【实验一——智能编程语言算子开发与集成实验（BCL 开发实验）】

有两点可以分享：

1. 设置h1,h2,e的大小可以提高拟合度，原理是提高隐藏神经元个数、增加训练轮数。但是在测试时可以调小参数，方便更快地运行验证。

2. tensorflow编译报socket closed，解决方法：将编译脚本job_nums=32 改为job_nums=16。

【实验二——智能编程语言性能优化实验】

在DLP 上加速矩阵乘的计算需要注意的地方：

1. 每个计算核每个从GDRAM上拷贝数据的时候要根据自己的CoreID来确定目标数据的内存地址，并且只将自己负责的数据块拷入到NRAM。

2. 实验运行速度慢可能是因为从GDRAM到NRAM/WRAM拷贝数据时，会抢占该Cluster到GDRAM的带宽，从而导致数据读取速度降低。

解决方法：先从GDRAM拷贝到SRAM，再从SRAM分发到NRAM/WRAM，从而避免了带宽抢占问题。

【实验三——智能编程语言算子开发实验（BPL 开发实验）】

1. 在模型运行完后，执行source run.sh，得到运行结果。通过观察比较，可以看出，在CPU和MLU做出来的三幅图像基本没有差别。但是，可能由于INT8的精度损失，MLU模型与CPU模型相比，图片的对比度增加了。

2. PowerDifference没有数据，解决方法：需要用Numpy计算PowerDifference的值，先取出Conv2D_13和StopGradient，直接将两个Tensor相减，然后平方，并填进去。