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

深度學習框架及系統部署實戰(微課視頻版教育部高等學校電腦類專業教學指導委員會推薦教材)

  • 作者：編者:袁雪|責編:鄭寅?
  • 出版社：清華大學
  • ISBN：9787302647294
  • 出版日期：2023/10/01
  • 裝幀：平裝
  • 頁數：116
人民幣：RMB 34.9 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    在數字化時代，嵌入式人工智慧系統和深度學習等技術變得越來越重要。在嵌入式平台上進行深度學習推理時會受到計算能力、存儲空間、能耗等資源限制的挑戰。本書從深度學習模型在資源受限的硬體平台上部署的角度，介紹嵌入式AI系統的基本概念、需求、挑戰，以及其軟硬體解決方案。
    本書共分為7章。第1章介紹了邊緣計算；第2章介紹了嵌入式AI系統的基本概念及其面臨的需求與挑戰；第3章介紹了嵌入式AI系統的硬體解決方案；第4?6章介紹了嵌入式AI系統的軟體解決方案，包括DNN模型的構建及實現、輕量級DNN模型的構建、模型輕量化方法及實現；第7章介紹了DNN模型的硬體部署。本書提供了基於Python語言和TorchAPI的大量代碼解析，並針對Intel系列和NVIDIA系列晶元的硬體部署分別進行介紹。
    本書適合作為高等院校電腦專業、軟體工程專業的教材，也可供對深度學習、電腦視覺、嵌入式AI系統等感興趣的開發人員、廣大科技工作者和研究人員參考。
作者介紹
編者:袁雪|責編:鄭寅?
目錄
第1章  邊緣計算
  1.1  雲計算與邊緣計算
  1.2  邊緣計算的挑戰
    1.2.1  DNN模型設計
    1.2.2  DNN模型輕量化
    1.2.3  硬體優化部署
  1.3  雲一邊一端任務協作
  1.4  本章小結
  1.5  習題
第2章  嵌入式AI系統
  2.1  嵌入式AI系統的概念
  2.2  嵌入式AI系統的硬體結構
  2.3  嵌入式AI系統的軟體結構
    2.3.1  驅動層
    2.3.2  操作系統層
    2.3.3  中間件層
    2.3.4  應用層
  2.4  嵌入式深度學習技術
  2.5  嵌入式AI系統的應用
    2.5.1  車載輔助駕駛系統
    2.5.2  無人機智能巡檢系統
    2.5.3  VR設備
  2.6  嵌入式AI系統的需求與挑戰
  2.7  本章小結
  2.8  習題
第3章  嵌入式AI系統的硬體解決方案
  3.1  通用類晶元——GPU
  3.2  半定製化晶元——FPGA
  3.3  全定製化晶元——ASIC
  3.4  類腦晶元
  3.5  對四大類型Al晶元的總結與展望
    3.5.1  對AI晶元的總結
    3.5.2  對AI晶元的展望
  3.6  本章小結
  3.7  習題
第4章  深度卷積神經網路(DCNN)模型的構建及實現典
  4.1  神經網路的概念及發展歷史
    4.1.1  神經元的結構
    4.1.2  感知機
    4.1.3  BP演算法
    4.1.4  神經網路的發展歷史
  4.2  深度卷積神經網路(DCNN)
    4.2.1  深度學習的概念
    4.2.2  DCNN的概念
    4.2.3  DCNN的構成
    4.2.4  DCNN的訓練
  4.3  幾種常用的DNN模型結構
    4.3.1  AlexNet
    4.3.2  VGG
    4.3.3  GoogLeNet

    4.3.4  ResNet
    4.3.5  網路模型對比
    4.3.6  遷移學習
  4.4  圖像識別項目實戰
  4.5  本章小結
  4.6  習題
第5章  輕量級DCNN模型
  5.1  MobiIeNet系列
    5.1.1  MobileNet V1
    5.1.2  M0bileNet V2
    5.1.3  MobileNet V3
  5.2  ShuffIeNet系列
    5.2.1  ShuffleNet V1
    5.2.2  ShuffleNet V2
  5.3  輕量級DCNN模型對比
  5.4  項目實戰
    5.4.1  MobileNet V3模型構建
    5.4.2  ShuffleNet V2模型構建
  5.5  本章小結
  5.6  習題
第6章  深度學習模型輕量化方法及實現
  6.1  網路模型剪枝
    6.1.1  基本原理
    6.1.2  網路模型的剪枝分類
    6.1.3  剪枝標準
    6.1.4  剪枝流程
    6.1.5  代碼實現
  6.2  參數量化
    6.2.1  基本原理
    6.2.2  參數量化演算法的分類
    6.2.3  參數量化流程
    6.2.4  代碼實現
  6.3  知識蒸餾法
    6.3.1  基本原理
    6.3.2  知識蒸餾演算法流程
    6.3.3  代碼實現
  6.4  本章小結
  6.5  習題
第7章  AI模型的硬體部署
  7.1  開放神經網路交換(ONNX)格式
    7.1.1  ONNX模型
    7.1.2  Torch模型轉ONNX模型實例
    7.1.3  ONNX工作原理
    7.1.4  ONNX型推理
    7.1.5  推理速度對比
  7.2  Intel系列晶元部署方法
    7.2.1  OpenVINO的簡介
    7.2.2  OpenVINO的安裝
    7.2.3  OpenVINO工作流程
    7.2.4  OpenVINO推理示例

  7.3  NVIDIA系列晶元部署方法
    7.3.1  TensorRT的簡介
    7.3.2  TensorRT的安裝
    7.3.3  TensorRT模型轉換
    7.3.4  部署TensorRT模型
  7.4  本章小結
  7.5  習題

  • 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