内容简介
本书是《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。本书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。作者团队还为本书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。
AI简介
这是一本针对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。本书以智能计算系统的软硬件技术栈为核心，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。
本书首先介绍了智能计算系统绪论，强调了智能计算系统的重要性，并介绍了实验教程的设计和实验内容。实验教程以风格迁移作为驱动范例，涵盖了深度学习算法、编程框架、智能编程语言和深度学习处理器等多个方面。
在实验内容方面，本书首先介绍了神经网络设计实验，包括基于三层神经网络实现手写数字分类，以及基于DLP平台实现手写数字分类。接着，介绍了深度学习应用实验，包括基于VGG19实现图像分类，以及基于DLP平台实现图像分类和非实时图像风格迁移。此外，还介绍了编程框架实验，包括基于TensorFlow实现图像分类，以及基于TensorFlow实现实时风格迁移推断和训练。
在智能编程语言方面，本书介绍了智能编程语言实验，包括智能编程语言算子开发与集成实验(BCL开发实验)，以及智能编程语言性能优化实验。最后，介绍了深度学习处理器运算器设计实验，包括实验目的、背景介绍、实验环境、实验内容、实验步骤、实验评估和实验思考
推荐影视
阅读/下载地址