基于一个前提，就是小学生A和小学生B的工作没有什么依赖性，是互相独立的。 但有一点需要强调，虽然GPU是为了图像处理而生的，但是我们通过前面的介绍可以发现，它在结构上并没有专门为图像服务的部件，只是对CPU的结构进行了优化与调整，所以现在GPU不仅可以在图像处理领域大显身手，它还被用来科学计算、密码破解、数值分析，海量数据处理（排序，Map-Reduce等），金融分析等需要大规模并行计算的领域。 所以GPU也可以认为是一种较通用的芯片。 3.TPU 按照上文所述，CPU和GPU都是较为通用的芯片，但是有句老话说得好：万能工具的效率永远比不上专用工具。 随着人们的计算需求越来越专业化，人们希望有芯片可以更加符合自己的专业需求，这时，便产生了ASIC（专用集成电路）的概念。 ASIC是指依产品需求不同而定制化的特殊规格集成电路，由特定使用者要求和特定电子系统的需要而设计、制造。当然这概念不用记，简单来说就是定制化芯片。 因为ASIC很“专一”，只做一件事，所以它就会比CPU、GPU等能做很多件事的芯片在某件事上做的更好，实现更高的处理速度和更低的能耗。但相应的，ASIC的生产成本也非常高。 而TPU（Tensor Processing Unit, 张量处理器）就是谷歌专门为加速深层神经网络运算能力而研发的一款芯片，其实也是一款ASIC。 原来很多的机器学习以及图像处理算法大部分都跑在GPU与FPGA（半定制化芯片）上面，但这两种芯片都还是一种通用性芯片，所以在效能与功耗上还是不能更紧密的适配机器学习算法，而且Google一直坚信伟大的软件将在伟大的硬件的帮助下更加大放异彩，所以Google便想，我们可不可以做出一款专用机机器学习算法的专用芯片，TPU便诞生了。 据称，TPU与同期的CPU和GPU相比，可以提供15-30倍的性能提升，以及30-80倍的效率（性能/瓦特）提升。初代的TPU只能做推理，要依靠Google云来实时收集数据并产生结果，而训练过程还需要额外的资源；而第二代TPU既可以用于训练神经网络，又可以用于推理。 看到这里你可能会问了，为什么TPU会在性能上这么牛逼呢？ 嗯，谷歌写了好几篇论文和博文来说明这一原因，所以仅在这里抛砖引玉一下。 如上图所示，TPU在芯片上使用了高达24MB的局部内存，6MB的累加器内存以及用于与主控处理器进行对接的内存，总共占芯片面积的37%（图中蓝色部分）。 这表示谷歌充分意识到了片外内存访问是GPU能效比低的罪魁祸首，因此不惜成本的在芯片上放了巨大的内存。相比之下，英伟达同时期的K80只有8MB的片上内存，因此需要不断地去访问片外DRAM。 另外，TPU的高性能还来源于对于低运算精度的容忍。研究结果表明，低精度运算带来的算法准确率损失很小，但是在硬件实现上却可以带来巨大的便利，包括功耗更低、速度更快、占芯片面积更小的运算单元、更小的内存带宽需求等...TPU采用了8比特的低精度运算。 其它更多的信息可以去翻翻谷歌的论文。 到目前为止，TPU其实已经干了很多事情了，例如机器学习人工智能系统RankBrain，它是用来帮助Google处理搜索结果并为用户提供更加相关搜索结果的；还有街景Street View，用来提高地图与导航的准确性的；当然还有下围棋的计算机程序AlphaGo！ 4.NPU 讲到这里，相信大家对这些所谓的“XPU”的套路已经有了一定了解，我们接着来。 所谓NPU（Neural network Processing Unit）， 即神经网络处理器。顾名思义，这家伙是想用电路模拟人类的神经元和突触结构啊！ 怎么模仿？那就得先来看看人类的神经结构——生物的神经网络由若干人工神经元结点互联而成，神经元之间通过突触两两连接，突触记录了神经元之间的联系。 如果想用电路模仿人类的神经元，就得把每个神经元抽象为一个激励函数，该函数的输入由与其相连的神经元的输出以及连接神经元的突触共同决定。 为了表达特定的知识，使用者通常需要（通过某些特定的算法）调整人工神经网络中突触的取值、网络的拓扑结构等。该过程称为“学习”。 在学习之后，人工神经网络可通过习得的知识来解决特定的问题。 这时不知道大家有没有发现问题——原来，由于深度学习的基本操作是神经元和突触的处理，而传统的处理器指令集（包括x86和ARM等）是为了进行通用计算发展起来的，其基本操作为算术操作（加减乘除）和逻辑操作（与或非），往往需要数百甚至上千条指令才能完成一个神经元的处理，深度学习的处理效率不高。 