深度學習框架及系統部署實戰（微課視頻版）

內容簡介

在數位化時代，嵌入式人工智慧系統和深度學習等技術變得越來越重要。在嵌入式平台上進行深度學習推理時會受到計算能力、存儲空間、能耗等資源限制的挑戰。本書從深度學習模型在資源受限的硬體平台上部署的角度，介紹嵌入式AI系統的基本概念、需求、挑戰，以及其軟硬體解決方案。

本書共分為7章。第1章介紹了邊緣計算；第2章介紹了嵌入式AI系統的基本概念及其面臨的需求與挑戰；第3章介紹了嵌入式AI系統的硬體解決方案；第4~6章介紹了嵌入式AI系統的軟體解決方案，包括DNN模型的構建及實現、輕量級DNN模型的構建、模型輕量化方法及實現；第7章介紹了DNN模型的硬體部署。本書提供了基於Python語言和Torch API的大量代碼解析，並針對Intel系列和NVIDIA系列晶片的硬體部署分別進行介紹。

本書適合作為高等院校計算機專業、軟體工程專業的教材，也可供對深度學習、計算機視覺、嵌入式AI系統等感興趣的開發人員、廣大科技工作者和研究人員參考。

圖書目錄

隨書資源

第1章邊緣計算

1．1雲計算與邊緣計算

1．2邊緣計算的挑戰

1．2．1DNN模型設計

1．2．2DNN模型輕量化

1．2．3硬體最佳化部署

1．3雲邊端任務協作

1．4本章小結

1．5習題

第2章嵌入式AI系統

2．1嵌入式AI系統的概念

2．2嵌入式AI系統的硬體結構

2．3嵌入式AI系統的軟體結構

2．3．1驅動層

2．3．2作業系統層

2．3．3中間件層

2．3．4套用層

2．4嵌入式深度學習技術

2．5嵌入式AI系統的套用

2．5．1車載輔助駕駛系統

2．5．2無人機智慧型巡檢系統

2．5．3VR設備

2．6嵌入式AI系統的需求與挑戰

2．7本章小結

2．8習題

第3章嵌入式AI系統的硬體解決方案

3．1通用類晶片——GPU

3．2半定製化晶片——FPGA

3．3全定製化晶片——ASIC

3．4類腦晶片

3．5對四大類型AI晶片的總結與展望

3．5．1對AI晶片的總結

3．5．2對AI晶片的展望

3．6本章小結

3．7習題

第4章深度卷積神經網路(DCNN)模型的構建及實現

4．1神經網路的概念及發展歷史

4．1．1神經元的結構

4．1．2感知機

4．1．3BP算法

4．1．4神經網路的發展歷史

4．2深度卷積神經網路(DCNN)

深度學習框架及系統部署實戰（微課視頻版）

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條