正在加载视频...
视频加载失败
اینو ببینید (با صدا) تماشاچی های نروژی چه جوری عالی این حرکت هماهنگ رو با هم اجرا میکنن… ایرانی های پادشاهی خواه کاش میتونستن با یه چنین هماهنگی یک حرکت اعتراضی معنی دار انجام بدن …. پ ن نروژی ها باید کول ترین تماشاچی های کل این جام جهانی باشن!!!!
10,077 次观看 • 2 个月前 •via X (Twitter)
33 条评论
@Yaldablue777 فقط اگه بچههای داخل میتونستن بیان تو این استادیومها. طوری کارو در میاوردن که تو تاریخ جام جهانی نمونه نداشته باشه.
منم با شما موافقم… اما واقعا برای این همه ایرانی که در کالیفرنیا هستن نباید یه حرکت هماهنگ آنقدر سخت باشه نمیدونم چرا کسی مسولییتش رو گردن نمیگیره…
کلا از قبلش هم فشل عمل کردیم. بعضیا گفتن بایکوت، بعد شاهزاده گفتن نه، برید با پرچم. بعد گروه ها کوچک مختلف هر کی ساز خودشو زد. آخرشم یه سری شلمغز با پرچم شیروخورشید بعد از گل ایران هیجانزده شدن تشویق کردن. آخرشم برای لباس بازیکنها سف وایستادن. بعد یه سری رفته بودن گسر میدادن به ایرانی آمریکایی نسل سوم از همه جا بیخبر که لباس قدیمی تیم جاعش پوشیده بودن توهین میگردن بهشون. سیرکی بود برای خودش.
@Yaldablue777 حرکات زشت. رفتن تو تیم جاعش تشویق کردن، بعد بیرون به هموطن گیر دادن.
😓😓😓😓 خیلی ناراحت کننده است چون به عنوان سیاسی ترین و پر تنش ترین بازی های این ج ج چشم مدیا خیلی روی یاری های ایرانه! البته چیزی که تو روزنامه های اینجا بود خیلی بد نیود گفته بودن مردم با پرچم شیر و خورشید اومدن و در زمان پخش سرود ملی هو کردن… دیگه به تشویق کردن و نکردن خیای نپرداخته بودن
@Yaldablue777 بله منم توی اسپیس ها قبل از شروع جام پیشنهاد دادم به بچه های داخل امریکاولی درعمل در داخل ورزشگاه ممکن نبوده ک همه باهم در یک محل بنشینن که بشه تا این حد هماهنگ عمل کردوخب طبیعیه چون همه همزمان که بلیط نخریدن نروژیها دارن باهم پارو میزنن Roei پارو
بله Viking row هست! حالا لازم نیس در این حد با شکوه باشه ولی یعنی دسته های چند ده نفره هم پیش هم نیستن تا بتونن کاری بکنن؟
@Yaldablue777 طبق صحبت هایی که من شنیدم از دوستان حاضر در ورزشگاه نه متاسفانه نشده و یا این حکومتی های بیشرف هم لابلاشون بودن و حتا دوستی با تعجب گفت که کنارشون کسانی با پرچم شیر وخورشید بودن ولی با خوشحالی تیم آخوندا برای دوتا گل ، اونها هم خوشحالی میکردن و جای تعجب زیادی داشته
بله فک کنم اول همه باید تکلیفشون رو روشن کنن که این تیم ملاها ست نه تیم ملی بعد با هم هماهنگ بشن! جای تاسف داره واقعا که هنور بعضی ها در denial به سر میبرن
@Yaldablue777 الان دارن پارو میزنن؟ حرکتشون شبیه پارو زدن هست 🤔
بله دارن پارو میزنن … Viking row
@Yaldablue777 لیدر دارن
خب این همه کسایی که تجمعات رو برگزار کردن نمیتونن لیدر بشن؟
@Yaldablue777 چرا. میگم یعنی باید لیدر درست و حسابی داشته باشن که دوباره نشه مثل لس آنجلس
👏امیدوارم بکنن این کار رو برای دو تا بازی بعدی …
@Yaldablue777 چه عکست قشنگ یلدا جون 😍
مرسی فروغ جونم ❤️❤️❤️
@Yaldablue777 زمانی که توپ دست بیراوند میوفته باید یکصدا ننشومورد عنایت قرار بدن 🤭🤭🤭🤭
@maryamyazd37329 بله! واقعا!!!!
