幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

智能計算系統(電腦類專業系統能力培養系列教材)

  • 作者：編者:陳雲霽//李玲//李威//郭崎//杜子東|責編:溫莉芳
  • 出版社：機械工業
  • ISBN：9787111646235
  • 出版日期：2020/03/01
  • 裝幀：平裝
  • 頁數：357
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書通過一個貫穿始終的應用案例——圖像風格遷移，全面系統地介紹智能計算系統的軟硬體技術棧。首先概述人工智慧和智能計算系統（第1章）；接下來介紹完成應用所必要的神經網路和深度學習演算法知識（第2、3章）；然後介紹支撐演算法在智能晶元上運行的編程框架（第4、5章）；再往下是智能晶元，即引導學生設計一款滿足圖像風格遷移應用需求的深度學習處理器（第6、7章）；接下來介紹如何利用智能編程語言BCL提升編寫智能演算法的生產效率（第8章）；最後以具體實驗把所學知識點串聯起來，打通知識結構的「任督二脈」（第9章）。
    本書由中科院計算所、軟體所的專家學者傾心寫就，領銜作者陳雲霽帶領的團隊曾研製了國際上首個深度學習處理器晶元「寒武紀1號」，這本教材凝聚了作者團隊多年的科研和教學成果，填補了人工智慧專業系統類課程的教材空白，適合作為高等院校人工智慧及相關專業的教材。
作者介紹
編者:陳雲霽//李玲//李威//郭崎//杜子東|責編:溫莉芳
目錄
序言一
序言二
前言
第1章　概述
　1.1　人工智慧
    1.1.1　什麼是人工智慧
    1.1.2　人工智慧的發展歷史
    1.1.3　人工智慧的主要方法
　1.2　智能計算系統
    1.2.1　什麼是智能計算系統
    1.2.2　為什麼需要智能計算系統
    1.2.3　智能計算系統的發展
　1.3　驅動範例
　1.4　本章小結
　習題
第2章　神經網路基礎
　2.1　從機器學習到神經網路
    2.1.1　基本概念
    2.1.2　線性回歸
    2.1.3　感知機
    2.1.4　兩層神經網路——多層感知機
    2.1.5　深度學習（深層神經網路）
    2.1.6　神經網路發展歷程
　2.2　神經網路訓練
    2.2.1　正向傳播
    2.2.2　反向傳播
　2.3　神經網路設計原則
    2.3.1　網路的拓撲結構
    2.3.2　激活函數
    2.3.3　損失函數
　2.4　過擬合與正則化
    2.4.1　過擬合
    2.4.2　正則化
　2.5　交叉驗證
　2.6　本章小結
　習題
第3章　深度學習
　3.1　適合圖像處理的卷積神經網路
    3.1.1　卷積神經網路的組成
    3.1.2　卷積層
    3.1.3　池化層
    3.1.4　全連接層
    3.1.5　softmax層
    3.1.6　卷積神經網路總體結構
　3.2　基於卷積神經網路的圖像分類演算法
    3.2.1　AlexNet
    3.2.2　VGG
    3.2.3　Inception
    3.2.4　ResNet
　3.3　基於卷積神經網路的圖像目標檢測演算法

    3.3.1　評價指標
    3.3.2　R?CNN系列
    3.3.3　YOLO
    3.3.4　SSD
    3.3.5　小結
3.4　序列模型：循環神經網路
    3.4.1　RNN
    3.4.2　LSTM
    3.4.3　GRU
    3.4.4　小結
　3.5　生成對抗網路
    3.5.1　模型組成
    3.5.2　GAN訓練
    3.5.3　GAN結構
　3.6　驅動範例
    3.6.1　基於卷積神經網路的圖像風格遷移演算法
    3.6.2　實時圖像風格遷移演算法
　3.7　本章小結
　習題
第4章　編程框架使用
　4.1　為什麼需要編程框架
　4.2　編程框架概述
    4.2.1　通用編程框架概述
    4.2.2　TensorFlow概述
　4.3　TensorFlow編程模型及基本用法
    4.3.1　計算圖
    4.3.2　操作
    4.3.3　張量
    4.3.4　會話
    4.3.5　變數
    4.3.6　佔位符
    4.3.7　隊列
　4.4　基於TensorFlow實現深度學習預測
    4.4.1　讀取輸入樣本
    4.4.2　定義基本運算單元
    4.4.3　創建神經網路模型
    4.4.4　計算神經網路模型輸出
　4.5　基於TensorFlow實現深度學習訓練
    4.5.1　載入數據
    4.5.2　模型訓練
    4.5.3　模型保存
    4.5.4　圖像風格遷移訓練的實現
　4.6　本章小結
　習題
第5章　編程框架機理
　5.1　TensorFlow設計原則
    5.1.1　高性能
    5.1.2　易開發
    5.1.3　可移植
　5.2　TensorFlow計算圖機制

