《系统架构:复杂系统的产品设计与开发》——第2章,第2.1节系统思维

简介:

本节书摘来自华章出版社《系统架构:复杂系统的产品设计与开发》一书中的第2章,第2.1节简介,作者[美]布鲁斯·卡梅隆,更多章节内容可以访问云栖社区“华章计算机”公众号查看

第2章系统思维
2.1简介
系统思维(system thinking),简单地说,就是把某个疑问、某种状况或某个难题明确地视为一个系统,也就是视为一组相互关联的实体。系统思维不等于系统化地思考(thinking systematically)。本章的目标是概括地介绍系统及系统思维。
系统思维的运用方式有很多种,它可以用来理解现有系统的行为及表现,可以用来预想系统在经过修改之后的状况,可以用来给具备系统性质的决策或判断提供指导,也可以用来为系统的设计与拼接(我们称之为系统架构)提供支持。
系统思维与其他一些思维模式并立,例如批判思维(衡量某个说法的有效性)、分析思维(根据一套规律或原则进行分析)、创新思维等。一位准备工作做得比较充分的思考者,能够使用各种思维模式来进行思考(这就是认知,cognition),而且还能够意识到自己当前正在使用的是哪一种思维模式(这就是元认知,meta-cognition)。
本章首先定义什么是系统,然后论述涌现(emergence)这一概念的特征以及它带给系统的能力(参见2.2节)。接下来,讲述四种对系统思维有益的任务:
1.确定系统及其形式与功能(参见2.3节)。
2.确定系统中的实体及其形式与功能,以及系统的边界及系统所处的环境(参见2.4节)。
3.确定系统中各个实体之间的关系以及位于边界处的关系,并确定这些关系的形式及功能(参见2.5节)。
4.根据实体的功能及功能性的互动来确定系统的涌现属性(参见2.6节)。
虽然本书会依次讲解这四项任务,但我们在思考实际问题时,很少是一次就想好的,而是要反复地思考。如第1章所述,像上面这种用来完成具体目标的任务,是要整理成一套方法的,而这套方法通常应该适用于各种项目。此外,本章还会讲解系统思维方法所依据的原则。

相关文章
|
11天前
|
人工智能 前端开发 编译器
【AI系统】LLVM 架构设计和原理
本文介绍了LLVM的诞生背景及其与GCC的区别,重点阐述了LLVM的架构特点,包括其组件独立性、中间表示(IR)的优势及整体架构。通过Clang+LLVM的实际编译案例,展示了从C代码到可执行文件的全过程,突显了LLVM在编译器领域的创新与优势。
33 3
|
20小时前
|
监控 安全 API
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
本文详细介绍了PaliGemma2模型的微调流程及其在目标检测任务中的应用。PaliGemma2通过整合SigLIP-So400m视觉编码器与Gemma 2系列语言模型,实现了多模态数据的高效处理。文章涵盖了开发环境构建、数据集预处理、模型初始化与配置、数据加载系统实现、模型微调、推理与评估系统以及性能分析与优化策略等内容。特别强调了计算资源优化、训练过程监控和自动化优化流程的重要性,为机器学习工程师和研究人员提供了系统化的技术方案。
95 75
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
|
5天前
|
机器学习/深度学习 人工智能 并行计算
【AI系统】Kernel 层架构
推理引擎的Kernel层负责执行底层数学运算,如矩阵乘法、卷积等,直接影响推理速度与效率。它与Runtime层紧密配合,通过算法优化、内存布局调整、汇编优化及调度优化等手段,实现高性能计算。Kernel层针对不同硬件(如CPU、GPU)进行特定优化,支持NEON、AVX、CUDA等技术,确保在多种平台上高效运行。
54 32
|
5天前
|
存储 机器学习/深度学习 人工智能
【AI系统】计算图优化架构
本文介绍了推理引擎转换中的图优化模块,涵盖算子融合、布局转换、算子替换及内存优化等技术,旨在提升模型推理效率。计算图优化技术通过减少计算冗余、提高计算效率和减少内存占用,显著改善模型在资源受限设备上的运行表现。文中详细探讨了离线优化模块面临的挑战及解决方案,包括结构冗余、精度冗余、算法冗余和读写冗余的处理方法。此外,文章还介绍了ONNX Runtime的图优化机制及其在实际应用中的实现,展示了如何通过图优化提高模型推理性能的具体示例。
29 4
【AI系统】计算图优化架构
|
7天前
|
存储 人工智能 监控
【AI系统】推理系统架构
本文深入探讨了AI推理系统架构,特别是以NVIDIA Triton Inference Server为核心,涵盖推理、部署、服务化三大环节。Triton通过高性能、可扩展、多框架支持等特点,提供了一站式的模型服务解决方案。文章还介绍了模型预编排、推理引擎、返回与监控等功能,以及自定义Backend开发和模型生命周期管理的最佳实践,如金丝雀发布和回滚策略,旨在帮助构建高效、可靠的AI应用。
52 15
|
11天前
|
人工智能 并行计算 程序员
【AI系统】SIMD & SIMT 与芯片架构
本文深入解析了SIMD(单指令多数据)与SIMT(单指令多线程)的计算本质及其在AI芯片中的应用,特别是NVIDIA CUDA如何实现这两种计算模式。SIMD通过单指令对多个数据进行操作,提高数据并行处理能力;而SIMT则在GPU上实现了多线程并行,每个线程独立执行相同指令,增强了灵活性和性能。文章详细探讨了两者的硬件结构、编程模型及硬件执行模型的区别与联系,为理解现代AI计算架构提供了理论基础。
43 12
存储 人工智能 自然语言处理
37 6
|
8天前
|
机器学习/深度学习 人工智能 API
【AI系统】昇腾异构计算架构 CANN
本文介绍了昇腾 AI 异构计算架构 CANN,涵盖硬件层面的达·芬奇架构和软件层面的全栈支持,旨在提供高性能神经网络计算所需的硬件基础和软件环境。通过多层级架构,CANN 实现了高效的 AI 应用开发与性能优化,支持多种主流 AI 框架,并提供丰富的开发工具和接口,助力开发者快速构建和优化神经网络模型。
21 1