當計算機體系結(jié)構(gòu)遇到深度學習：面向計算機體系結(jié)構(gòu)設(shè)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(shù)叢書
標　簽：	暫缺

購買這本書可以去

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(jié)構(gòu)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(shè)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(yīng)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(jié)構(gòu)、VLSI和機器學習領(lǐng)域。羅伯特·阿道夫（Robert Adolf）哈佛大學計算機體系結(jié)構(gòu)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(shù)，目前主要關(guān)注深度學習算法。保羅·沃特莫（Paul Whatmough）領(lǐng)導(dǎo)馬薩諸塞州波士頓ARM研究院的機器學習計算機體系結(jié)構(gòu)研究。他還是哈佛大學工程與應(yīng)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(jié)構(gòu)和電路。古楊·魏（Gu-Yeon Wei）哈佛大學工程與應(yīng)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(jié)構(gòu)和高效硬件設(shè)計工具等。大衛(wèi)·布魯克斯（David Brooks）哈佛大學工程與應(yīng)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(shè)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(jié)構(gòu)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(shù)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(wù)調(diào)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(jié)構(gòu)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(jié)構(gòu)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(luò)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(chǔ)/ 11
2.1　神經(jīng)網(wǎng)絡(luò)/ 12
2.1.1　生物神經(jīng)網(wǎng)絡(luò)/ 12
2.1.2　人工神經(jīng)網(wǎng)絡(luò)/ 14
2.1.3　深度神經(jīng)網(wǎng)絡(luò)/ 18
2.2　神經(jīng)網(wǎng)絡(luò)學習/ 19
2.2.1　神經(jīng)網(wǎng)絡(luò)學習的類型/ 21
2.2.2　深度神經(jīng)網(wǎng)絡(luò)如何學習/ 22
第3章　方法和模型/ 31
3.1　高級神經(jīng)網(wǎng)絡(luò)方法概述/ 32
3.1.1　模型體系結(jié)構(gòu)/ 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(luò)加速器優(yōu)化：案例研究/ 55
4.1　神經(jīng)網(wǎng)絡(luò)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(shè)計空間/ 66
4.4　低功耗神經(jīng)網(wǎng)絡(luò)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(diào)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(jié)構(gòu)/ 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(jié)論/ 115
參考文獻/ 117