新書推薦：
《
易经今解：释疑·解惑·见微
》
售價：NT$
403.0
《
东欧史（全二册）-“中间地带”的困境
》
售價：NT$
1010.0
《
虚拟资本：金融怎样挪用我们的未来
》
售價：NT$
352.0
《
刻意练习不生气
》
售價：NT$
179.0
《
大宋理财：青苗法与王安石的金融帝国（全彩插图本）
》
售價：NT$
500.0
《
安全感是内心长出的盔甲
》
售價：NT$
305.0
《
快人一步：系统性能提高之道
》
售價：NT$
505.0
《
我们为什么会做梦：让梦不再神秘的新科学
》
售價：NT$
352.0
|
| 編輯推薦： |
《智能计算系统》由深度学习处理器芯片研究的开拓者陈云霁领衔，中科院计算所、软件所的专家学者倾心写就。智能领域系统能力培养大成之作！
领衔作者陈云霁带领的团队曾研制了国际上*个深度学习处理器芯片“寒武纪1号”，本书凝聚了作者团队多年的科研和教学成果，是前沿研究与技术实践结合，快速提升智能领域系统能力的教材和技术参考书。
|
| 內容簡介： |
《智能计算系统》：
《智能计算系统》通过一个贯穿始终的应用案例——图像风格迁移，全面系统地介绍智能计算系统的软硬件技术栈。首先概述人工智能和智能计算系统（首章）；接下来介绍完成应用所必要的神经网络和深度学习算法知识（第2、3章）；然后介绍支撑算法在智能芯片上运行的编程框架（第4、5章）；再往下是智能芯片，即引导学生设计一款满足图像风格迁移应用需求的深度学习处理器（第6、7章）；接下来介绍如何利用智能编程语言BCL提升编写智能算法的生产效率（第8章）；最后以具体实验把所学知识点串联起来，打通知识结构的“任督二脉”（第9章）。
《智能计算系统》由中科院计算所、软件所的专家学者倾心写就，领衔作者陈云霁带领的团队曾研制了国际上一个深度学习处理器芯片“寒武纪1号”，《智能计算系统》这本教材凝聚了作者团队多年的科研和教学成果，填补了人工智能专业系统类课程的教材空白，适合作为高等院校人工智能及相关专业的教材。
《智能计算系统实验教程》：
《智能计算系统实验教程》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。
《智能计算系统实验教程》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《智能计算系统实验教程》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。
《智能计算系统实验教程》特点：
由浅入深，手把手教你智能计算系统全栈开发
理论教材配套实验，智能计算系统知识树帮你打通任督二脉
实验游戏化，《太空开发者》带你边玩边学、轻松上手
|
| 關於作者： |
陈云霁，研究员，博士生导师，现为中国科学院计算技术研究所所长助理、智能处理器研究中心主任，中国科学院大学岗位教授。他带领团队研制了国际上一个深度学习处理器芯片“寒武纪1号”。他的研究成果已经应用在近亿台智能手机和服务器中。他的学术论文多次获得计算机体系结构国际会议论文奖，受到上百个国际知名机构跟踪引用。他被Science杂志刊文评价为深度学习处理器研究的“先驱”。
他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、“青年长江学者”、国家自然科学基金委员会“优秀青年基金”、国家万人计划“青年拔尖人才”，并被《MIT科技评论》评为全球35位杰出青年创新者（2015年度）。他还是北京智源人工智能研究院智能体系结构与芯片方向的首席科学家。
李玲，中科院软件所研究员、博导，CCF高级会员。研究方向为智能计算及视频处理。在相关领域发表多篇CCFA类期刊和会议论文，获得了CCFA类会议MICR0‘14的论文奖（这是50年来一次美国以外的国家在该会议上获此奖）。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等。
李威，中科院计算所副研究员。研究方向为高性能智能计算系统设计技术，先后参与了多项国家重点研发计划项目、国家科技重大专项项目、863项目、中科院国际合作项目等。作为核心成员参与了多款深度学习处理器的研发，发表或录用学术论文近30篇，申请专利近20项。
