智能科学与技术丛书当计算机体系结构遇到深度学习:面向计算机体系结构设计师的深度学习概论

◆目录 ◆译者序 前言 作者简介 第1章　引言/ 1 1.1　神经网络的兴起和衰落/ 2 1.2　第三波人工智能热潮/ 4 1.3　深度学习中硬件的角色/ 7 第2章　深度学习基础/ 11 2.1　神经网络/ 12 2.1.1　生物神经网络/ 12 2.1.2　人工神经网络/ 14 2.1.3　深度神经网络/ 18 2.2　神经网络学习/ 19 2.2.1　神经网络学习的类型/ 21 2.2.2　深度神经网络如何学习/ 22 第3章　方法和模型/ 31 3.1　高级神经网络方法概述/ 32 3.1.1　模型体系结构/ 32 3.1.2　特殊化的层/ 36 3.2　现代深度学习的参考工作负载/ 37 3.2.1　深度学习工作负载集的标准/ 37 3.2.2　Fathom工作负载/ 40 3.3　深度学习背后的计算原理/ 44 3.3.1　深度学习框架的测量与分析/ 44 3.3.2　操作类型评测/ 46 3.3.3　性能相似度/ 48 3.3.4　训练和推理/ 49 3.3.5　并行和操作平衡/ 51 第4章　神经网络加速器优化：案例研究/ 55 4.1　神经网络和简单墙/ 57 4.2　Minerva：一种跨越三层的方法/ 60 4.3　建立基准：安全的优化/ 63 4.3.1　训练空间探索/ 63 4.3.2　加速器设计空间/ 66 4.4　低功耗神经网络加速器：不安全的优化/ 70 4.4.1　数据类型量化/ 70 4.4.2　选择性操作修剪/ 72 4.4.3　SRAM故障缓解/ 74 4.5　讨论/ 79 4.6　展望/ 81第5章　文献调查和综述/ 835.1　介绍/ 84 5.2　分类法/ 84 5.3　算法/ 86 5.3.1　数据类型/ 87 5.3.2　模型稀疏性/ 89 5.4　体系结构/ 92 5.4.1　模型稀疏性/ 95 5.4.2　模型支持/ 98 5.4.3　数据移动/ 105 5.5　电路/ 108 5.5.1　数据移动/ 109 5.5.2　容错/ 112 第6章　结论/ 115 参考文献/ 117出片