这时就必须另辟蹊径——突破经典的冯·诺伊曼结构！ 神经网络中存储和处理是一体化的，都是通过突触权重来体现。 而冯·诺伊曼结构中，存储和处理是分离的，分别由存储器和运算器来实现，二者之间存在巨大的差异。当用现有的基于冯·诺伊曼结构的经典计算机（如X86处理器和英伟达GPU）来跑神经网络应用时，就不可避免地受到存储和处理分离式结构的制约，因而影响效率。这也就是专门针对人工智能的专业芯片能够对传统芯片有一定先天优势的原因之一。 NPU的典型代表有国内的寒武纪芯片和IBM的TrueNorth。以中国的寒武纪为例，DianNaoYu指令直接面对大规模神经元和突触的处理，一条指令即可完成一组神经元的处理，并对神经元和突触数据在芯片上的传输提供了一系列专门的支持。 用数字来说话，CPU、GPU与NPU相比，会有百倍以上的性能或能耗比差距——以寒武纪团队过去和Inria联合发表的DianNao论文为例——DianNao为单核处理器，主频为0.98GHz，峰值性能达每秒4520亿次神经网络基本运算，65nm工艺下功耗为0.485W，面积3.02平方毫米mm。 文章开头所说的mate10中所用的麒麟970芯片，就集成了寒武纪的NPU，所以才可以实现所谓的照片优化功能，以及保证你的手机用了很长时间后还能不卡（当然也得真正用了才能知道有没有宣传的这么好）。 PS，中星微电子的“星光智能一号”虽说对外号称是NPU，但其实只是DSP，仅支持网络正向运算，无法支持神经网络训练。 5.ASIC ASIC（Application Specific Integrated Circuit）是一种为专门目的而设计的集成电路。无法重新编程，效能高功耗低，但价格昂贵。近年来涌现出的类似TPU、NPU、VPU、BPU等令人眼花缭乱的各种芯片，本质上都属于ASIC。ASIC不同于 GPU 和 FPGA 的灵活性，定制化的 ASIC 一旦制造完成将不能更改，所以初期成本高、开发周期长的使得进入门槛高。目前，大多是具备 AI 算法又擅长芯片研发的巨头参与，如 Google 的 TPU。由于完美适用于神经网络相关算法，ASIC 在性能和功耗上都要优于 GPU 和 FPGA，TPU1 是传统 GPU 性能的 14-16 倍，NPU 是 GPU 的 118 倍。寒武纪已发布对外应用指令集，预计 ASIC 将是未来 AI 芯片的核心。 6.BPU（Brain Processing Unit，大脑处理器） 是由地平线科技提出的嵌入式人工智能处理器架构。第一代是高斯架构，第二代是伯努利架构，第三代是贝叶斯架构。目前地平线已经设计出了第一代高斯架构，并与英特尔在2017年CES展会上联合推出了ADAS系统（高级驾驶辅助系统）。 7. DPU（Deep learning Processing Unit, 即深度学习处理器） 最早由国内深鉴科技提出，基于Xilinx可重构特性的FPGA芯片，设计专用的深度学习处理单元（可基于已有的逻辑单元，设计并行高效的乘法器及逻辑电路，属于IP范畴），且抽象出定制化的指令集和编译器（而非使用OpenCL），从而实现快速的开发与产品迭代。事实上，深鉴提出的DPU属于半定制化的FPGA。 嵌入式神经网络处理器（NPU）采用“数据驱动并行计算”的架构，特别擅长处理视频、图像类的海量多媒体数据。 NPU处理器专门为物联网人工智能而设计，用于加速神经网络的运算，解决传统芯片在神经网络运算时效率低下的问题。 在GX8010中，CPU和MCU各有一个NPU，MCU中的NPU相对较小，习惯上称为SNPU。 NPU处理器包括了乘加、激活函数、二维数据运算、解压缩等模块。 乘加模块用于计算矩阵乘加、卷积、点乘等功能，NPU内部有64个MAC，SNPU有32个。 激活函数模块采用最高12阶参数拟合的方式实现神经网络中的激活函数，NPU内部有6个MAC，SNPU有3个。 二维数据运算模块用于实现对一个平面的运算，如降采样、平面数据拷贝等，NPU内部有1个MAC，SNPU有1个。 解压缩模块用于对权重数据的解压。为了解决物联网设备中内存带宽小的特点，在NPU编译器中会对神经网络中的权重进行压缩，在几乎不影响精度的情况下，可以实现6-10倍的压缩效果。 