郭崎，中科院计算所研究员。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汇刊上发表学术论文多篇。授权发明专利多项，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”。
杜子东，中科院计算所副研究员。长期从事人工智能和计算机体系结构交叉研究，在深度学习处理器方向做出了多项有国际影响力的研究成果。他在中国计算机学会认定的会议/期刊（CCFA类）上发表了近20篇论文，曾获得ASPLOS’14论文奖（这是亚洲机构首次获计算机体系结构领域的国际会议论文奖），入选IEEEMicro杂志评选的国际计算机体系结构领域年度十佳论文。
|
| 目錄：
|
《智能计算系统（计算机类专业系统能力培养系列教材）》：
序言一
序言二
前言
第1章 概述
1．1 人工智能
1．1．1 什么是人工智能
1．1．2 人工智能的发展历史
1．1．3 人工智能的主要方法
1．2 智能计算系统
1．2．1 什么是智能计算系统
1．2．2 为什么需要智能计算系统
1．2．3 智能计算系统的发展
1．3 驱动范例
1．4 本章小结
习题
第2章 神经网络基础
2．1 从机器学习到神经网络
2．1．1 基本概念
2．1．2 线性回归
2．1．3 感知机
2．1．4 两层神经网络——多层感知机
2．1．5 深度学习（深层神经网络）
2．1．6 神经网络发展历程
2．2 神经网络训练
2．2．1 正向传播
2．2．2 反向传播
2．3 神经网络设计原则
2．3．1 网络的拓扑结构
2．3．2 激活函数
2．3．3 损失函数
2．4 过拟合与正则化
2．4．1 过拟合
2．4．2 正则化
2．5 交叉验证
2．6 本章小结
习题
第3章 深度学习
3．1 适合图像处理的卷积神经网络
3．1．1 卷积神经网络的组成
3．1．2 卷积层
3．1．3 池化层
3．1．4 全连接层
3．1．5 softmax层
3．1．6 卷积神经网络总体结构
3．2 基于卷积神经网络的图像分类算法
3．2．1 AlexNet
3．2．2 VGG
3．2．3 Inception
3．2．4 ResNet
3．3 基于卷积神经网络的图像目标检测算法
3．3．1 评价指标
3．3．2 RCNN系列
3．3．3 YOLO
3．3．4 SSD
3．3．5 小结
3．4 序列模型：循环神经网络
3．4．1 RNN
3．4．2 LSTM
3．4．3 GRU
3．4．4 小结
3．5 生成对抗网络
3．5．1 模型组成
3．5．2 GAN训练
3．5．3 GAN结构
3．6 驱动范例
3．6．1 基于卷积神经网络的图像风格迁移算法
3．6．2 实时图像风格迁移算法
3．7 本章小结
习题
第4章 编程框架使用
4．1 为什么需要编程框架
4．2 编程框架概述
4．2．1 通用编程框架概述
4．2．2 TensorFlow概述
4．3 TensorFlow编程模型及基本用法
4．3．1 计算图
4．3．2 操作
4．3．3 张量
4．3．4 会话
4．3．5 变量
4．3．6 占位符
4．3．7 队列
4．4 基于TensorFlow实现深度学习预测
4．4．1 读取输入样本
4．4．2 定义基本运算单元
4．4．3 创建神经网络模型
4．4．4 计算神经网络模型输出
4．5 基于TensorFlow实现深度学习训练
4．5．1 加载数据
4．5．2 模型训练
4．5．3 模型保存
4．5．4 图像风格迁移训练的实现
4．6 本章小结
习题
……
第5章 编程框架机理
第6章 深度学习处理器原理
第7章 深度学习处理器架构
第8章 智能编程语言
第9章 实验
附录
参考文献
后记
《智能计算系统实验教程》：
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TensorFlowCPU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
第6章 深度学习处理器运算器设计实验
第7章 综合实验
附录 ADLP软件环境介绍
参考文献
后记
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
