深度學習系統設計-理論與實踐 人工智慧系統小組 9787111759362 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$948
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202410*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：深度學習系統設計-理論與實踐 ISBN：9787111759362 出版社：機械工業 著編譯者：人工智慧系統小組 頁數：479 所在地：中國大陸 *此為代購商品 書號：1681180 可大量預訂，請先連絡。 內容簡介 近年來人工智慧特別是深度學習技術得到了飛速發展，這背後離不開計算機硬體和軟體系統的不斷進步。在可見的未來，人工智慧技術的發展仍將依賴於計算機系統和人工智慧相結合的共同創新模式。本書介紹了前沿的系統和人工智慧相結合的研究工作，包括AI for Systems和Systems for AI，以幫助讀者更好地尋找和定義有意義的研究問題。同時，本書從系統研究的角度出發設計實驗課程，通過操作和應用主流及最新的框架、平台和工具來鼓勵讀者動手實現和優化系統模塊，以提高解決實際問題的能力，而不僅僅是了解工具使用。 本書主要面向相關領域的本科生、研究生、教師、工程師和研究員，幫助他們完整地了解支持深度學習的計算機系統架構，並通過解決實際問題來學習深度學習完整生命周期下的系統設計。目錄 推薦序一推薦序二 推薦序三 前言 致謝 第1章 人工智慧系統概述 本章簡介 內容概覽 1 1 深度學習的歷史、現狀與發展 1 1 1 深度學習的廣泛應用 1 1 2 深度學習方法 1 1 3 神經網路基本理論的奠定 1 1 4 深度學習演算法、模型的現狀和趨勢 1 1 5 小結與討論 1 1 6 參考文獻 1 2 演算法、框架、體繫結構與算力的進步 1 2 1 大數據和分散式系統 1 2 2 深度學習演算法的進步 1 2 3 計算機體繫結構和計算能力的進步 1 2 4 計算框架的進步 1 2 5 小結與討論 1 2 6 參考文獻 1 3 深度學習系統的組成與生態 1 3 1 深度學習系統的設計目標 1 3 2 深度學習系統的大致組成 1 3 3 深度學習系統的生態 1 3 4 小結與討論 1 3 5 參考文獻 1 4 深度學習樣例背後的系統問題 1 4 1 一個深度學習樣例與其中的系統問題 1 4 2 模型運算元實現中的系統問題 1 4 3 框架執行深度學習模型的生命周期 1 4 4 更廣泛的人工智慧系統生態 1 4 5 深度學習框架及工具入門實驗 1 4 6 小結與討論 1 4 7 參考文獻 1 5 影響深度學習系統設計的理論、原則與假設 1 5 1 抽象層次化表示與解釋 1 5 2 摩爾定律與算力發展趨勢 1 5 3 局部性原則與內存層次結構 1 5 4 線性代數計算與模型缺陷容忍特性 1 5 5 并行加速與阿姆達爾定律優化上限 1 5 6 冗餘與可靠性 1 5 7 小結與討論 1 5 8 參考文獻 第2章 神經網路基礎 本章簡介 內容概覽 2 1 神經網路的基本概念 2 1 1 神經元的數學模型 2 1 2 神經網路的主要功能 2 1 3 激活函數 2 1 4 小結與討論 2 2 神經網路訓練 2 2 1 基本訓練流程 2 2 2 損失函數 2 2 3 梯度下降 2 2 4 反向傳播 2 2 5 小結與討論 2 3 解決回歸問題 2 3 1 提出問題 2 3 2 萬能近似定理 2 3 3 定義神經網路結構 2 3 4 前向計算 2 3 5 反向傳播 2 3 6 運行結果 2 3 7 小結與討論 2 4 解決分類問題 2 4 1 提出問題 2 4 2 定義神經網路結構 2 4 3 前向計算 2 4 4 反向傳播 2 4 5 運行結果 2 4 6 小結與討論 2 5 深度神經網路 2 5 1 抽象與設計 2 5 2 權重矩陣初始化 2 5 3 批量歸一化 2 5 4 過擬合 2 5 5 小結與討論 2 6 梯度下降優化演算法 2 6 1 隨機梯度下降演算法 2 6 2 動量演算法 2 6 3 Adam演算法 2 6 4 小結與討論 2 7 卷積神經網路 2 7 1 卷積神經網路的能力 2 7 2 卷積神經網路的典型結構 2 7 3 卷積核的作用 2 7 4 卷積後續的運算 2 7 5 卷積神經網路的特性 2 7 6 卷積類型 2 7 7 小結與討論 2 8 循環神經網路 2 8 1 循環神經網路的發展簡史 2 8 2 循環神經網路的結構和典型用途 2 8 3 小結與討論 2 9 Transformer模型 2 9 1 序列到序列模型 2 9 2 注意力機制 2 9 3 Transformer 2 9 4 小結與討論 第3章 深度學習框架基礎 本章簡介 內容概覽 3 1 基於數據流圖的深度學習框架 3 1 1 深度學習框架發展概述 3 1 2 編程範式：聲明式和命令式 3 1 3 數據流圖 3 1 4 張量和張量操作 3 1 5 自動微分基礎 3 1 6 數據流圖上的自動微分 3 1 7 數據流圖的調度與執行 3 1 8 單設備運算元間調度 3 1 9 圖切分與多設備執行 3 1 10 小結與討論 3 1 11 參考文獻 3 2 神經網路計算中的控制流 3 2 1 背景 3 2 2 靜態圖：向數據流圖中添加控制流原語 3 2 3 動態圖：復用宿主語言控制流語句 3 2 4 動態圖轉換為靜態圖 3 2 5 小結與討論 3 2 6 參考文獻 第4章 矩陣運算與計算機體繫結構 本章簡介 內容概覽 4 1 深度學習的歷史、現狀與發展 4 1 1 全連接層 4 1 2 卷積層 4 1 3 循環網路層 4 1 4 注意力機制層 4 1 5 小結與討論 4 1 6 參考文獻 4 2 計算機體繫結構與矩陣運算 4 2 1 CPU體繫結構 4 2 2 CPU實現高效計算矩陣乘 4 2 3 在CPU上實現一個矩陣乘法運算元實驗 4 2 4 小結與討論 4 3 GPU體繫結構與矩陣運算 4 3 1 GPU體繫結構 4 3 2 GPU編程模型 4 3 3 GPU實現一個簡單的計算 4 3 4 在GPU上實現一個矩陣乘法運算元實驗 4 3 5 小結與討論 4 4 面向深度學習的專有硬體加速器與矩陣運算 4 4 1 深度學習計算的特點與硬體優化方向 4 4 2 脈動陣列與矩陣計算 4 4 3 小結與討論 第5章 深度學習的編譯與優化 本章簡 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
