作品简介

本书是《智能计算系统》的配套实验教程,结合智能计算系统的软硬件技术栈设计了基于通用CPU平台和深度学习处理器平台的分阶段实验和综合实验。其中,分阶段实验以风格迁移作为驱动范例,包括算法实验(第2~3章)、编程框架实验(第4章)、智能编程语言实验(第5章)、深度学习处理器运算器设计实验(第6章)。通过完成分阶段实验,读者可以开发出一个可完成图像风格迁移任务的智能计算系统。综合实验(第7章)包括目标检测、文本检测、自然语言处理等不同应用领域的实验,可以帮助读者巩固对软硬件技术栈相关知识的系统理解,让读者了解不同应用领域对智能计算系统的需求。

本书适合作为高等院校人工智能及相关专业的教材,以及相关领域从业人员的参考书。作者团队还为本书设计了一款配套的游戏,利用游戏中的“稠密奖励”“即时奖励”和“体系性奖励”等机制来提升读者的学习热情。

李玲,中国科学院软件研究所研究员,博士生导师,CCF高级会员。研究方向为智能计算及视频处理。在相关领域出版了1本专著,发表了20余篇CCF A类期刊和会议论文。获得了CCF A类会议MICRO'14的论文奖(该奖项50年来一次由美国以外国家的作者获得)、中国科学院杰出科技成就奖等奖励。作为负责人主持过多项国家自然科学基金项目、国家重点研发计划课题、中国科学院先导C类专项课题等。

郭崎,中国科学院计算技术研究所研究员,博士生导师。长期从事智能计算系统相关研究。在ISCA、MICRO、HPCA、IJCAI等国际会议及ACM/IEEE汇刊上发表了多篇学术论文。拥有多项发明专利,其专利曾入选国家知识产权局“百件优秀中国专利”。先后入选中国科协首届“青年人才托举工程”、中科院青年创新促进会、国家“万人计划”青年拔尖人才。

陈云霁,中国科学院计算技术研究所研究员,博士生导师。现为中国科学院计算技术研究所副所长,中华全国青年联合会常务委员,中国科学院大学岗位教授,教育部高等学校计算机类专业教学指导委员会计算机系统专家委员会委员。带领团队研制了国际上首个深度学习处理器芯片“寒武纪1号”,其研究成果已经实现规模化应用。曾获国家杰出青年科学基金、中国青年科技奖、全国创新争先奖、教育部“青年长江学者”以及“中国青年五四奖章”等,并被《MIT科技评论》评为全球35位杰出青年创新者(2015年度)。

