更新时间：2024-11-13 10:38:36
封面
版权信息
作者简介
编委会名单
丛书序言
序言一
序言二
第2版前言
第1版前言
第1章 概述
1.1 人工智能
1.2 智能计算系统
1.3 驱动范例
1.4 本章小结
习题
第2章 深度学习基础
2.1 机器学习
2.2 神经网络
2.3 神经网络的训练方法
2.4 神经网络的设计基础
2.5 过拟合与正则化
2.6 交叉验证
2.7 本章小结
第3章 深度学习应用
3.1 适合图像处理的卷积神经网络
3.2 适合文本/语音处理的循环神经网络
3.3 大模型
3.4 神经网络的优化
3.5 神经网络量化
3.6 驱动范例
3.7 本章小结
第4章 编程框架使用
4.1 编程框架概述
4.2 PyTorch概述
4.3 PyTorch编程模型及基本用法
4.4 基于PyTorch的模型推理实现
4.5 基于PyTorch的模型训练实现
4.6 驱动范例
4.7 本章小结
第5章 编程框架原理
5.1 编程框架设计
5.2 计算图构建
5.3 计算图执行
*5.4 深度学习编译
*5.5 分布式训练
5.6 本章小结
第6章 面向深度学习的处理器原理
6.1 通用处理器
6.2 向量处理器
6.3 深度学习处理器
6.4 大规模深度学习处理器
6.5 本章小结
第7章 深度学习处理器架构
7.1 计算
7.2 存储
7.3 通信
*7.4 设计优化
7.5 本章小结
第8章 智能编程语言
8.1 为什么需要智能编程语言
8.2 智能计算系统抽象架构
8.3 智能编程模型
8.4 智能编程语言基础
8.5 智能应用编程接口
8.6 智能应用功能调试
8.7 智能应用性能调优
8.8 智能编程语言的应用
8.9 本章小结
第9章 大模型计算系统
9.1 大模型算法分析
9.2 大模型驱动范例：BLOOM
9.3 大模型系统软件
9.4 大模型基础硬件
9.5 本章小结
参考文献
后记
推荐阅读
封底
