【并行计算】Strong scaling和weak Scaling

可以从这个角度来区分：Strong Scaling在扩展时是壮壮的，即使增加负载，也不需要调整机器。Weak Scaling在扩展时是弱弱的，如果要增加负载，也要同步增加机器。Weak的目的是为了保证当前的负载均衡性一致的情况下比较不同数量机器的并行效果。Strong的目的是为了知道当前的机器所能够提供的最大并行能力。

被制作时长两年半的个人练习生

464人浏览 · 2024-09-03 09:56:25

被制作时长两年半的个人练习生 · 2024-09-03 09:56:25 发布

可以从这个角度来区分：Strong Scaling在扩展时是壮壮的，即使增加负载，也不需要调整机器。Weak Scaling在扩展时是弱弱的，如果要增加负载，也要同步增加机器。

Strong的目的是为了知道当前的机器所能够提供的最大并行能力。
Weak的目的是为了保证当前的负载均衡性一致的情况下比较不同数量机器的并行效果。

DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

目标检测与跟踪（8）- 机器人视觉窄带线激光缝隙检测系统开发

DAMO开发者矩阵

【路径规划】基于RRT-Connect（双向快速扩展随机树）算法的 2D 路径规划代码，通过 “双向扩展随机树”（从起始点和目标点分别构建树）提升路径搜索效率附matlab代码

在机器人技术、自动驾驶、智能物流等领域的快速发展中，路径规划作为核心功能模块，直接影响系统的运行效率与安全性。传统路径规划算法如A*、Dijkstra等在静态、低维环境中表现优异，但在高维动态场景或复杂障碍物分布下，存在计算复杂度高、实时性差等问题。基于采样的路径规划算法（Sampling-Based Planning）因其无需显式建模环境、适应高维空间等特性，逐渐成为研究热点。