昇腾AI处理器架构与编程：深入理解CANN技术原理及应用

CONTENTS

\n

\n

目录

\n

\n

第1章基础理论00

\n

\n

1.1人工智能简史00

\n

\n

1.2深度学习概论00

\n

\n

1.3神经网络理论0

\n

\n

1.3.1神经元模型0

\n

\n

1.3.2感知机0

\n

\n

1.3.3多层感知机0

\n

\n

1.3.4卷积神经网络0

\n

\n

1.3.5应用示例0

\n

\n

第2章行业背景0

\n

\n

2.1神经网络芯片现状0

\n

\n

2.1.1CPU0

\n

\n

2.1.2GPU0

\n

\n

2.1.3TPU0

\n

\n

2.1.4FPGA0

\n

\n

2.1.5昇腾AI处理器0

\n

\n

2.2神经网络芯片加速理论0

\n

\n

2.2.1GPU加速理论0

\n

\n

2.2.2TPU加速理论0

\n

\n

2.3深度学习框架0

\n

\n

2.3.1MindSpore0

\n

\n

2.3.2Caffe0

\n

\n

2.3.3TensorFlow0

\n

\n

2.3.4PyTorch0

\n

\n

2.4深度学习编译框架——TVM0

\n

\n

\n

第3章硬件架构0

\n

\n

3.1昇腾AI处理器总览0

\n

\n

3.2达芬奇架构0

\n

\n

3.2.1计算单元0

\n

\n

3.2.2存储系统0

\n

\n

3.2.3控制单元0

\n

\n

3.2.4指令集设计0

\n

\n

3.3卷积加速原理0

\n

\n

3.3.1卷积加速0

\n

\n

3.3.2架构对比0

\n

\n

\n

第4章软件架构0

\n

\n

4.1昇腾AI软件栈总览0

\n

\n

4.2神经网络软件流

\n

\n

4.2.1流程编排器

\n

\n

4.2.2数字视觉预处理模块

\n

\n

4.2.3张量加速引擎(TBE)

\n

\n

4.2.4运行管理器

\n

\n

4.2.5任务调度器

\n

\n

4.2.6框架管理器

\n

\n

4.2.7神经网络软件流应用

\n

\n

4.3开发工具链

\n

\n

4.3.1功能简介

\n

\n

4.3.2功能框架

\n

\n

4.3.3工具功能

\n

\n

第5章编程方法

\n

\n

5.1深度学习开发基础

\n

\n

5.1.1深度学习编程理论

\n

\n

5.1.2深度学习推理优化原理

\n

\n

5.1.3深度学习推理引擎

\n

\n

5.2昇腾AI软件栈中的技术

\n

\n

5.2.1模型生成阶段

\n

\n

5.2.2应用编译与部署阶段

\n

\n

5.3自定义算子开发

\n

\n

5.3.1开发步骤

\n

\n

5.3.2AI CPU算子开发

\n

\n

5.3.3AI Core算子开发

\n

\n

5.4自定义应用开发 

\n

\n

第6章实战案例

\n

\n

6.1评价标准

\n

\n

6.1.1精度

\n

\n

6.1.2交并比

\n

\n

6.1.3均值平均精度

\n

\n

6.1.4吞吐量和时延

\n

\n

6.1.5能效比

\n

\n

6.2图像识别

\n

\n

6.2.1数据集：ImageNet

\n

\n

6.2.2算法：ResNet

\n

\n

6.2.3模型迁移实践

\n

\n

6.3目标检测

\n

\n

6.3.1数据集：COCO

\n

\n

6.3.2算法：YoloV3

\n

\n

6.3.3自定义算子实践

\n

\n

附录A缩略词列表

\n

\n

附录BAscend开发者社区及资料下载

\n

\n

附录C智能开发平台ModelArts简介

\n

\n