定 價：79 元
叢書名：計算機類專業(yè)系統(tǒng)能力培養(yǎng)系列教材
當前圖書已被 62 所學校薦購過！
查看明細
- 作者：陳云霽 李玲 李威 郭琦 杜子東
- 出版時間：2020/3/1
- ISBN：9787111646235
- 出 版 社：機械工業(yè)出版社
- 中圖法分類：TP183
- 頁碼：0
- 紙張：
- 版次：
- 開本：16開
目標是培養(yǎng)學生對智能計算完整軟硬件技術棧（包括基礎智能算法、智能計算編程框架、智能計算編程語言、智能芯片體系結構等）融會貫通的理解，成為智能計算系統(tǒng)（子系統(tǒng)）的設計者和開發(fā)者。
序言一
序言二
前言
第1章概述1
11人工智能1
111什么是人工智能1
112人工智能的發(fā)展歷史1
113人工智能的主要方法4
12智能計算系統(tǒng)8
121什么是智能計算系統(tǒng)8
122為什么需要智能計算系統(tǒng)8
123智能計算系統(tǒng)的發(fā)展8
13驅動范例11
14本章小結13
習題13
第2章神經(jīng)網(wǎng)絡基礎14
21從機器學習到神經(jīng)網(wǎng)絡14
211基本概念14
212線性回歸15
213感知機17
214兩層神經(jīng)網(wǎng)絡——多層感知機19
215深度學習（深層神經(jīng)網(wǎng)絡）20
216神經(jīng)網(wǎng)絡發(fā)展歷程21
22神經(jīng)網(wǎng)絡訓練23
221正向傳播24
222反向傳播25
23神經(jīng)網(wǎng)絡設計原則27
231網(wǎng)絡的拓撲結構27
232激活函數(shù)27
233損失函數(shù)30
24過擬合與正則化32
241過擬合33
242正則化34
25交叉驗證37
26本章小結39
習題39
第3章深度學習41
31適合圖像處理的卷積神經(jīng)網(wǎng)絡41
311卷積神經(jīng)網(wǎng)絡的組成42
312卷積層43
313池化層48
314全連接層49
315softmax層50
316卷積神經(jīng)網(wǎng)絡總體結構50
32基于卷積神經(jīng)網(wǎng)絡的圖像分類算法52
321AlexNet53
322VGG56
323Inception59
324ResNet66
33基于卷積神經(jīng)網(wǎng)絡的圖像目標檢測算法69
331評價指標69
332RCNN系列72
333YOLO78
334SSD81
335小結83
34序列模型：循環(huán)神經(jīng)網(wǎng)絡83
341RNN84
342LSTM88
343GRU89
344小結90
35生成對抗網(wǎng)絡91
351模型組成91
352GAN訓練92
353GAN結構94
36驅動范例96
361基于卷積神經(jīng)網(wǎng)絡的圖像風格遷移算法96
362實時圖像風格遷移算法98
37本章小結100
習題100
第4章編程框架使用101
41為什么需要編程框架101
42編程框架概述102
421通用編程框架概述102
422TensorFlow概述102
43TensorFlow編程模型及基本用法103
431計算圖104
432操作105
433張量106
434會話110
435變量114
436占位符116
437隊列117
44基于TensorFlow實現(xiàn)深度學習預測117
441讀取輸入樣本118
442定義基本運算單元118
443創(chuàng)建神經(jīng)網(wǎng)絡模型122
444計算神經(jīng)網(wǎng)絡模型輸出123
45基于TensorFlow實現(xiàn)深度學習訓練123
451加載數(shù)據(jù)123
452模型訓練129
453模型保存135
454圖像風格遷移訓練的實現(xiàn)137
46本章小結139
習題139
第5章編程框架機理141
51TensorFlow設計原則141
511高性能141
512易開發(fā)142
513可移植142
52TensorFlow計算圖機制142
521一切都是計算圖143
522計算圖本地執(zhí)行150
523計算圖分布式執(zhí)行154
53TensorFlow系統(tǒng)實現(xiàn)155
531整體架構155
532計算圖執(zhí)行模塊156
533設備抽象和管理161
534網(wǎng)絡和通信162
535算子實現(xiàn)167
54編程框架對比169
541TensorFlow170
542PyTorch171
543MXNet171
544Caffe172
55本章小結172
習題172
第6章深度學習處理器原理174
61深度學習處理器概述174
611深度學習處理器的意義174
612深度學習處理器的發(fā)展歷史175
613設計思路177
62目標算法分析178
621計算特征178
622訪存特征181
63深度學習處理器DLP結構186
631指令集186
632流水線190
633運算部件190
634訪存部件193
635算法到芯片的映射194
636小結195
*64優(yōu)化設計195
641基于標量MAC的運算部件195
642稀疏化198
643低位寬199
65性能評價201
651性能指標201
652測試基準程序202
653影響性能的因素203
66其他加速器203
661GPU架構簡述204
662FPGA架構簡述204
663DLP與GPU、FPGA的對比205
67本章小結206
習題206
*第7章 深度學習處理器架構207
71單核深度學習處理器207
711總體架構208
712控制模塊209
713運算模塊212
714存儲單元215
715小結215
72多核深度學習處理器216
721總體架構216
722Cluster架構217
723互聯(lián)架構223
724小結224
73本章小結225
習題225
第8章 智能編程語言227
81為什么需要智能編程語言227
811語義鴻溝228
812硬件鴻溝230
813平臺鴻溝232
814小結233
82智能計算系統(tǒng)抽象架構234
821抽象硬件架構234
822典型智能計算系統(tǒng)235
823控制模型236
824計算模型236
825存儲模型237
83智能編程模型238
831異構編程模型239
832通用智能編程模型242
84智能編程語言基礎247
841語法概述247
842數(shù)據(jù)類型248
843宏、常量與內(nèi)置變量250
844I/O操作語句250
845標量計算語句252
846張量計算語句252
847控制流語句252
848串行程序示例253
849并行程序示例254
85智能應用編程接口255
851Kernel函數(shù)接口255
852運行時接口257
853使用示例259
86智能應用功能調試262
861功能調試方法262
862功能調試接口266
863功能調試工具269
864精度調試方法272
865功能調試實踐272
87智能應用性能調優(yōu)280
871性能調優(yōu)方法280
872性能調優(yōu)接口282
873性能調優(yōu)工具286
874性能調優(yōu)實踐287
88基于智能編程語言的系統(tǒng)開發(fā)294
881高性能庫算子開發(fā)294
882編程框架算子開發(fā)300
883系統(tǒng)開發(fā)與優(yōu)化實踐304
習題321
第9章 實驗323
91基礎實驗：圖像風格遷移323
911基于智能編程語言的算子實現(xiàn)323
912圖像風格遷移的實現(xiàn)326
913風格遷移實驗的操作步驟330
92拓展實驗：物體檢測333
921基于智能編程語言的算子實現(xiàn)333
922物體檢測的實現(xiàn)337
93拓展練習337
附錄A 計算機體系結構基礎340
附錄B 實驗環(huán)境說明345
參考文獻348
后記356
書單推薦