不，据说每过18天，集成电路领域就会多出一个XPU，直到26个字母被用完。 这被戏称为AI时代的XPU版摩尔定律。 据不完全统计，已经被用掉的有： APU -- Accelerated Processing Unit, 加速处理器，AMD公司推出加速图像处理芯片产品。 BPU -- Brain Processing Unit, 地平线公司主导的嵌入式处理器架构。自动驾驶 CPU -- Central Processing Unit 中央处理器， 目前PC core的主流产品。 DPU -- Deep learning Processing Unit, 深度学习处理器，最早由国内深鉴科技提出；另说有Dataflow Processing Unit 数据流处理器， Wave Computing 公司提出的AI架构；Data storage Processing Unit，深圳大普微的智能固态硬盘处理器。 FPU -- Floating Processing Unit 浮点计算单元，通用处理器中的浮点运算模块。 GPU -- Graphics Processing Unit, 图形处理器，采用多线程SIMD架构，为图形处理而生。 HPU -- Holographics Processing Unit 全息图像处理器， 微软出品的全息计算芯片与设备。 IPU -- Intelligence Processing Unit， Deep Mind投资的Graphcore公司出品的AI处理器产品。 MPU/MCU -- Microprocessor/Micro controller Unit， 微处理器/微控制器，一般用于低计算应用的RISC计算机体系架构产品，如ARM-M系列处理器。 NPU -- Neural Network Processing Unit，神经网络处理器，是基于神经网络算法与加速的新型处理器总称，如中科院计算所/寒武纪公司出品的diannao系列。 RPU -- Radio Processing Unit, 无线电处理器， Imagination Technologies 公司推出的集合集Wifi/蓝牙/FM/处理器为单片的处理器。 TPU -- Tensor Processing Unit 张量处理器， Google 公司推出的加速人工智能算法的专用处理器。目前一代TPU面向Inference，二代面向训练。另外， VPU -- Vector Processing Unit 矢量处理器，Intel收购的Movidius公司推出的图像处理与人工智能的专用芯片的加速计算核心。 WPU -- Wearable Processing Unit， 可穿戴处理器，Ineda Systems公司推出的可穿戴片上系统产品，包含GPU/MIPS CPU等IP。 XPU -- 百度与Xilinx公司在2017年Hotchips大会上发布的FPGA智能云加速，含256核。 ZPU -- Zylin Processing Unit, 由挪威Zylin 公司推出的一款32位开源处理器。 当26个字母被用完后，即将出现XXPU，XXXPU，并以更快的速度占领起名界。 关于CPU,GPU,TPU,DPU,NPU,BPU等各种处理器的内容就到这里啦,有木有突然透彻的感觉呢，更多相关内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！

最近发现有很多网友都不知道psd是什么文件，更不知道是用什么软件打开PSD格式的文件，下面将为大家详细解答psd文件用什么打开：PSD文件用photoshop打开，是PS专有的矢量文件格式PSD和PDD格式是PHOTOSHOPT自身的图像格式，可包括层、通道和颜色模式等信息，且该格式是惟一支持全部颜色模式的图像格式。PSD格式可以将编辑过和图像文件中的所有有关图层和通道的信息保存下来。但是PSD格式的图像文件很少为其它软件和工具所支持。所以在图像制作完成后，通常需要转化为一些比较通用的图像格式，以便于输出到其它软件中继续编辑。Photoshop基本概念知识Photoshop：它是由Adobe公司开发的图形处理系列软件之一，主要应用于在图像处理、广告设计的一个电脑软件。最先它只是在Apple机（MAC）上使用，后来也开发出了for window的版本。