@Yaldablue777 فیفا تماشاگران را پخش کرده بود مانع اتحاد بشه به رژیم و حرام زاده ها هزاران بلیط فروخت
مگه خود تماشاگر ها جاشون رو موقع خرید بلیط انتخاب نمیکنن؟
@Yaldablue777 فیفا به تروریستها بلیط فروخت دیگر چه تفاوتی میکند
منظورم بلیط هایی بود که پادشاهی خواه ها خریده بودن
@Yaldablue777 نه، این حرکت آنها نیست، آنها با کپی برداری از ایسلند این رو ساخته اند. اما با نکتهٔ دومت موافقم.
متوجه نمیشم که منظورتون چیه راجع به اینکه این حرکت اونا نیست…
@Yaldablue777 امیدوارم یاد بگیرند .. و دفعه دیگه اینکارو بکنند #جاویدشاه
امیدوارم چون واقعا فرصت خوبی رو از دست میدن اگه این کار رو نکنن
@Yaldablue777 نماینده های مجلس شون هم توی پارلمان این کار رو کردند! خیلی باحال بود! 😬
اره دیدم 🤭
@Yaldablue777 ایرانی وحشی تر و بی فرهنگتر از اون چیزی هستش کە بشە حتی تصور کرد. فحاش، رادیکال، احمق و خود گوز پندار. لیاقت ایرانی همون آخوندهاشون هستند و بس
@Yaldablue777 ایرانیا پراکنده بودن
@Yaldablue777 باید یکصدا صدا بزنن: رشید مظاهری
@Yaldablue777 این مال کشورهاییه که قبلا برای سالها همینها رو تو باشگاههاشون انجام دادن نه ایرونیهای امریکایی که نهایت یه فوتبال دستی تو هر محله بر پا کردن. شرلیط ادمها و کشورها فرق داره. پ.ن: تو باشگاههای ایران انجام میشه اما اونا نمیتونن برن و نرفتن امریکا
相关视频
Sensitive content
🔴مجتبی خامنه ای: باید معترضین را در خیابان آتش میزدیم، خیلی باهاشون مدارا کردیم!!! حکومتی با این سطح از جنایت و خیانت که امروز در واگذاری #کاسپین سعی در ربودن گوی نفرت از قاجار و تکرار ننگین عهدنامه هایی دیگر همچو گلستان و ترکمچای ( اسفند ۱۲۰۶) دارد را فقط با گزینه ی سرنگونی میشود متوقف کرد تا خاک عزیزمان #ایران حفظ شود. فقط سرنگونی جمهوری اسلامی است که: ایرانی زنده میماند و ایران پابرجا. فقط نبود حکومتی بس شیطانی و خونخوار اسلامی، راه حل نجات #ملت_ایران و سرزمین عزیزمان است. 🟢پ ن: این گفته های حمیدرضا فروزانفر، نوه خواهر علی خامنهای است که خود میگوید، شاهد بر این سنگدلی و وحشیانه های مجتبی خامنه ای در باب اعتراضات خونین ۱۳۸۸ بوده. نکته ی مهم اینکه: تا به امروز هیچ کس از نزدیکان مجتبی خامنه ای این سخنان را تکذیب نکرده، چرا که این صحبت ها از نزدیکترین افراد بر پایه ی روابط خانوادگی نسبت به مجتبی بیان میشود که گویا در یک جمع خودمانی بوده!! #پسرعاقل_نوح
پسر عاقل نوح
53,890 次观看 • 1 个月前
![شرم بر Object oriented programming! خیلی دربارهی بازدهی در برنامهنویسی صحبت میشه و همیشه دربارهی الگوریتم سریعتر یا ساختماندادهی مناسب بحث میشه. اما نیخوام دربارهی یه مسالهای که کمتر دیدم صحبت بشه موضوعی رو باز کنم. اون هم استفاده از ویژگیهای cpuهای مدرن مثل prefetching یا SIMD ـه! قبل از همه چیز باید بدونیم پردازش مربوط به خوندن و نوشتن اطلاعات از روی RAM و اعمال دستورات روی CPU مربوط میشه. اما سرعت پیشرفت و