掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
AI芯片應(yīng)用開發(fā)實(shí)踐:深度學(xué)習(xí)算法與芯片設(shè)計(jì)
本類五星書更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥45.9
加入購(gòu)物車
AI芯片應(yīng)用開發(fā)實(shí)踐:深度學(xué)習(xí)算法與芯片設(shè)計(jì) 版權(quán)信息
- ISBN：9787111773542
- 條形碼：9787111773542 ; 978-7-111-77354-2
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
AI芯片應(yīng)用開發(fā)實(shí)踐:深度學(xué)習(xí)算法與芯片設(shè)計(jì) 本書特色
系統(tǒng)講解人工智能芯片分類和結(jié)構(gòu)，Al芯片的模型推理框架和應(yīng)用開發(fā)框架
特別介紹異構(gòu)智能芯片技術(shù)的應(yīng)用和實(shí)踐
豐富的配套學(xué)習(xí)資源
AI芯片應(yīng)用開發(fā)實(shí)踐:深度學(xué)習(xí)算法與芯片設(shè)計(jì) 內(nèi)容簡(jiǎn)介
本書是一本關(guān)于AI芯片的綜合指南,不僅系統(tǒng)介紹了AI芯片的基礎(chǔ)知識(shí)和發(fā)展趨勢(shì)，還重點(diǎn)介紹了AI芯片在各個(gè)領(lǐng)域的應(yīng)用與開發(fā)。 本書共分為9章，包括:認(rèn)識(shí)AI芯片、AI芯片開發(fā)平臺(tái)、數(shù)據(jù)預(yù)處理、AI芯片應(yīng)用開發(fā)框架、AI芯片常用模型的訓(xùn)練與輕量化、模型的推理框架——ONNX Runtime、 FPGA類AI芯片的開發(fā)實(shí)踐、同構(gòu)智能芯片平臺(tái)應(yīng)用開發(fā)實(shí)踐和異構(gòu)智能芯片平臺(tái)應(yīng)用開發(fā)實(shí)踐。 本書理論聯(lián)系實(shí)際，突出了AI芯片應(yīng)用的實(shí)踐特色，能夠很好地滿足高校人工智能、電子信息工程、智能制造工程等專業(yè)AI芯片與應(yīng)用開發(fā)人才的培養(yǎng)的需求，也非常適合AI芯片開發(fā)工程師技能提升的需求。
AI芯片應(yīng)用開發(fā)實(shí)踐:深度學(xué)習(xí)算法與芯片設(shè)計(jì)AI芯片應(yīng)用開發(fā)實(shí)踐:深度學(xué)習(xí)算法與芯片設(shè)計(jì) 前言
在數(shù)字化時(shí)代背景下，人工智能技術(shù)正以前所未有的速度改變著世界的面貌。AI芯片作為人工智能的硬件基石，對(duì)于推動(dòng)深度學(xué)習(xí)算法的發(fā)展和優(yōu)化起到了至關(guān)重要的作用。本書正是在這樣的背景下應(yīng)運(yùn)而生，旨在為讀者提供一個(gè)全面、深入的AI芯片開發(fā)指南，幫助讀者掌握嵌入式AI芯片的開發(fā)和應(yīng)用方法，以及設(shè)計(jì)FPGA芯片并將其應(yīng)用于AI領(lǐng)域方法。
全書共9章，主要內(nèi)容如下。
第1章“認(rèn)識(shí)AI芯片”：介紹了AI芯片的基本概念、分類和開發(fā)流程，以及AI芯片開發(fā)的通用流程和常用功能加速模塊。為讀者提供了AI芯片領(lǐng)域的基礎(chǔ)知識(shí)和開發(fā)背景。
第2章“AI芯片開發(fā)平臺(tái)”：介紹了AI芯片硬件平臺(tái)的分類，以及常用的外設(shè)，如網(wǎng)絡(luò)設(shè)備、顯示模塊和攝像頭模塊等。幫助讀者了解不同硬件平臺(tái)的特點(diǎn)和應(yīng)用場(chǎng)景。
第3章“數(shù)據(jù)預(yù)處理”：介紹了深度學(xué)習(xí)數(shù)據(jù)預(yù)處理和常用方法，同時(shí)詳細(xì)介紹了視頻處理工具GStreamer的使用方法和編寫插件的技巧。