作品目录

  • 编委会名单
  • 丛书序言
  • 前言
  • 第1章 绪论
  • 1.1 智能计算系统简介
  • 1.2 实验设计
  • 1.3 实验平台
  • 1.3.1 硬件平台
  • 1.3.2 软件环境
  • 1.4 游戏实验系统
  • 第2章 神经网络设计实验
  • 2.1 基于三层神经网络实现手写数字分类
  • 2.1.1 实验目的
  • 2.1.2 背景介绍
  • 2.1.3 实验环境
  • 2.1.4 实验内容
  • 2.1.5 实验步骤
  • 2.1.6 实验评估
  • 2.1.7 实验思考
  • 2.2 基于DLP平台实现手写数字分类
  • 2.2.1 实验目的
  • 2.2.2 背景介绍
  • 2.2.3 实验环境
  • 2.2.4 实验内容
  • 2.2.5 实验步骤
  • 2.2.6 实验评估
  • 2.2.7 实验思考
  • 第3章 深度学习应用实验
  • 3.1 基于VGG19实现图像分类
  • 3.1.1 实验目的
  • 3.1.2 背景介绍
  • 3.1.3 实验环境
  • 3.1.4 实验内容
  • 3.1.5 实验步骤
  • 3.1.6 实验评估
  • 3.1.7 实验思考
  • 3.2 基于DLP平台实现图像分类
  • 3.2.1 实验目的
  • 3.2.2 实验环境
  • 3.2.3 实验内容
  • 3.2.4 实验步骤
  • 3.2.5 实验评估
  • 3.2.6 实验思考
  • 3.3 非实时图像风格迁移
  • 3.3.1 实验目的
  • 3.3.2 背景介绍
  • 3.3.3 实验环境
  • 3.3.4 实验内容
  • 3.3.5 实验步骤
  • 3.3.6 实验评估
  • 3.3.7 实验思考
  • 3.3.8 延伸拓展
  • 第4章 编程框架实验
  • 4.1 基于TensorFlow实现图像分类
  • 4.1.1 实验目的
  • 4.1.2 背景介绍
  • 4.1.3 实验环境
  • 4.1.4 实验内容
  • 4.1.5 实验步骤
  • 4.1.6 实验评估
  • 4.1.7 实验思考
  • 4.2 基于TensorFlow实现实时风格迁移推断
  • 4.2.1 实验目的
  • 4.2.2 背景介绍
  • 4.2.3 实验环境
  • 4.2.4 实验内容
  • 4.2.5 实验步骤
  • 4.2.6 实验评估
  • 4.2.7 实验思考
  • 4.3 基于TensorFlow实现实时风格迁移训练
  • 4.3.1 实验目的
  • 4.3.2 背景介绍
  • 4.3.3 实验环境
  • 4.3.4 实验内容
  • 4.3.5 实验步骤
  • 4.3.6 实验评估
  • 4.3.7 实验思考
  • 4.4 自定义TensorFlow CPU算子
  • 4.4.1 实验目的
  • 4.4.2 背景介绍
  • 4.4.3 实验环境
  • 4.4.4 实验内容
  • 4.4.5 实验步骤
  • 4.4.6 实验评估
  • 4.4.7 实验思考
  • 第5章 智能编程语言实验
  • 5.1 智能编程语言算子开发与集成实验(BCL开发实验)
  • 5.1.1 实验目的
  • 5.1.2 背景介绍
  • 5.1.3 实验环境
  • 5.1.4 实验内容
  • 5.1.5 实验步骤
  • 5.1.6 实验评估
  • 5.1.7 实验思考
  • 5.2 智能编程语言性能优化实验
  • 5.2.1 实验目的
  • 5.2.2 背景介绍
  • 5.2.3 实验环境
  • 5.2.4 实验内容
  • 5.2.5 实验步骤
  • 5.2.6 实验评估
  • 5.2.7 实验思考
  • 5.3 智能编程语言算子开发实验(BPL开发实验)
  • 5.3.1 实验目的
  • 5.3.2 背景介绍
  • 5.3.3 实验环境
  • 5.3.4 实验内容
  • 5.3.5 实验步骤
  • 5.3.6 实验评估
  • 5.3.7 实验思考
  • *第6章 深度学习处理器运算器设计实验
  • 6.1 实验目的
  • 6.2 背景介绍
  • 6.2.1 卷积层算法特征
  • 6.2.2 面向卷积运算的DLP架构
  • 6.2.3 DLP上矩阵及卷积处理过程
  • 6.3 实验环境
  • 6.3.1 工具安装
  • 6.3.2 代码文件组织
  • 6.4 实验内容
  • 6.5 实验步骤
  • 6.5.1 串行内积运算器
  • 6.5.2 并行内积运算器
  • 6.5.3 矩阵运算子单元
  • 6.5.4 编译调试
  • 6.6 实验评估
  • 6.7 实验思考
  • 第7章 综合实验
  • 7.1 基于YOLOv3实现目标检测
  • 7.1.1 实验目的
  • 7.1.2 背景介绍
  • 7.1.3 实验环境
  • 7.1.4 实验内容
  • 7.1.5 实验步骤
  • 7.1.6 实验评估
  • 7.1.7 实验思考
  • 7.2 基于EAST实现文本检测
  • 7.2.1 实验目的
  • 7.2.2 背景介绍
  • 7.2.3 实验环境
  • 7.2.4 实验内容
  • 7.2.5 实验步骤
  • 7.2.6 实验评估
  • 7.2.7 实验思考
  • 7.3 基于BERT实现自然语言处理
  • 7.3.1 实验目的
  • 7.3.2 背景介绍
  • 7.3.3 实验环境
  • 7.3.4 实验内容
  • 7.3.5 实验步骤
  • 7.3.6 实验评估
  • 7.3.7 实验思考
  • 附录ADLP软件环境介绍
  • A.1 整体环境
  • A.2 运行时库(CNRT)
  • A.3 高性能库(CNML)
  • A.4 开发工具包
  • A.4.1 应用级性能剖析工具
  • A.4.2 系统级性能监控工具
  • 参考文献
  • 后记
展开全部