بازدهی CPUها خیلی بیشتر از RAM بوده. این عکس فاصلهی بازدهی پردازندهها رو با رم نشون میده. یعنی اگر درست کد نزنیم پردازنده زمان زیادی رو منتظر اطلاعات میمونه تا بتونه کارش رو ادامه بده. در این بین خیلی از ویژگیها مثل سطوح مختلف Caching در پردازندهها ایجاد شده مثل L1, L2, L3 و احتمالاً موقع خرید CPU بهش برخورد کردید. کاری که این Caching انجام میده خوندن اطلاعات از رم و آماده نگه داشتن اونا وقتیه که CPU در حال محاسبه ست. (به صورت فیزیکی واقعاً نزدیکتر میشه) از سمت دیگه چندین هستهی CPU و thread استفاده میکنیم تا به صورت موازی پردازشها رو انجام بدیم. اما هرکسی تا حالا کد برای سیستم موازی زده باشه میدونه اصلاً راحت نیست و الزاماً استفاده از دو خط موازی به معنی دوبرابر شدن سرعت نیست! بسته به سناریویی که قرار داریم ممکنه ۳۰ تا ۵۰ درصد افزایش سرعت داشته باشیم (بله سرعت دو برابر هم میرسیم مگر هیچ sync point ایی لازم نباشه اما خیلی محدوده!) اما در پردازندههای مدرن پردازش موازی به هسته یا thread محدود نمیشه. بلکه قابلیت SIMD وجود داره که کارش انجام یک عمل ریاضی روی چندین داده به صورت همزمانه. Single Instruction Multiple Data. همینطور CPUهای امروزی قابلیت خاصی برای پیشبینی شاخه در دستوراتی که اجر میشن دارند. به این صورت که وقت شما از if استفاده میکنید. CPU هر دو حالت true و false رو محاسبه میکنه و هر وقت شرط مشخص شد جواب شاخهی درست رو بر میگردونه! حالا این قضیه در خودش یه سری روش اجرای کد و مشکل امنیتی هم داشته که مورد بحث ما نیست. حالا اگر طوری کد بنویسیم که CPU لازم نباشه مداوم branch بررسی کنه باعث افزایش سرعت پایپلاینهای پردازشی میشیم. (جزییات بیشترش رو در uOps باید صحبت کنیم). حالا اگر تمام موارد بالا رو در نظر بگیریم و میتونیم بهینهترین حالت ممکن کد بزنیم. فکر میکنید این افزایش سرعت تا چه حده؟ بستگی به سناریوی مساله میتونه بین ۱۰ تا ۱۰۰ برابر (حتی بیشتر) سریعتر باشه! اصلاً شوخی نمیکنم. اول مقاله نوشتم شرم بر object-oriented programming. این رو برای جلب توجه ننوشتم. در حقیقت این پارادایم برنامهنویسی حدود سالهای ۸۰ میلادی محبوب شد و هنوز ادامه داره اما با پیشرفت تکنولوژی شاهد تغییر پارادایم نبودیم. در ابتدا که فاصلهی سرعت CPU و RAM به هم نزدیک بود تفاوت چندانی نمیدیدیم و همه چیز با OOP اکی بود. اما به مرور زمان که سختافزار به روز شد نرمافزار وابسته به تفکر قدیمی باقی موند. مثلاً در OOP ما یه سری کلاس میسازیم و اونا رو encapsulate میکنیم و از اونا شی میسازیم و روشون پردازش انجام میدیم. یه چیزی مثل: struct particle { float x, y; float vx, vy; particle(const float x, const float y, const float vx, const float vy) : x(x), y(y), vx(vx), vy(vy) { } virtual ~particle() = default; virtual void update(const float delta_time) =0; }; یه کلاس خیلی ساده ذرات - particle که مختصات محیط دو بعدی x و y داره و به همین منوال سرعت در اون جهت. یه تابع virtual هم داره برای بقیه که ارث ببرند و ویژگیهای متفاوت اضافه کنند. تو particle system یا سیستم ذارت که برای جلوههای ویژه VFX مثل دود، غبار، آب و غیره استفاده میشه ممکنه تا چندین میلیون ذره پردازش بشن (فیلم مومیایی رو یادتونه؟ آفرین همون شنها) حالا من از اون کلاس ارث بردم و این تابع خیلی ساده رو پیاده کردم که فقط در هر فریم سرعت ذره رو حساب میکنه: void update(const float delta_time) override { volatile float x = this->x; volatile float y = this->y; x += vx * delta_time; y += vy * delta_time; this->x = x; this->y = y; } این که چرا volatile استفاده کردم به خاطر اینه که این مثال خیلی ساده ست و کامپایلر این تابع رو بهینه میکنه در اصل کاری که میکنه اجازهی ساختن virtual table رو نمیده و تابع بقیه جاها inline میشه. اما تو پروژهی بزرگ با چند لایه ارثبری همیشه بهره بردن از بهینهسازی کامپایلر ممکن نیست. حالا جلوتر این رو هم بر میدارم که دعوایی نباشه. بعد هم کلاس particle system رو داریم که خیلی ساده هر ذره رو آپدیت میکنه. فقط توجه داشته باشید هر ذره به صورت یک شی در حافظه new میشه. حالا اگر ۱۰۰ میلیون پارتیکل رو یک بار آپدیت کنم حدود ۶۵۳ میلیثانیه طول میکشه. بد نیست ها؟ افتضاحه! تو بازی ویدیویی که ۶۰ فریم بر ثانیه اجرا میشه ما ۱۶ میلی ثانیه وقت داریم تا چند میلیارد محاصبه رو انجام بدیم. (بدون volatile حدود ۵۳۰ میلیثانیه) برای افزایش باذهی من یه کار خیلی ساده میکنم به جای این که تمام این ذرات رو new کنم که باعث میشه هر کدوم یه جای RAM به صورت تصادفی پخش بشن اونا رو پشتسر هم در یک آرایه قرار میدم. یعنی تمام آدرس اونا پشتسر هم قرار میگیره. فقط همین تغییر باعث میشه همین تعداد ۱۱۵ میلیثانیه زمان ببره. حدود ۵ برابر سریعتر! همین تغییر کوچیک! چرا چون زمان پیدا کردن هر آبجکت به صورت پراکنده تبدیل شده به آدرسهای پشتسر هم و CPU سریعتر میتونه اطلاعات رو بخونه! به این شکل: struct particles_chunk { std::vector > x; std::vector > y; std::vector > vx; std::vector > vy; } حالا در مرحلهی بعدی همون کد ساده رو با دستورات SIMD مینویسم. نتیجه میشه ۱۱۸ میلی ثانیه: void update_simd(const float delta_time) { const size_t num_particles = particles_.x.size(); const size_t simd_end = num_particles - (num_particles % 8); const __m256 dt_v = _mm256_set1_ps(delta_time); for (size_t i = 0; i (1, std::thread::hardware_concurrency()); const size_t base_chunk_size = num_particles / num_threads; const size_t aligned_chunk_size = ((base_chunk_size + 7) / 8) * 8; std::vector threads; threads.reserve(num_threads); for (size_t t = 0; t (&particles_.x[i + prefetch_distance]), _MM_HINT_T0); _mm_prefetch(reinterpret_cast (&particles_.vx[i + prefetch_distance]), _MM_HINT_T0); _mm_prefetch(reinterpret_cast (&particles_.y[i + prefetch_distance]), _MM_HINT_T0); _mm_prefetch(reinterpret_cast (&particles_.vy[i + prefetch_distance]), _MM_HINT_T0); } _mm256_store_ps(&particles_.x[i], _mm256_fmadd_ps(_mm256_load_ps(&particles_.vx[i]), dt_v, _mm256_load_ps(&particles_.x[i]))); _mm256_store_ps(&particles_.y[i], _mm256_fmadd_ps(_mm256_load_ps(&particles_.vy[i]), dt_v, _mm256_load_ps(&particles_.y[i]))); } تا اینجا من هیچ کار عجیب و غریبی نکردم. حافظه مرتب، پشتسر هم و با استفاده از SIMD کد نوشتم. نه ساختمانداده مطرحه و نه الگوریتم و بیشتر از ۶ برابر افزایش سرعت رسیدیم! مثال بعدی که branch prediction باشه رو آخر تست یادم اومد و نشد با بقیه مقایسه کنم. اما به هر حال. فقط این مثال ساده رو ببینید: for (size_t i = 0; i < num_particles; ++i) { if (particles_.is_active[i]) { particles_.x[i] += particles_.vx[i] * delta_time; particles_.y[i] += particles_.vy[i] * delta_time; } } کاری که میکنیم با if چک کنیم اگر ذره فعاله سرعتش رو حساب کنیم اگر نیست هیچی. این مثال ساده حدود ۱۴۱ میلی ثانیه طول میکشه. اگر اون if رو حذف کنم و بیام به جاش در محاسبه غیرفعال بودن رو صفر در نظر بگیرم و جلوی branching رو بگیرم: void update_branchless(const float delta_time) { const size_t num_particles = particles_.x.size(); for (size_t i = 0; i < num_particles; ++i) { particles_.x[i] += particles_.vx[i] * delta_time * particles_.is_active[i]; particles_.y[i] += particles_.vy[i] * delta_time * particles_.is_active[i]; } } با این روش ۱۱۹ میلی ثانیه طول میکشه تا کدم اجرا بشه. یعنی با وجود if تقریباُ کد ما ۸۰ درصد اجرا میشه. این در شرایطیه که فعال بودن ذرات تصادفیه و cpu نمیتونه branch perdiction درستی داشته باشه. برای همین کند میشه. حالا شاید بگید که تو گفتی چند میلیون محاسبه زیر ۱۶ میلیثانیه. بله درسته. من اینجا از دو thread استفاده کردم. فقط جنبهی نمایش داشت از warmup و اینا هم اجتناب کردم چون در دنیای واقعی این پردازشها میره روی GPU و Compute shader که معرفی اون خودش یه پست دیگه ست. کدها رو روی CPU قدیمی اجرا کردم: Intel Core i7 6700K @ 4.00GHz Skylake 14nm 16.0GB Dual-Channel DDR4 @ 1069MHz اگر دوست داشتید این محاسبه رو با زبان برنامهنویسی مورد علاقهتون تست کنید و سعی در بهینه کردنش کنید. در ضمن اگر تمام اینا رو کنار هم بذاریم با یه سری مفاهیم شبیه به همینهایی که گفتیم با جزییات بیشتر میشه Data oriented programming که در زبانهای مختلف مثل خانوادهی C، Rust، Zig و غیره براشون کتابخونه و آموزش موجوده. خلاصه بازدهی فقط به الگوریتم و ساختمانداده محدود نمیشه.](https://image.24vids.com/tw-1913406869890007159/amplify_video_thumb/1913406258100494336/img/o58qqms2rsJhHm5E.jpg)