AI芯片應(yīng)用開發(fā)實(shí)踐:深度學(xué)習(xí)算法與芯片設(shè)計(jì) 目錄
前言
1.認(rèn)識(shí)AI芯片/
11AI芯片概述/
12AI芯片分類/
121傳統(tǒng)中央微處理器——MPU/
122通用芯片——GPU/
123半定制化芯片——FPGA/
13AI芯片開發(fā)的通用流程/
131選擇AI芯片開發(fā)平臺(tái)/
132數(shù)據(jù)預(yù)處理/
133模型訓(xùn)練與模型的輕量化/
134框架選擇與模型推理/
135芯片環(huán)境配置與模型部署/
14AI芯片常用功能加速模塊/
141功能加速模塊概述/
142視覺處理加速器——VPAC/
143深度和運(yùn)動(dòng)感知加速器——DMPAC/
144深度學(xué)習(xí)加速器——DLA/
145視覺加速器——PVA/
15本章小結(jié)/
16本章習(xí)題/
2.AI芯片開發(fā)平臺(tái)/
21AI芯片硬件平臺(tái)的分類/
211同構(gòu)AI芯片硬件平臺(tái)/
212異構(gòu)AI芯片硬件平臺(tái)/
22AI芯片開發(fā)平臺(tái)的常用外設(shè)/
221網(wǎng)絡(luò)設(shè)備/
222顯示模塊和攝像頭模塊/
223模數(shù)轉(zhuǎn)換器模塊ADC/
224通用輸入/輸出模塊GPIO/
225IIC控制器/
23本章小結(jié)/
24本章習(xí)題/
3.數(shù)據(jù)預(yù)處理/
31深度學(xué)習(xí)數(shù)據(jù)預(yù)處理概述/
32常用的數(shù)據(jù)預(yù)處理方法/
321零均值化（中心化）/
322歸一化（標(biāo)準(zhǔn)化）/
323主成分分析（PCA）/
324白化（Whitening）/
33視頻數(shù)據(jù)預(yù)處理——基于GStreamer/
331GStreamer概述/
332GStreamer工具/
333GStreamer的使用方法/
334編寫GStreamer的插件/
34本章小結(jié)/
35本章習(xí)題/
4.AI芯片應(yīng)用開發(fā)框架/
41AI芯片應(yīng)用開發(fā)框架概述/
42常用的AI芯片應(yīng)用開發(fā)框架/
421基于NVIDIA的開發(fā)框架TensorRT/
422Google Research的開發(fā)框架MediaPipe/
423英特爾的開發(fā)框架OpenVINO/
424針對(duì)手機(jī)端的開發(fā)框架NCNN/
43開發(fā)框架應(yīng)用示例：車牌識(shí)別/
431數(shù)據(jù)集/
432車牌區(qū)域檢測(cè)/
433車牌識(shí)別算法/
434模型訓(xùn)練/
435模型部署/
44本章小結(jié)/
45本章習(xí)題/
5.AI芯片常用模型的訓(xùn)練與輕量化/
51常用的網(wǎng)絡(luò)模型/
511深度神經(jīng)網(wǎng)絡(luò)（DNN）/
512卷積神經(jīng)網(wǎng)絡(luò)（CNN）/
513殘差網(wǎng)絡(luò)（ResNet）/
514生成對(duì)抗網(wǎng)絡(luò)（GAN）/
515循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）/
516長(zhǎng)短記憶網(wǎng)絡(luò)（LSTM）/
517Transformer/
518大語言模型GPT/
52常用的模型學(xué)習(xí)類型/
521監(jiān)督學(xué)習(xí)/
522半監(jiān)督學(xué)習(xí)/
523無監(jiān)督學(xué)習(xí)/
524強(qiáng)化學(xué)習(xí)/
53模型的輕量化方法/
531模型輕量化的概念與作用/
532基于結(jié)構(gòu)優(yōu)化的輕量化方法/
533基于參數(shù)量化的輕量化方法/
534基于網(wǎng)絡(luò)剪枝的輕量化方法/
535基于知識(shí)蒸餾技術(shù)的輕量化方法/
