《 深度神经网络的高效处理 》
申请样书样章
您正在通过本网站在线提交出版评估申请。
若您的申请获得通过,您将可以在线对本作品的电子样书进行查看。
特别提示:
1、一旦提交本申请,则表示您承诺自愿通过成都锐拓传媒广告有限公司申请上述图书的中文版权,并承诺在申请日起18个月内,不会向任何第三方(包括但不限于图书作者、出版方及其他代理商等)申请或联系上述图书的中文简体版权。否则,我公司有权关闭您在本网站的使用权限,且不再与您进行任何业务合作,并有权要求您支付不低于人民币5000元/本的违约金,或将上述违约金直接从您的账户余额中予以扣除。
2、您通过本功能在线申请样书样章而支付的费用仅为样书样章在线查阅的费用,不代表我公司对上述图书的中文版权授权事宜向您作出任何承诺。除非发生我公司无法向您提交样书或样章的情况,否则无论最终是否与您达成中文版权的交易合作,该费用概不退还。
申请翻译样章
您正在通过本网站在线提交翻译样章申请。
若您的申请获得通过,您将可以在线对本作品的翻译样章进行查看。
特别提示:
1、一旦提交本申请,则表示您承诺自愿通过成都锐拓传媒广告有限公司申请上述图书的中文版权,并承诺在申请日起18个月内,不会向任何第三方(包括但不限于图书作者、出版方及其他代理商等)申请或联系上述图书的中文简体版权。否则,我公司有权关闭您在本网站的使用权限,且不再与您进行任何业务合作,并有权要求您支付不低于人民币5000元/本的违约金,或将上述违约金直接从您的账户余额中予以扣除。
2、您通过本功能在线申请样书样章而支付的费用仅为样书样章在线查阅的费用,不代表我公司对上述图书的中文版权授权事宜向您作出任何承诺。除非发生我公司无法向您提交样书或样章的情况,否则无论最终是否与您达成中文版权的交易合作,该费用概不退还。
已售版权
版权推荐
★该书从出版社2020百本图书中脱颖而出,成为2020畅销图书TOP2!
★探讨目前人工智能的关键领域及计算机科学最有趣的领域——深度学习和神经网络!
内容简介
DNNs目前广泛应用于人工智能(AI)领域,包括计算机视觉、语音识别和机器人技术。虽然DNNs在许多人工智能任务上提供了最先进的准确性,但代价是计算复杂度很高。因此,在不牺牲准确性或增加硬件成本的情况下,使深度神经网络的高效处理能够改善指标(如能效、吞吐量和延迟)的技术,对于在人工智能系统中广泛部署DNNs至关重要。
这本书包括DNN处理的背景;设计DNN加速器的硬件体系结构方法的描述和分类;评价和比较不同设计的关键指标;符合硬件/算法协同设计的DNN处理特性,以提高能源效率和吞吐量;以及应用新技术的机会。
作者介绍
维维恩获得理学士学位。2004年在加拿大多伦多大学获得电气工程学位,2006年在麻省理工学院获得电机工程硕士和博士学位,2010年在剑桥大学获得电机工程硕士和博士学位。2011年获麻省理工学院电机工程博士学位论文奖。
她是麻省理工学院电子工程和计算机科学系的副教授。她的研究兴趣包括能量感知信号处理算法、低功耗电路和便携式多媒体应用系统设计,包括计算机视觉、深度学习、自主导航、图像处理和视频压缩。在加入麻省理工学院之前,她是德克萨斯州德州仪器(TI)系统和应用研发中心的技术人员,在那里她为视频编码设计了低功耗算法和架构。在开发高效视频编码(HEVC)期间,她还代表TI参加了ITU-T的JCT-VC委员会和ISO/IEC标准组织,该组织获得Primetime Engineering Emmy Award。在委员会中,她是系数扫描和编码核心实验的主要协调人,并主持/副主持了几个关于熵编码的特设小组。她是高效视频编码(HEVC):算法和架构(施普林格,2014)的联合编辑。
Yu-Hsin Chen
于2009年在台湾台北市国立台湾大学获得电子工程学士学位,并于2013年和2018年在麻省理工学院(MIT)获得电子工程和计算机科学(EECS)硕士和博士学位。获麻省理工学院2018年金欧港电气工程优秀博士论文奖和2019年ACM SIGARCH/IEEE-CS TCCA优秀博士论文奖。他目前是Facebook的一名研究科学家,专注于硬件/软件的协同设计,使设备上的人工智能能够应用于AR/VR系统。在此之前,他是英伟达建筑研究小组的一名研究科学家。
他曾获得2015年Nvidia研究生奖学金、2015年ADI优秀学生设计师奖和2017年IEEE SSCS博士预科成就奖。他在CNN加速器数据流方面的工作被选为2016年计算机架构方面的最佳选择之一。他还在MICRO-49、ISCA2017、MICRO-50和ISCA2019上共同讲授了“深度神经网络硬件架构”的教程。
Tien-Ju Yang
于2010年获得国立台湾大学(NTU)电子工程学士学位,2012年获得国立台湾大学电子工程硕士学位。2012年至2015年,他在台湾新竹联发科技公司智能视觉处理集团担任工程师。他目前是麻省理工学院电子工程和计算机科学的博士候选人,研究高效的深度神经网络设计。他的研究兴趣涉及深度学习、计算机视觉、机器学习、图像/视频处理和VLSI系统设计等领域。2011年全国台湾大学创新大赛第一名。他还在2019年IEEE图像处理国际会议上与人合作讲授了一个关于“利用深度神经网络进行高效图像处理”的教程。
乔尔·S·埃米尔
分别于1974年和1975年在美国普渡大学西拉斐特分校获得电子工程学士学位和硕士学位,1979年在美国伊利诺斯州大学香槟分校获得电子工程博士学位。
他目前是Nvidia建筑研究集团的高级杰出研究科学家,在美国MA Westford,他负责探索未来的建筑、建模和分析方法。他也是美国马萨诸塞州剑桥市麻省理工学院的实践教授。之前,他在英特尔工作,他是英特尔研究员和微架构研究主任。在英特尔工作期间,他领导着VSSAD集团,此前他曾是康柏和数字设备公司的成员。在他的职业生涯中,他担任过各种研究和高级开发职位,研究处理器微体系结构,开发性能建模和评估技术。他对许多VAX、Alpha和X86处理器做出了架构上的贡献,被认为是广泛应用于处理器性能评估的定量方法的开发人员之一。他在同步多线程技术、处理器可靠性分析、缓存组织、流水线处理器组织和深度学习的空间架构方面的贡献得到了认可。
图书目录
1 Introduction
2 Overview of Deep Neural Networks
Part II Design of Hardware for Processing DNNs
3 Key Metrics and Design Objectives
4 Kernel Computation
5 Designing DNN Accelerators
6 Operation Mapping on Specialized Hardware
Part III Co-Design of DNN Hardware and Algorithms
7 Reducing Precision
8 Exploiting Sparsity
9 Designing Efficient DNN Models
10 Advanced Technologies
11 Conclusion