智能计算系统导论-图书-人邮教育社区

内容摘要

本书围绕智能计算系统的软硬件技术进行介绍，包括基础知识、软件件技术和综合实验三部分内容。全书共9章，第一部分基础知识为绪论、智能计算系统的数学基础，第二部分软硬件技术部分为机器学习与神经网络、深度神经网络、编程框架使用、编程框架机理、人工智能芯片——智能时代的驱动力、智能EDA技术。软硬件技术部分的章节穿插小实验，引导学生在理论讲解的基础上动手实现相应技术，从而加深对知识的理解。综合实验部分为本书的最后一章，包括计算机视觉、自然语言处理和强化学习三个方面的内容，从实际案例出发培养学生的动手能力和系统思维。
本书可作为普通高等院校人工智能、智能科学与技术等相关专业智能计算系统课程的教材。

从书序

目录概览

第 1 章绪论
第 2 章智能计算系统的数学基础
第 3 章机器学习与神经网络
第 4 章深度神经网络
第 5 章编程框架使用
第 6 章编程框架机理
第 7 章人工智能芯片—智能时代的驱动力
第 8 章智能EDA技术
第 9 章综合实验

全书三级目录
第 1 章绪论
1.1 人工智能概述 ……………………… 002
1.1.1　人工智能的产生和发展 …………… 002
1.1.2　人工智能的概念 …………………… 004
1.1.3　人工智能的三大学派 ……………… 004
1.1.4　人工智能的发展趋势 ……………… 006
1.2 大模型技术和应用 ………………… 007
1.2.1　大模型的发展阶段 ………………… 007
1.2.2　大模型技术的内涵 ………………… 008
1.2.3　大模型的产业现状 ………………… 008
1.2.4　大模型面临的挑战 ………………… 009
1.3 智能计算系统概述 ………………… 010
1.3.1　智能计算系统的定义 ……………… 010
1.3.2　智能计算系统的代际划分 ………… 010
1.3.3　智能计算系统的发展趋势 ………… 011
延伸阅读…………………………………… 012
本章小结…………………………………… 012
本章习题…………………………………… 013
第2章智能计算系统的数学基础
2.1 线性代数 …………………………… 015
2.1.1　向量及其运算 ……………………… 015
2.1.2　矩阵及其运算 ……………………… 016
2.1.3　行列式 ……………………………… 019
2.1.4　线性方程组 ………………………… 020
2.2 一元函数微积分 …………………… 021
2.2.1　极限与连续 ………………………… 021
2.2.2　导数 ………………………………… 023
2.2.3　微分 ………………………………… 025
2.2.4　微分中值定理 ……………………… 025
2.2.5　不定积分与定积分 ………………… 026
2.2.6　常微分方程 ………………………… 027
2.3 多元函数微分学 …………………… 028
2.3.1　偏导数 ……………………………… 029
2.3.2　梯度与方向导数 …………………… 030
2.3.3　黑塞矩阵 …………………………… 031
2.3.4　雅可比矩阵 ………………………… 032
2.4 概率论 ……………………………… 033
2.4.1　随机事件与概率 …………………… 033
2.4.2　随机变量 …………………………… 035
2.4.3　随机向量 …………………………… 038
2.4.4　极限定理 …………………………… 041
2.4.5　参数估计 …………………………… 043
延伸阅读…………………………………… 045
本章小结…………………………………… 045
本章习题…………………………………… 045
第 3 章机器学习与神经网络
3.1 机器学习基础 ……………………… 048
3.1.1　基本概念 …………………………… 048
3.1.2　基本术语 …………………………… 049
3.1.3　机器学习的种类 …………………… 050
3.2 机器学习模型评估 ………………… 053
3.2.1　过拟合与欠拟合 …………………… 053
3.2.2　交叉验证 …………………………… 055
II 智能计算系统导论
3.3 神经网络基础 ……………………… 057
3.3.1　神经元模型 ………………………… 057
3.3.2　单层感知机 ………………………… 058
3.3.3　深度神经网络 ……………………… 060
3.4 实验：基于Sklearn实现情感分析 ………………………………… 066
延伸阅读…………………………………… 068
本章小结…………………………………… 068
本章习题…………………………………… 068
第 4 章深度神经网络
4.1 卷积神经网络 ……………………… 071
4.1.1　卷积神经网络的基本原理和结构………………………………… 071
4.1.2　常用的卷积神经网络架构 ………… 073
4.2 循环神经网络 ……………………… 074
4.2.1　循环神经网络的基本原理和结构………………………………… 075
4.2.2　循环神经网络的常见变体和优化方法………………………………… 076
4.3 Transformer网络与大语言模型 … 076
4.3.1　Transformer网络的基本原理 …… 077
4.3.2　Transformer网络的应用 ………… 079
4.3.3　大语言模型 ………………………… 083
4.4 神经网络压缩与加速 ……………… 086
4.4.1　权重剪枝 …………………………… 086
4.4.2　低秩分解 …………………………… 087
4.4.3　知识蒸馏 …………………………… 087
4.4.4　量化 ………………………………… 088
4.5 轻量化神经网络设计 ……………… 089
4.5.1　轻量化神经网络设计的评价指标 … 089
4.5.2　常见的轻量化神经网络结构 ……… 090
4.5.3　轻量化神经网络的发展趋势 ……… 091
延伸阅读…………………………………… 092
本章小结…………………………………… 093
本章习题…………………………………… 093
第 5 章编程框架使用
5.1 为什么需要编程框架 ……………… 095
5.2 编程框架概述 ……………………… 096
5.3　PyTorch编程框架及其基本用法 … 097
5.3.1　PyTorch 编程框架的特性 ………… 098
5.3.2　PyTorch 编程框架的基本用法 …… 100
5.4　TensorFlow编程框架及其基本用法 …………………………… 102
5.4.1　TensorFlow 2.0的特性 …………… 103
5.4.2　TensorFlow 2.0的基本用法 ……… 105
5.5　飞桨编程框架及其基本用法 ……… 108
5.5.1　飞桨编程框架的特性 ……………… 109
5.5.2　飞桨编程框架的基本用法 ………… 110
延伸阅读…………………………………… 114
本章小结…………………………………… 114
本章习题…………………………………… 115
第 6 章编程框架机理
6.1 PyTorch的设计原则 ……………… 117
6.1.1　简洁性 ……………………………… 117
6.1.2　灵活性 ……………………………… 118
6.1.3　高效性 ……………………………… 118
6.2 PyTorch系统实现 ………………… 119
6.2.1　PyTorch 系统架构 ………………… 119
6.2.2　张量 ………………………………… 122
6.2.3　自动求导 …………………………… 122
6.2.4　计算图执行模块 …………………… 123
6.2.5　设备抽象和迁移 …………………… 124
6.2.6　分布式训练 ………………………… 125
6.2.7　算子实现 …………………………… 129
6.3 编程框架对比 ……………………… 130
6.4 实验：自动微分框架设计 ………… 131
延伸阅读…………………………………… 136
本章小结…………………………………… 136
本章习题…………………………………… 137
第7章人工智能芯片—智能时代的驱动力
7.1 人工智能芯片的发展历程 ………… 139
7.2 人工智能芯片的分类 ……………… 139
7.2.1　CPU ………………………………… 140
7.2.2　GPU………………………………… 140
7.2.3　FPGA ……………………………… 143
7.2.4　其他人工智能芯片 ………………… 144
7.3 人工智能芯片的关键技术 ………… 145
7.3.1　并行处理 …………………………… 145
7.3.2　专用硬件加速器 …………………… 145
7.3.3　低精度计算 ………………………… 146
延伸阅读…………………………………… 146
本章小结…………………………………… 146
本章习题…………………………………… 146
第 8 章智能EDA技术
8.1 EDA基础知识 ……………………… 148
8.1.1　EDA概述 ………………………… 148
8.1.2　EDA设计流程 …………………… 150
8.1.3　常用EDA工具 …………………… 155
8.2 物理设计自动化技术 ……………… 158
8.2.1　物理设计优化目标及约束 ………… 158
8.2.2　物理设计优化算法 ………………… 159
8.3 布图规划与布局 …………………… 160
8.3.1　布图规划 …………………………… 160
8.3.2　布局 ………………………………… 162
8.3.3　人工智能驱动的布局技术 ………… 164
8.4 布线 ………………………………… 165
8.4.1　总体布线 …………………………… 166
8.4.2　详细布线 …………………………… 169
8.4.3　人工智能驱动的布线技术 ………… 172
延伸阅读…………………………………… 172
本章小结…………………………………… 173
本章习题…………………………………… 173
第 9 章综合实验
9.1 引言 ………………………………… 175
9.2 目标检测 …………………………… 175
9.2.1　目标检测简介 ……………………… 175
9.2.2　目标检测方法分类 ………………… 177
9.2.3　YOLO系列目标检测框架 ………… 177
9.2.4　目标检测实验 ……………………… 178
9.3 自然语言处理 ……………………… 179
9.3.1　自然语言处理简介 ………………… 179
9.3.2　Transformer架构 …………………… 180
9.3.3　自然语言处理实验 ………………… 180
9.4 强化学习——AI足球 ……………… 182
9.4.1　智能足球简介 ……………………… 182
9.4.2　多智能体系统 ……………………… 182
9.4.3　强化学习相关概念 ………………… 183
9.4.4　AI足球实验 ……………………… 185
延伸阅读…………………………………… 186
本章小结…………………………………… 186
本章习题…………………………………… 186