下面是这个软件里一些基本的概念。位图：又称光栅图，一般用于照片品质的图像处理，是由许多像小方块一样的"像素"组成的图形。由其位置与颜色值表示，能表现出颜色阴影的变化。在Photoshop主要用于处理位图。矢量图：通常无法提供生成照片的图像物性，一般用于工程技术绘图。如灯光的质量效果很难在一幅矢量图表现出来。分辨率：每单位长度上的像素叫做图像的分辨率，简单讲即是电脑的图像给读者自己观看的清晰与模糊，分辨率有很多种。如屏幕分辨率，扫描仪的分辨率，打印分辨率。图像尺寸与图像大小及分辨率的关系：如图像尺寸大，分辨率大，文件较大，所占内存大，电脑处理速度会慢，相反，任意一个因素减少，处理速度都会加快。通道：在PS中，通道是指色彩的范围，一般情况下，一种基本色为一个通道。如RGB颜色，R为红色，所以R通道的范围为红色，G为绿色，B为蓝色。图层：在PS中，一般多是用到多个图层制作每一层好象是一张透明纸，叠放在一起就是一个完整的图像。对每一图层进行修改处理，对其它的图层不会造成任何的影响。图像的色彩模式：1）RGB彩色模式：又叫加色模式，是屏幕显示的最佳颜色，由红、绿、蓝三种颜色组成，每一种颜色可以有0-255的亮度变化。2）CMYK彩色模式：由品蓝，品红，品黄和黑色组成，又叫减色模式。一般打印输出及印刷都是这种模式，所以打印图片一般都采用CMYK模式。3）HSB彩色模式：是将色彩分解为色调，饱和度及亮度通过调整色调，饱和度及亮度得到颜色和变化。4）Lab彩色模式：这种模式通过一个光强和两个色调来描述一个色调叫a，另一个色调叫b。它主要影响着色调的明暗。一般RGB转换成CMYK都先经Lab的转换。5）索引颜色：这种颜色下图像像素用一个字节表示它最多包含有256色的色表储存并索引其所用的颜色，它图像质量不高，占空间较少。6）灰度模式：即只用黑色和白色显示图像，像素0值为黑色，像素255为白色。7）位图模式：像素不是由字节表示，而是由二进制表示，即黑色和白色由二进制表示，从而占磁盘空间最小。在屏幕分辨率高于800X600时右上角出现的条形框是干什么用的？当分辨率高于600*800时，任务栏最左边有一深灰色条形框，可以把常用面板拖放上去，节省了很多空间。怎样正确显示中文字体名？按CTRL+K，然后把Show Fonts Name In English去掉就可以了。输入写字的时候显示半个情况该如何处理？这是字库的原因。建议使用特粗XX时，用“方正字库”或“微软”。文鼎字库在字体的间距设置不好时，就是半个。……汉仪的“turetype”字体也会出问题。使用路径(Path)工具时的几个技巧？使用笔形(Pen)工具制作路径时按住Shift键可以强制路径或方向线成水平、垂直或45度角，按住Ctrl键可暂时切换到路径选取工具，按住Alt键将笔形光标在在黑色节点上单击可以改变方向线的方向，使曲线能够转折；按Alt键用路径选取(Direct Selection)工具单击路径会选取整个路径；要同时选取多个路径可以按住Shift后逐个单击；使用路径选工具时按住“Ctrl+Alt”键移近路径会切换到加节点与减节点笔形工具。若要切换路径(path)是否显示，可以按住Shift键后在路径调色板的路径栏上单击鼠标， 或者在路径调色版灰色区域单击即可。若要一起执行数个宏(Action)，可以先增加一个宏，然后录制每一个所要执行的宏。若要在一个宏(Action)中的某一命令后新增一条命令，可以先选中该命令，然后单击调色板上的开始录制(Begin recording)图标，选择要增加的命令，再单击停止录制(Stop recording)图标即可。在使用Filter/Render/Clouds滤镜时，若要产生更多明显的支纹图案，可先按住Alt键后再执行该命令；若要生成低漫射支彩效果，可先按住Shift键后再执行命令。在使用Filter/Render/Lighting Effects滤镜时，若要在对话框内复制光源时，可先按住Alt键后再拖动光源即可实现复制。若要在Color调色板上直接切换色彩模式，可先按住Shift键后，再将光标移到色彩条上单击即可。如何制作透明背景的图片？首先，只有GIF才可以使用透明，所以在保存文件的时候不要选择保存或另存为，而是直接选“输出GIF”然后，选择透明色，如果你需要透明的部分都是白色就选白色，依次类推做图片时把背景图片隐藏调然后再Save for Web 就可以透明了。