注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術計算機/網(wǎng)絡人工智能當計算機體系結構遇到深度學習:面向計算機體系結構設計師的深度學習概論

當計算機體系結構遇到深度學習:面向計算機體系結構設計師的深度學習概論

當計算機體系結構遇到深度學習:面向計算機體系結構設計師的深度學習概論

定 價:¥69.00

作 者: [美] 布蘭登·里根(Brandon Reagen) 等 著,楊海龍 王銳譯 譯
出版社: 機械工業(yè)出版社
叢編項: 智能科學與技術叢書
標 簽: 暫缺

ISBN: 9787111622482 出版時間: 2019-04-01 包裝: 平裝
開本: 16開 頁數(shù): 144 字數(shù):  

內(nèi)容簡介

  本書是面向計算機體系結構研究人員和工程師的深度學習入門讀本。旨在用深度學習的方法和工具來改進硬件設計和做好加速和優(yōu)化,提高深度學習系統(tǒng)的性能和精度。

作者簡介

  作者簡介: 布蘭登·里根(Brandon Reagen) 哈佛大學博士生。他于2012年獲得馬薩諸塞大學阿默斯特分校計算機系統(tǒng)工程和應用數(shù)學專業(yè)的學士學位,并獲得了哈佛大學計算機科學專業(yè)的碩士學位。他的研究涉及計算機體系結構、VLSI和機器學習領域。羅伯特·阿道夫(Robert Adolf) 哈佛大學計算機體系結構的博士生。他于2005年從美國西北大學獲得計算機科學專業(yè)學士學位,此后他就職于國防部,從事超級計算機基準測試和性能分析工作4年。研究興趣是高性能軟件的建模、分析和優(yōu)化技術,目前主要關注深度學習算法。保羅·沃特莫 (Paul Whatmough)領導馬薩諸塞州波士頓ARM研究院的機器學習計算機體系結構研究。他還是哈佛大學工程與應用科學學院副教授。他在英國倫敦大學學院獲得博士學位。研究興趣包括算法、計算機體系結構和電路。古楊·魏(Gu-Yeon Wei) 哈佛大學工程與應用科學學院(SEAS)電子工程與計算機科學系Gordon McKay教授。他在斯坦福大學獲得博士學位。研究興趣涉及計算機系統(tǒng)的多個層次:混合信號集成電路、計算機體系結構和高效硬件設計工具等。大衛(wèi)·布魯克斯(David Brooks) 哈佛大學工程與應用科學學院計算機科學系Haley Family教授。在加入哈佛大學之前,他是IBM T.J.Watson研究中心的研究人員。研究興趣包括針對高性能和嵌入式系統(tǒng)的彈性和高能效的計算機硬件和軟件設計。 譯者介紹: 楊海龍 博士,北京航空航天大學計算機學院助理教授,中國計算機學會體系結構專委會委員。在ISCA、ASPLOS、TOCS、TPDS、ICS等國際*級/知名會議和期刊上發(fā)表學術論文20余篇。主要研究方向為深度學習系統(tǒng)優(yōu)化、高性能計算性能分析工具、大數(shù)據(jù)系統(tǒng)性能分析與優(yōu)化、云計算資源管理和任務調度、高吞吐計算、GPU并行編程與優(yōu)化。在北京航空航天大學講授留學生課程“Parallel Programming”和“Computer Architecture”。 王銳 博士,北京航空航天大學計算機學院特別研究員。中國計算機學會體系結構專委會委員。在IEEE TCAD、ACM TAAS、ACM/IEEE CGO、ACM ICS、USENIX ICAC等著名期刊和會議發(fā)表論文30余篇,其中ACM/IEEE CGO 2014的論文被提名*佳論文獎。主要研究工作集中在智能計算加速處理器體系結構與系統(tǒng)軟件以及眾核處理器編程方法。在北京航空航天大學講授留學生課程“Computer Architecture”。

圖書目錄

譯者序
前言
作者簡介
第1章 引言/ 1
1.1 神經(jīng)網(wǎng)絡的興起和衰落/ 2
1.2 第三波人工智能熱潮/ 4
1.3 深度學習中硬件的角色/ 7
第2章 深度學習基礎/ 11
2.1 神經(jīng)網(wǎng)絡/ 12
2.1.1 生物神經(jīng)網(wǎng)絡/ 12
2.1.2 人工神經(jīng)網(wǎng)絡/ 14
2.1.3 深度神經(jīng)網(wǎng)絡/ 18
2.2 神經(jīng)網(wǎng)絡學習/ 19
2.2.1 神經(jīng)網(wǎng)絡學習的類型/ 21
2.2.2 深度神經(jīng)網(wǎng)絡如何學習/ 22
第3章 方法和模型/ 31
3.1 高級神經(jīng)網(wǎng)絡方法概述/ 32
3.1.1 模型體系結構/ 32
3.1.2 特殊化的層/ 36
3.2 現(xiàn)代深度學習的參考工作負載/ 37
3.2.1 深度學習工作負載集的標準/ 37
3.2.2 Fathom工作負載/ 40
3.3 深度學習背后的計算原理/ 44
3.3.1 深度學習框架的測量與分析/ 44
3.3.2 操作類型評測/ 46
3.3.3 性能相似度/ 48
3.3.4 訓練和推理/ 49
3.3.5 并行和操作平衡/ 51
第4章 神經(jīng)網(wǎng)絡加速器優(yōu)化:案例研究/ 55
4.1 神經(jīng)網(wǎng)絡和簡單墻/ 57
4.2 Minerva:一種跨越三層的方法/ 60
4.3 建立基準:安全的優(yōu)化/ 63
4.3.1 訓練空間探索/ 63
4.3.2 加速器設計空間/ 66
4.4 低功耗神經(jīng)網(wǎng)絡加速器:不安全的優(yōu)化/ 70
4.4.1 數(shù)據(jù)類型量化/ 70
4.4.2 選擇性操作修剪/ 72
4.4.3 SRAM故障緩解/ 74
4.5 討論/ 79
4.6 展望/ 81第5章 文獻調查和綜述/ 835.1 介紹/ 84
5.2 分類法/ 84
5.3 算法/ 86
5.3.1 數(shù)據(jù)類型/ 87
5.3.2 模型稀疏性/ 89
5.4 體系結構/ 92
5.4.1 模型稀疏性/ 95
5.4.2 模型支持/ 98
5.4.3 數(shù)據(jù)移動/ 105
5.5 電路/ 108
5.5.1 數(shù)據(jù)移動/ 109
5.5.2 容錯/ 112
第6章 結論/ 115
參考文獻/ 117

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) www.talentonion.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號