深度学习及加速技术：入门与实践

作者简介

推荐阅读

参考文献

12.4 执行与结果分析

12.3 推理引擎程序设计

12.2 中间表示IR生成

12.1 整体描述

第12章 基于OpenVINO的FPGA深度学习加速应用案例

11.4 OpenVINO推理引擎

11.3 OpenVINO模型优化器

11.2 OpenVINO平台环境搭建

11.1 OpenVINO技术基础与加速架构

第11章 基于OpenVINO的FPGA深度学习加速技术

10.4 执行与结果分析

10.3 主程序设计

10.2 内核程序设计

10.1 整体描述

第10章 基于OpenCL的FPGA异构并行计算应用案例

9.4 基于OpenCL的FPGA异构并行计算实现方法

9.3 OpenCL C语言基本语法与程序设计

9.2 OpenCL异构并行计算架构

9.1 OpenCL技术基础与环境搭建

第9章 基于OpenCL的FPGA异构并行计算技术

应用篇

8.4 FPGA加速技术

8.3 TPU加速技术

8.2 GPU加速技术

8.1 软件模型优化技术

第8章 深度学习加速技术

7.4 损失函数

7.3 初始值与学习速度

7.2 过拟合

7.1 梯度消失

第7章 深度学习优化技术

6.4 YOLO

6.3 Faster R-CNN

6.2 Fast R-CNN

6.1 R-CNN

第6章 目标检测与识别

5.6 ResNet

5.5 GoogLeNet

5.4 VGGNet

5.3 AlexNet

5.2 LeNet

5.1 卷积神经网络基础

第5章 卷积神经网络

4.4 反向传播算法实例分析

4.3 反向传播算法变形

4.2 反向传播算法

4.1 LMS算法

第4章 反向传播

3.4 性能学习

3.3 Hebb学习

3.2 感知机学习

3.1 神经元模型与网络结构

第3章 神经网络与学习规则

2.4 梯度

2.3 线性变换与矩阵表示

2.2 内积

2.1 线性向量空间

第2章 神经网络数学基础

1.4 人工智能应用

1.3 人工智能发展阶段

1.2 人工智能与深度学习

1.1 人工智能概念

第1章 人工智能简介

理论篇

前言

内容简介

版权信息

封面

封面

版权信息

内容简介

前言

理论篇

第1章 人工智能简介

1.1 人工智能概念

1.2 人工智能与深度学习

1.3 人工智能发展阶段

1.4 人工智能应用

第2章 神经网络数学基础

2.1 线性向量空间

2.2 内积

2.3 线性变换与矩阵表示

2.4 梯度

第3章 神经网络与学习规则

3.1 神经元模型与网络结构

3.2 感知机学习

3.3 Hebb学习

3.4 性能学习

第4章 反向传播

4.1 LMS算法

4.2 反向传播算法

4.3 反向传播算法变形

4.4 反向传播算法实例分析

第5章 卷积神经网络

5.1 卷积神经网络基础

5.2 LeNet

5.3 AlexNet

5.4 VGGNet

5.5 GoogLeNet

5.6 ResNet

第6章 目标检测与识别

6.1 R-CNN

6.2 Fast R-CNN

6.3 Faster R-CNN

6.4 YOLO

第7章 深度学习优化技术

7.1 梯度消失

7.2 过拟合

7.3 初始值与学习速度

7.4 损失函数

第8章 深度学习加速技术

8.1 软件模型优化技术

8.2 GPU加速技术

8.3 TPU加速技术

8.4 FPGA加速技术

应用篇

第9章 基于OpenCL的FPGA异构并行计算技术

9.1 OpenCL技术基础与环境搭建

9.2 OpenCL异构并行计算架构

9.3 OpenCL C语言基本语法与程序设计

9.4 基于OpenCL的FPGA异构并行计算实现方法

第10章 基于OpenCL的FPGA异构并行计算应用案例

10.1 整体描述

10.2 内核程序设计

10.3 主程序设计

10.4 执行与结果分析

第11章 基于OpenVINO的FPGA深度学习加速技术

11.1 OpenVINO技术基础与加速架构

11.2 OpenVINO平台环境搭建

11.3 OpenVINO模型优化器

11.4 OpenVINO推理引擎

第12章 基于OpenVINO的FPGA深度学习加速应用案例

12.1 整体描述

12.2 中间表示IR生成

12.3 推理引擎程序设计

12.4 执行与结果分析

参考文献

推荐阅读

作者简介