在GIF图上写上中文，字迹为何不连续？先把GIF转成RGB，写完字再转回Index Color，选择Image>Mode>Rgb/Image>Mode>Index Color。怎样用PS做一个实体的倒影和背影？比如一个瓶子怎么制造出它的倒影和背影？把瓶子复制一层放下面，把这层黑了，然后Blur，然后把这层Trasnform>Distort，对好比例后，调整透明度。或者直接把瓶子层给Shadow或者Outerglow，然后把Effect层独立出来，接着也是扭曲变形了。如果你是说瓶子正面要看到背面反射的周围物体的画面，可以用Render-3D Transform，这样的方法不如用3D建模更逼真，PS里有滤镜Lens Pro ，可以直接做玻璃球之类的表面倒映。倒影是水里的？ 复制瓶子层，翻转过来，把透明度降低，放在水层上，如果觉得太清楚，就选择Filter>Distort>Ripple，加点波纹，如果觉得太生硬，就在Layer Properties里调整一下瓶和水层间的颜色关系。温馨提示：相信大家通过阅读以上psd是什么文件，psd文件用什么打开的详细教程，大家对打开PSD格式的Photoshop软件有了个深入的了解，如果你有更好的建议或者心得，也可以通过本篇文章下方的留言板反馈给我们，非常感谢您的阅读！

虽然微软已经不支持XP系统更新，但是国内很多杀软厂商还是对XP系统进行维护。所以使用windows XP系统的用户还是很多的，那么如何让windows xp激活呢?下面小编介绍几种windows xp激活的方法使用windows xp激活码以下xp系统激活码都是可用的MRX3F-47B9T-2487J-KWKMF-RPWBY(工行版) 可用(强推此号)QC986-27D34-6M3TY-JJXP9-TBGMD(台湾交大学生版) 可用CM3HY-26VYW-6JRYC-X66GX-JVY2D 可用DP7CM-PD6MC-6BKXT-M8JJ6-RPXGJ 可用F4297-RCWJP-P482C-YY23Y-XH8W3 可装不可升级HH7VV-6P3G9-82TWK-QKJJ3-MXR96HCQ9D-TVCWX-X9QRG-J4B2Y-GR2TT2013年更新1.HCQ9D-TVCWX-X9QRG-J4B2Y-GR2TT2.F4297-RCWJP-P482C-YY23Y-XH8W33.K2CXT-C6TPX-WCXDP-RMHWT-V4TDT4.QHYXK-JCJRX-XXY8Y-2KX2X-CCXGD5.QC986-27D34-6M3TY-JJXP9-TBGMD6.MFBF7-2CK8B-93MDB-8MR7T-4QRCQ7.2QQ6J-HGXY3-VGH23-HYQDC-BYR2D8.CM3HY-26VYW-6JRYC-X66GX-JVY2D9.DP7CM-PD6MC-6BKXT-M8JJ6-RPXGJ

如何打开MDI文件？MDI文件是Microsoft Office Document Imaging使用的一个特殊格式，需要用这个程序打开。启动菜单：开始→程序→Microsoft Office→Microsoft Office 工具→Microsoft Office Document Imaging。Office XP/ 2003等Office版本有此程序。Document Imaging 是扫描印刷文档并将其转换为数字图像以存储在 CD、DVD 或其他磁盘介质的过程。通过使用 Microsoft Office Document Imaging，您可以扫描印刷文档并将其转换为数字图像，并以Tag 图像文件格式 (TIFF) 或 Microsoft Office Document Imaging 格式 (MDI) 保存到计算机硬盘、网络服务器、CD 或 DVD 上。Microsoft Office Document Imaging 还使您能够执行光学字符识别 (OCR) 操作，该操作可作为文档扫描的一部分或处理 TIFF 或 MDI 文件的步骤。通过执行 OCR，您可以从扫描图像或传真中将识别的文本复制到 Microsoft Word 文档或其他 Office 程序文件中。为什么、在何时使用 document imaging？