读者评论

赶紧抢沙发哦！

我要评论

出版信息

书　　名：智能计算系统导论
执行编辑：本书的内容有任何问题，请联系许金霞
出版日期：2025-12-01
书　　号：978-7-115-66923-0
作　　者： 何召锋项刘宇苏森（总主编）
定　　价：59.80 元
页　　数：187
印刷方式：双色印刷
开　　本：16开
出版状态：上市销售

作者介绍

何召锋，工学博士，教授，博士生/硕士生导师。主要研究方向为：视觉计算、智能博弈决策、大模型安全等。师从人工智能领域知名专家谭铁牛院士，在视觉计算、多智能体强化学习、智能博弈决策系统等领域有近20年研究积累。主持国家重点研发计划项目、国家自然科学基金、北京市重大科技成果转化和产业化项目等多个国家级和省部级科研项目，在TPAMI、TIFS、CVPR等国际权威期刊和会议上发表论文40余篇，申请发明专利50余项，制定国家标准、行业标准43项（其中排名第一的国家标准5项）。入选北京市委组织部优秀人才培养专项青年拔尖个人、青年拔尖团队（团队负责人）、北京市科技新星、北京市“高层次创新创业人才支持计划”等人才项目，曾获中国计算机学会优秀博士论文奖、中科院优秀博士论文奖、国际生物特征识别大会最佳论文提名奖。现为中科院高级工程师任职资格评审委员会委员，ISO SC37、全国信标委、全国安标委生物特征识别技术标准委员会委员，中国计算机学会、中国人工智能学会、中国图象图形学学会专业委员会委员，中国安防协会专家委员会委员。