    5.2.1　一切都是計算圖
    5.2.2　計算圖本地執行
    5.2.3　計算圖分散式執行
　5.3　TensorFlow系統實現
    5.3.1　整體架構
    5.3.2　計算圖執行模塊
    5.3.3　設備抽象和管理
    5.3.4　網路和通信
    5.3.5　運算元實現
　5.4　編程框架對比
    5.4.1　TensorFlow
    5.4.2　PyTorch
    5.4.3　MXNet
    5.4.4　Caffe
　5.5　本章小結
　習題
第6章　深度學習處理器原理
　6.1　深度學習處理器概述
    6.1.1　深度學習處理器的意義
    6.1.2　深度學習處理器的發展歷史
    6.1.3　設計思路
　6.2　目標演算法分析
    6.2.1　計算特徵
    6.2.2　訪存特徵
　6.3　深度學習處理器DLP結構
    6.3.1　指令集
    6.3.2　流水線
    6.3.3　運算部件
    6.3.4　訪存部件
    6.3.5　演算法到晶元的映射
    6.3.6　小結
　6.4　優化設計
    6.4.1　基於標量MAC的運算
部件
    6.4.2　稀疏化
    6.4.3　低位寬
　6.5　性能評價
    6.5.1　性能指標
    6.5.2　測試基準程序
    6.5.3　影響性能的因素
　6.6　其他加速器
    6.6.1　GPU架構簡述
    6.6.2　FPGA架構簡述
    6.6.3　DLP與GPU、FPGA的對比
　6.7　本章小結
　習題
第7章　深度學習處理器架構
　7.1　單核深度學習處理器
    7.1.1　總體架構
    7.1.2　控制模塊

    7.1.3　運算模塊
    7.1.4　存儲單元
    7.1.5　小結
　7.2　多核深度學習處理器
    7.2.1　總體架構
    7.2.2　Cluster架構
    7.2.3　互聯架構
    7.2.4　小結
　7.3　本章小結
　習題
第8章　智能編程語言
　8.1　為什麼需要智能編程語言
    8.1.1　語義鴻溝
    8.1.2　硬體鴻溝
    8.1.3　平台鴻溝
    8.1.4　小結
　8.2　智能計算系統抽象架構
    8.2.1　抽象硬體架構
    8.2.2　典型智能計算系統
    8.2.3　控制模型
    8.2.4　計算模型
    8.2.5　存儲模型
　8.3　智能編程模型
    8.3.1　異構編程模型
    8.3.2　通用智能編程模型
　8.4　智能編程語言基礎
    8.4.1　語法概述
    8.4.2　數據類型
    8.4.3　宏、常量與內置變數
    8.4.4　I/O操作語句
    8.4.5　標量計算語句
    8.4.6　張量計算語句
    8.4.7　控制流語句
    8.4.8　串列程序示例
    8.4.9　並行程序示例
　8.5　智能應用編程介面
    8.5.1　Kernel函數介面
    8.5.2　運行時介面
    8.5.3　使用示例
　8.6　智能應用功能調試
    8.6.1　功能調試方法
    8.6.2　功能調試介面
    8.6.3　功能調試工具
    8.6.4　精度調試方法
    8.6.5　功能調試實踐
　8.7　智能應用性能調優
    8.7.1　性能調優方法
    8.7.2　性能調優介面
    8.7.3　性能調優工具
    8.7.4　性能調優實踐

　8.8　基於智能編程語言的系統開發
    8.8.1　高性能庫運算元開發
    8.8.2　編程框架運算元開發
    8.8.3　系統開發與優化實踐
　習題
第9章　實驗
　9.1　基礎實驗：圖像風格遷移
    9.1.1　基於智能編程語言的運算元實現
    9.1.2　圖像風格遷移的實現
    9.1.3　風格遷移實驗的操作步驟
　9.2　拓展實驗：物體檢測
    9.2.1　基於智能編程語言的運算元實現
    9.2.2　物體檢測的實現
　9.3　拓展練習
附錄A　電腦體系結構基礎
附錄B　實驗環境說明
參考文獻
後記

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032