Document Imaging 能够实现电子文本和纸张印刷文字的转换，从而提高您的工作效率。 通过使用 Microsoft Office Document Imaging，您不仅可以扫描文档（免去了复印文件的工作），还可以方便地在计算机上处理扫描文档或传真，就如同处理其他 Microsoft Office 文档一样。MDI文件特点：MDI格式文件是微软Office中的一种文件格式。该文件格式基于旨在按页面版式保存图像的 Tag 图像文件格式 (TIFF) 。在 Office Document Imaging 中，您可按 MDI 格式和 Tag 图像文件格式 (TIFF) 格式打开和保存文件。两种格式都可随图像一起存储通过 光学字符识别 (OCR) 识别的文本。文件格式比较虽然可使用许多其他图形应用程序打开或编辑用 Office Document Imaging 创建的 TIFF 文件，但是只能在 Office Document Imaging 中打开或编辑 MDI 文件。若要与使用 Office Document Imaging 2002 或其他文档图像处理程序的人员共享文件，请将文件保存为 TIFF 格式以与其他人员使用的程序兼容。与 TIFF 文件相比，MDI 文件具有以下优点：-文件大小减小: 与保存为 TIFF 格式的相同图像相比，以 MDI 文件格式保存的图像所占用的磁盘空间更小。-图像保真度增强: 与保存为 TIFF 格式的相同图像（在选中“执行无损压缩(LZW)”选项的条件下）相比，以 MDI 文件格式保存的图像通常有更高的保真度（或质量）。文件格式选择在 Office Document Imaging 中，您可在进行以下操作时选择文档的文件格式（带 .mdi 扩展名的 MDI 格式或带 .tif 扩展名的 TIFF 格式）：-扫描文档: 选择的扫描预设将确定保存扫描文档所使用的格式。您可创建自己的扫描预设或编辑现有预设以更改文件格式。-保存文档: 保存文件时，您可在“另存为”对话框的“保存类型”列表中选择文件格式。-导入文档: “选项”对话框（“工具”菜单）中“其他”选项卡上的“文件导入首选项”按钮使您可选择从其他程序导入文档的默认文件格式。如果安装了Office 2003，一般都会在系统中添加一个Microsoft Office Document Image Writer打印机。我们可以用这个打印机将任何文件打印成.mdi格式，和朋友分享。具体方法如下：打开某个文档，选择：打印-Microsoft Office Document Image Writer-打印，即可生成.mdi格式的文档。Microsoft Office Document Image Writer的安装这是Office产品的一部分，运行Office 2003的安装程序，利用其“添加或删除功能”中的“高级自定义”将组件Microsoft Office Document Imaging Writer安装到系统中即可。利用Office 2003的这一虚拟打印机，任何加密的文档都可以把其中的文字提取到Word文档中，只要其提供了打印功能，甚至包括tif图像中的文字；实现文字到图像的转换。选择应用程序的高级自定义:（注意红框处）然后进行安装就可以了。注：目前没有从网上搜索到相关独立安装此程序的安装文件。如果要用该程序，建议找Microsoft Office2003/2007安装。mdi文件怎么打开 MDI Viewer v2.1: http://www.downcc.com/soft/6947.html

本期就带大家了解一下这个问题，这是很多小伙伴在寻找的教程哦，微信中有好友做微商，或者开直播卖东西，有的小伙伴觉得自己买到了假货，那微信卖假货,怎样投诉？一起来看看吧~本文以小米12s为例适用于MIUI13系统微信v8.0.30版本以上就是给大家带来的关于本次教程的全部内容了，了解更多软件资讯尽在本站！