54輕量化模型設(shè)計(jì)實(shí)例：YOLOFire目標(biāo)檢測(cè)算法/
541YOLOFire檢測(cè)算法設(shè)計(jì)/
542網(wǎng)絡(luò)整體結(jié)構(gòu)/
543基于相關(guān)性的損失函數(shù)/
544模型訓(xùn)練/
545實(shí)驗(yàn)過程與結(jié)果/
55本章小結(jié)/
56本章習(xí)題/
6.模型的推理框架——ONNX Runtime/
61ONNX Runtime概述/
62ONNX Runtime推理流程/
621安裝環(huán)境/
622訓(xùn)練模型/
623將模型轉(zhuǎn)換導(dǎo)出為ONNX格式/
624使用ONNX Runtime加載運(yùn)行模型/
63ONNX格式轉(zhuǎn)換工具/
631MXNet轉(zhuǎn)換成ONNX/
632TensorFlow轉(zhuǎn)換成ONNX/
633PyTorch轉(zhuǎn)換成ONNX/
64ONNX Runtime示例：邏輯回歸算法（基于scikitlearn的實(shí)現(xiàn)）/
641ONNX Runtime模型運(yùn)行過程/
642訓(xùn)練模型/
643將模型轉(zhuǎn)換導(dǎo)出為ONNX格式/
644使用ONNX Runtime加載運(yùn)行模型/
645ONNX Runtime中實(shí)現(xiàn)邏輯回歸算法實(shí)例/
65本章小結(jié)/
66本章習(xí)題/
7.FPGA類AI芯片的開發(fā)實(shí)踐/
71開發(fā)工具Vitis AI概述/
72Vitis AI的常用參數(shù)化IP核/
721DPUCZDX8G概述/
722高性能通用CNN處理引擎DPUCVDX8G/
723高吞吐量通用CNN處理引擎DPUCVDX8H/
724包含*優(yōu)化的深度學(xué)習(xí)模型的Vitis AI Model Zoo/
73Vitis AI開發(fā)工具包/
731Vitis AI量化器/
732Vitis AI優(yōu)化器/
733Vitis AI編譯器/
734Vitis AI Profiler（分析器）/
735Vitis AI庫(kù)/
74Vitis AI應(yīng)用開發(fā)示例：應(yīng)用Zynq監(jiān)測(cè)道路裂縫/
75本章小結(jié)/
76本章習(xí)題/
8.同構(gòu)智能芯片平臺(tái)應(yīng)用開發(fā)實(shí)踐/
81Jetson Nano開發(fā)者套件簡(jiǎn)介/
82使用前的準(zhǔn)備/
821安裝風(fēng)扇/
822安裝無線網(wǎng)卡/
823安裝攝像頭/
824配置系統(tǒng)/
83開發(fā)實(shí)踐：行人識(shí)別/
831模型訓(xùn)練/
832實(shí)驗(yàn)環(huán)境/
833行人檢測(cè)功能測(cè)試/
84本章小結(jié)/
85本章習(xí)題/
9.異構(gòu)智能芯片平臺(tái)應(yīng)用開發(fā)實(shí)踐/
91多核芯片的核間通信機(jī)制/
911IPC概述/
912IPC在多核中的實(shí)現(xiàn)原理/
913核間通信協(xié)議/
914多核間的接口定義以及示例代碼/
92TDA4VMSK平臺(tái)簡(jiǎn)介/
93SDK開發(fā)軟件簡(jiǎn)介/
931PSDK Linux軟件包簡(jiǎn)介/
932PSDK RTOS軟件包簡(jiǎn)介/
94使用前的準(zhǔn)備/
941TDA4VMSK板SD卡燒錄/
942TDA4VMSK板網(wǎng)絡(luò)調(diào)試方法/
943NFS多核調(diào)試?yán)?
95本章小結(jié)/
96本章習(xí)題/
展開全部
書友推薦
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
羅曼·羅蘭讀書隨筆-精裝
- >
隨園食單
- >
莉莉和章魚
- >
我從未如此眷戀人間
- >
李白與唐代文化
- >
推拿
- >
巴金－再思錄
本類暢銷
