1

资源描述目前，高能效的并行任务调度算法设计已经成为集群系统的研究热点．现有基于复制的节能调度算法主要利用阈值平衡系统的性能和能耗，但随机设置的阈值无法根据性能需求和环境参数等特征自动调节，导致调度算法存在一定的局限性．文中提出一种面向同构集群系统的两阶段节能调度算法ＡＴＥＳ（Ａｄａｐｔｉｖｅ　Ｔｈｒｅｓｈｏｌｄ－ｂａｓｅｄ Ｅｎｅｒｇｙ－ｅｆｆｉｃｉｅｎｔ　Ｓｃｈｅｄｕｌｉｎｇ）．首先，设计一种基于自适应阈值的任务复制策略，该策略能够自动计算最佳阈值，利用该阈值获取近似最优的任务分组．然后，将各分组任务调度到支持ＤＶＳ的处理器上，并充分利用任务之间的空闲时间降低处理器电压．该算法将任务复制策略与电压调节技术有机结合，在调度过程中能够自动调整阈值，有效提高调度算法的能效．为了验证ＡＴＥＳ算法的合理性，通过典型应用进行仿真实验，并与常见任务调度算法进行比较，结果表明ＡＴＥＳ算法能够更好地实现性能和能耗之间的平衡．

本文介绍了一个通过GPU CUDA实现两个双矩阵相乘的MATLAB运算包。

说明：  利用罚函数计算min X1^2+X2^2 s.t. 2X1-X2≤7 X1^2+3X2^2=2(Penalty function calculation)

使用CUDA并行语言编写的矩阵乘法，与串行语句的对比试验，主要检测出CPU与GPU运行的时间，通过比较时间，达到比较效果。另外此程序可以随意更改矩阵的维数，增强程序的移植性。(CUDA parallel language use matrix multiplication, and serial statement comparison test, the main test of CPU and GPU to run time, by comparing the time, to compare results. Also this program can change the dimension of the matrix, and enhanced portability of the program.)

深度学习的中文版本，里面详细介绍了深度学习的各种算法，其中还有一些用到的基础内容，例如矩阵和向量的范数(Chinese version of the depth of learning, which detailed the depth of learning algorithms, some of which used the basics, such as vector and matrix norm)

说明：  深度学习的中文版本，里面详细介绍了深度学习的各种算法，其中还有一些用到的基础内容，例如矩阵和向量的范数(Chinese version of the depth of learning, which detailed the depth of learning algorithms, some of which used the basics, such as vector and matrix norm)

Mapreduce实现的TF-IDF词频统计分析，可以直接运行于HADOOP环境下，适合初学者。(Realization Mapreduce TF-IDF, word frequency statistics, can be run directly in the the under HADOOP environment, suitable for beginners.)

CUDA学习者的福音，这个都是讲解利用CUDA进行GPU编程的一些课件，可以参考学习一下(CUDA learner s Gospel, this is explained by using CUDA GPU programming some of the courseware, can learn the reference)

能让大家更好的理解Hadoop Map Reduce的内容，并讲解如何安装hadoop，如何在Linux环境下配置Hadoop和ssh等，以及Hadoop等在大数据处理方面的应用。

主要用于微波光子处理的算法优化程序，希望能对各位有所帮助，请放心下载。(aghgdfdasggahdfgdfhhafdfdhfdf)