LayerEdge 是一个去中心化的网络，旨在提高比特币网络的交易处理和验证效率。该协议将自己定位为有效扩展比特币的突破性解决方案，并透过优化证明验证成本和比特币的可扩展性，将比特币从简单的价值储存转变为能够验证复杂的链下计算的去中心化超级电脑。EDGEN币购买平台推荐币安：进入官网☜☜☞☞官方app下载☜☜欧易：进入官网☜☜☞☞官方app下载☜☜随着在币安Alpha 的上线和空投的进行，LayerEdge（EDGEN）币正在引起关注。那么，该项目到底有何独特之处呢？下文，我们将详细介绍有关LayerEdge（EDGEN）加密货币的一切，并分析该代币的未来。LayerEdge（EDGEN）是什么？LayerEdge 是第一个使用ZK 和BitVM 技术增强比特币区块空间功能的去中心化网络，为建立在比特币上的所有层提供安全性。该平台使用BitVM 技术进行基于最小信任的验证和证明聚合。借助BitVM，LayerEdge 使区块链和汇总能够以更低的成本完成比特币交易，即通常所需成本的1%。LayerEdge 的主要使命是创建一个基于比特币的互联网，可供所有层、区块链、汇总和应用程序使用。 LayerEdge 充当验证层，结合交易证明，实现更具成本效益和更有效率的结算。目前，LayerEdge 生态系统包括几个著名项目，例如ZKM、Succinct、Snarkify、Nubit 和Rune Chain 等。这些项目有助于LayerEdge 平台的扩展和发展，为比特币未来的可扩展性培养一个强大而创新的生态系统。LayerEdge 开发团队和融资LayerEdge 区块链于2023 年由前Cosmos和StarkWare 工程师创立，它将共识、执行和数据可用性分成不同的微服务。随着不断发展，LayerEdge 得到了广泛的合作伙伴网络的支持。LayerEdge 透露，在其私人种子轮融资中，参与的投资者包括Blockchain Founders Fund、Founder Heads、Nomie Capital、BreakOrbit、Paul Taylor 等。LayerEdge 如何运作？LayerEdge 致力于利用零知识证明（ZK）技术和证明聚合来提高比特币的多层安全性。 接下来，让我们来简单看看LayerEdge 背后的技术。1、聚合证明（PoAgg）共识LayerEdge 采用聚合证明（PoAgg）来实现网络共识，将权益证明安全性与专门的证明验证架构结合。此机制透过双重验证模型运作：验证者透过质押代币保护网络，同时执行分散式证明验证和聚合状态验证。该网络不仅在交易状态上达成共识，而且在证明有效性和聚合序列上达成共识，从而实现大规模的高效证明处理。2、证明聚合层LayerEdge 将比特币从被动的价值储存转变为可验证的链下运算基础设施层。这项转变的核心是证明聚合层--这是一个模组化系统，它支持跨协定、应用程序和资料管道进行递归零知识证明（ZK）验证，其最终性植根于比特币的工作量证明（PoW）。该系统允许：数千或数百万个zk 证明将被递归压缩为一个简洁的证明；结果将以防篡改、经济高效的方式锚定在比特币上；开发人员可以在不压倒比特币L1 的情况下扩展可验证计算。它旨在作为区块链、汇总、zkML、分散式人工智慧和链下基础设施的通用验证层。3、轻节点验证LayerEdge 的轻节点验证系统是一项核心创新，旨在实现去中心化、可扩展的零知识证明验证，同时不影响安全性。 LayerEdge 并不要求每个节点验证整个证明批次，而是允许每个轻节点仅验证一小部分随机选择的zk 证明子集。轻节点共同构成一个分散式、防篡改的zk 验证层，其中诚实采样和随机验证以最小的开销确保安全性。4、状态转换验证（STV）LayerEdge 的状态转换验证框架是一种可扩展且信任最小化的机制，用于使用零知识证明和比特币锚定来验证链下计算--例如汇总状态转换、zkVM 输出或特定于应用程序的逻辑。STV 使去中心化系统能够证明复杂的状态变化已经正确发生，而无需在链上执行底层计算。相反，转换是在链下计算的，并使用简洁的加密证明进行验证，然后将其锚定到比特币上以实现不可变的最终性。EDGEN币是什么？$EDGEN是LayerEdge网络的原生实用代币，在去中心化验证网络中发挥核心作用，支持费用支付并激励验证者。所有经过LayerEdge 验证的证明都必须以EDGEN 支付--涵盖从基本的zk 证明验证到比特币最终结算的服务：zk-SNARKs、STARKs 和zkVM 证明的验证将多个零知识证明递归聚合为一个简洁的证明将最终聚合证明（π_agg）锚定到比特币网络上另外，节点营运商也会因准确验证而获得EDGEN 奖励。这种支付模式确保价值直接透过LayerEdge 协议流动。