機器學習及其硬體實現

[日]高野茂之 譯者黃智瀕

機器學習及其硬體實現
  • 出版商: 機械工業
  • 出版日期: 2023-12-01
  • 售價: $594
  • 貴賓價: 9.5 折 $564
  • 語言: 簡體中文
  • 頁數: 276
  • 裝訂: 平裝
  • ISBN: 7111739507
  • ISBN-13: 9787111739500
  • 相關分類: Machine Learning

    • 立即出貨 (庫存 < 4)

買這商品的人也買了...

商品描述

本書主要討論機器學習、神經形態運算和神經網路的理論及應用，
並專注於機器學習加速器和硬體開發。
本書從傳統的微處理架構發展歷程入手，
介紹在後摩爾定律和後丹納德微縮定律下，新型架構的發展趨勢和影響執行性能的各類衡量指標。
然後從應用領域、ASIC和特定領域架構三個角度展示了設計特定的硬體實現所需考慮的許多因素。
接著結合機器學習開發流程及其效能提升方法（如模型壓縮、編碼、近似、最佳化等）介紹硬體實現的細節。
最後給出大量機器學習硬體實現的案例，展示機器如何獲得思考能力。
本書適合有一定機器學習基礎並希望了解更多科技發展趨勢的讀者閱讀。

目錄大綱

譯者序
前言
第1章簡介
1.1 機器學習的曙光
1.1.1 「Jeopardy!」中的IBM Watson挑戰
1.1.2 ImageNet挑戰
1.1.3 谷歌AlphaGo挑戰職業圍棋選手
1.2 機器學習及其應用
1.2.1 定義
1.2 .2 應用
1.3 學習及其性能指標
1.3.1 學習前的準備
1.3.2 學習方法
1.3.3 性能指標和驗證
1.4 範例
1.4.1 工業4.0
1.4.2 交易（區塊鏈）
1.5 機器學習的總結
1.5 .1 與人工智慧的差異
1.5.2 炒作週期
第2章傳統的微架構
2.1 微處理器
2.1.1 處理器核心的微架構
2.1.2 微處理器的程式設計模型
2.1.3 微處理器的複雜性
2.1.4 超標量處理器的優點與缺點
2.1.5 暫存器檔案的規模
2.1.6 分支預測及其懲罰
2.2 多核心處理器
2.2.1 眾核的概念
2.2.2 程式設計模型
2.3 數位訊號處理器
2.3.1 DSP的概念
2.3.2 DSP微架構
2.4 圖形處理單元
2.4.1 GPU的概念
2.4.2 GPU微架構
2.4.3 GPU上的程式設計模型
2.4.4 將GPU應用於運算系統
…
第3章機器學習及其實現
第4章應用、ASIC與特定領域架構
第5章機器學習模型開發
第6章性能提升方法
第7章硬體實現的案例研究
第8章硬體實現的關鍵
第9章結論
附錄A 深度學習基礎
附錄B 深度學習硬體建模
附錄C 高階神經網路模型
附錄D 國家研究、趨勢與投資
附錄E 機器學習對社會的影響
參考文獻

類似商品