jimrok

第四次工业革命应该是离不开各种软件和硬件的结合，可以多考虑这类方向的企业实习，例如大疆，无人车或者机器人。

可以读一下《鞋狗》或许有所启发，很多人毕业时也是迷茫的。当你有了方向，你会感到充满力量的。

在国内做软件，就要做好被抄的准备，软件行业有各种“借鉴”的办法，总的说来，还是回到初心，为用户提供什么价值吧。

M 芯片采用了统一内存，封装的方式是直接把内存芯片和处理器芯片在微孔上连接在一起，chiplet 方式，是不能升级的。

@Motorola3 你要分析要有一个基准测试，基准测试可以选取一些你做 opencv 的样本，可以来自生产数据，也可以选取测试数据，然后在目标机器下执行你的功能，验证测试结果和你标准机器的性能相比是快还是慢，类似跑分。

这个 cpu 过高你得判断是不是在正常算力范围内得过高吧，你这个软件到底依赖什么样的配置？不能说给你一台 386 跑你的软件，你还想着怎么优化，这种基本的算力要求你都达不到，你搞什么劲。如果是正常支持的硬件范围内出现这种高 cpu 现象，你要找出这端时间的日志来看，至少日志要提供每个模块的执行时间，正常你的基准测试时间是多少？总不能没头苍蝇一样瞎优化吧。

你说的那些央国企应该不行，至少这十年不行。

图像识别已经是深度学习非常成熟的领域，一般都不建议重新训练一个模型，现有的模型选一个速度和准确率都能接受的模型，做一个微调就行，因为现有的模型对图片的纹理特征都完成了比较好的训练，只需要基于现有的权重，重新训练，就能得到特定领域的模型。