EDGEN 代币经济学$EDGEN 代币在LayerEdge 生态系统中发挥核心作用，了解其代币经济学对于任何有兴趣参与该计画的人来说都至关重要。EDGEN 币的总供应量为10 亿，团队设计了智慧分配策略，以确保长期永续性。以下是该加密货币的具体代币分配：46% 分配给社区：最大的分配，旨在促进成长和激励参与。这部分包括质押奖励、免费奖励和其他生态系统激励。22% 分配给核心贡献者：为推动LayerEdge 网络发展的专案开发人员、工程师和关键团队成员保留。15% 分配给生态系统和研发：致力于促进合作伙伴关系、支持研发并确保平台的长期成长。12% 分配给基金会：此分配用于治理、专案管理和策略发展。它确保基金会能够有效地管理LayerEdge 专案的持续成长。5% 分配给早期支持者EDGEN 代币经济学凭借着良好的代币分配计划，LayerEdge 为蓬勃发展的生态系统奠定了基础，使个人用户和更广泛的社区都受益。LayerEdge（EDGEN）代币空投LayerEdge（EDGEN）币将于2025 年5 月举行代币生成事件（TGE），将与空投同时发生。如果您想参与空投，第一步是使用官方空投检查器检查您的资格，该检查器即将在官方网站上提供。另外，币安Alpha 将上线EDGEN 币。 EDGEN 交易开放日期为6 月2 日，符合资格的用户需要在Alpha 活动页面使用币安Alpha 积分领取空投，活动页面和细则将在6 月2 日上线。币安Alpha 积分赚取方法可参考：币安Alpha points是什么？如何在币安Alpha上赚取空投积分？LayerEdge发展路线图LayerEdge 空投和TGE 带来的兴奋只是个开始。该项目有一个雄心勃勃的路线图，概述了未来几个月的关键里程碑。随着主网启动的临近，LayerEdge 正在为几个重大发展做准备：人类证明（PoH）：此系统的实施是为了确保只有真实使用者（而非机器人）才能参与网络。 PoH 是创建最小化信任环境的关键一步，在该环境中，每个参与者的身份都得到验证。主网启动：主网将正式上线，这标志着LayerEdge 计画的一个重要里程碑。随着主网的上线，整个网络将开始运行，使用户能够与zk 验证网络进行互动并确保比特币的可扩展计算。新的合作伙伴关系：LayerEdge 将引入新的合作伙伴和应用程序，并与官方网络整合。这些合作关系将扩大该平台的实用性和影响力，吸引新的用户和开发者。质押：该平台将引入质押功能，允许用户锁定他们的$EDGEN代币以换取奖励。这种质押机制将有助于确保网络安全，同时为用户提供被动奖励的机会。Babylon 加密货币质押集成：LayerEdge 将与Babylon 加密货币质押系统完全集成，为用户提供更多透过质押赚取奖励的方式。UVS 工具发布：将推出名为UVS 的新工具，以进一步增强网络的功能并启用改进验证过程的新功能。主网后扩展：主网上线后，LayerEdge 旨在将自己定位为顶级的去中心化验证引擎。它计划扩展对其他第1 层区块链(L1)和模组化堆叠的支持，从而扩大整个生态系统中信任最小化验证的范围。LayerEdge（EDGEN）未来潜力如何？EDGEN 币即将上市，由于比特币上zk-tech 的炒作日益增多，使得EDGEN 代币成为今年最热门的第2 层发行之一。如果质押很快释放并且用户兴趣保持强劲，EDGEN 价格可能会高达0.70 美元至1.10 美元。 BinanceAlpha 或CEX 投机可能会引发另一次流行。如果采用率增加，并且在BTC 支持下实现zk 验证，EDGEN 价格可以升至1.50 美元至2.00 美元--前提是大型应用程序在该平台上开发。总结LayerEdge 是比特币可扩展性和安全性之间的重要桥梁，帮助生态系统充分利用ZK 证明的潜力，同时不影响效能或去中心化。如果您对EDGEN 币感兴趣，可在提供EDGEN 交易对的交易所开始购买交易。在开始投资前，请做好风险管理和自己的研究。以上就是LayerEdge(EDGEN)币是什么？币安Alpha将上线EDGEN,未来潜力如何？的详细内容，更多关于LayerEdge(EDGEN)的资料请关注阿里西西其它相关文章！注册币安，充值USDT，开启安全高效投资之路下载币安官方App，注册获350刀奖励，首充再送300 USDT现金券！币安app官方注册地址：☛☛☛点击进入币安app官方下载地址：☛☛☛立即下载