人工智能通識實踐——面向昇騰計算

第1章 人工智能概述 1
1.1 人工智能發展歷史及現狀 1
1.1.1 人工智能發展歷史 1
1.1.2 人工智能領域現狀 4
1.1.3 人工智能發展倫理法律現狀 7
1.2 人工智能三要素 8
1.2.1 數據：人工智能的燃料 8
1.2.2 算法：人工智能的發動機 9
1.2.3 算力：人工智能的動力引擎 10
1.3 人工智能未來發展趨勢 10
1.4 本章小結 12

第2章 了解華為昇騰 13
2.1 華為昇騰生態簡介 13
2.1.1 昇騰生態的定位與目標 13
2.1.2 華為昇騰生態：構建全棧全
場景AI產業基石 13
2.1.3 技術底座：從芯片到場景的
全棧貫通 18
2.1.4 生態協同：開放體系激活
產業創新 20
2.2 華為昇騰系列芯片 21
2.2.1 華為芯片架構 21
2.2.2 華為芯片基本型號及特點 22
2.3 如何進行華為昇騰算法開發 24
2.3.1 基於昇騰的算法開發流程 24
2.3.2 軟件安裝流程 30
2.4 本章小結 44

第3章 Python編程
基礎 35
3.1 Python 編程基礎語法 35
3.1.1 基本語法結構 35
3.1.2 常用運算符 36
3.1.3 輸入與輸出 37
3.1.4 其他實用內置函數 38
3.1.5 模塊和導入 38
3.1.6 數字處理技巧 38
3.1.7 文件操作 38
3.1.8 類和對象 39
3.1.9 異常處理 39
3.2 Python流程控制 40
3.2.1 條件控制語句 40
3.2.2 循環控制語句 41
3.2.3 循環控制關鍵字 41
3.2.4 嵌套循環 42
3.2.5 pass語句 42
3.2.6 綜合示例 42
3.3 Python數據結構 43
3.3.1 列表數據表示 43
3.3.2 元組數據表示 44
3.3.3 字典數據表示 45
3.3.4 集合數據表示 46
3.3.5 字符串數據表示 47
3.3.6 其他數據結構操作 49
3.4 Python常用庫 50
3.4.1 數據處理與分析庫 50
3.4.2 數據可視化庫 51
3.4.3 機器學習與深度學習庫 52
3.4.4 其他實用庫 57
3.5 本章小結 58

第4章 機器學習基礎
實驗 59
4.1 機器學習基礎理論 59
4.1.1 機器學習的概念及方法 60
4.1.2 機器學習的評價方法 62
4.2 K近鄰分類器實驗 65
4.2.1 方法簡介 65
4.2.2 實驗目的及內容 66
4.2.3 核心代碼解析 66
4.2.4 實驗結果記錄與分析 68
4.3 SVM分類器實驗 70
4.3.1 方法簡介 70
4.3.2 實驗目的及內容 70
4.3.3 核心代碼解析 71
4.3.4 實驗結果記錄與分析 77
4.4 線性回歸實驗 78
4.4.1 方法簡介 78
4.4.2 實驗目的及內容 78
4.4.3 核心代碼解析 78
4.4.4 實驗結果分析 81
4.5 本章小結 82

第5章 深度學習基礎
實驗 83
5.1 深度學習基礎理論 83
5.1.1 神經網絡基礎知識 84
5.1.2 神經網絡核心知識 86
5.2 梯度下降實驗 91
5.2.1 方法簡介 91
5.2.2 實驗目的及內容 92
5.2.3 核心代碼解析 92
5.2.4 實驗結果記錄與分析 98
5.3 感知機實驗 98
5.3.1 方法簡介 98
5.3.2 實驗目的及內容 99
5.3.3 核心代碼解析 99
5.3.4 實驗結果記錄與分析 103
5.4 基礎BP網絡實驗 104
5.4.1 方法簡介 104
5.4.2 實驗目的及內容 106
5.4.3 核心代碼解析 106
5.4.4 實驗結果分析 111
5.5 本章小結 112

第6章 智能語音處理
實驗 113
6.1 智能語音處理基礎理論 113
6.1.1 智能語音預處理操作 114
6.1.2 智能語音處理典型任務 116
6.2 智能語音識別實驗 120
6.2.1 方法簡介 120
6.2.2 實驗目的及內容 122
6.2.3 核心代碼解析 123
6.2.4 實驗結果分析 125
6.3 智能語音合成實驗 127
6.3.1 方法簡介 127
6.3.2 實驗目的及內容 129
6.3.3 核心代碼解析 130
6.3.4 實驗結果分析 135
6.4 本章小結 136

第7章 自然語言處理
實驗 137

7.1 自然語言處理基礎理論 137
7.1.1 語言模型基礎知識 138
7.1.2 自然語言處理典型任務 141
7.2 機器翻譯實驗 143
7.2.1 方法簡介 144
7.2.2 實驗目的與內容 146
7.2.3 核心代碼解析 147
7.2.4 實驗結果分析 157
7.3 文本情感分類實驗 158
7.3.1 方法簡介 158
7.3.2 實驗目的及內容 160
7.3.3 核心代碼解析 161
7.3.4 實驗結果記錄與分析 164
7.4 智能問答實驗 165
7.4.1 方法簡介 165
7.4.2 實驗目的及內容 166
7.4.3 核心代碼解析 167
7.4.4 實驗結果分析 171
7.5 本章小結 172

第8章 計算機視覺
實驗 173
8.1 計算機視覺基礎理論 173
8.1.1 計算機視覺知識 174
8.1.2 計算機視覺典型任務 176
8.2 圖像語義分割實驗 181
8.2.1 方法簡介 181
8.2.2 實驗目的及內容 182
8.2.3 核心代碼解析 182
8.2.4 實驗結果分析 185
8.3 圖像目標檢測實驗 186
8.3.1 方法簡介 186
8.3.2 實驗目的及內容 186
8.3.3 核心代碼解析 186
8.3.4 實驗結果分析 190
8.4 圖像文本識別實驗 190
8.4.1 方法簡介 191
8.4.2 實驗目的及內容 191
8.4.3 核心代碼解析 192
8.4.4 實驗結果分析 201
8.5 本章小結 202

第9章 大模型部署
實驗 203
9.1 大模型關鍵技術 203
9.1.1 模型基本架構 203
9.1.2 模型預訓練 205
9.1.3 模型微調 207
9.2 大語言模型的部署要點 209
9.2.1 大語言模型的基本特點 209
9.2.2 模型部署的挑戰 210
9.2.3 模型部署的前置條件 210
9.2.4 部署模式對比 211
9.3 大語言模型的部署流程 211
9.3.1 開發平臺 212
9.3.2 環境配置 214
9.3.3 模型加載與執行 215
9.4 大語言模型的應用案例 217
9.4.1 關聯DeepSeek-R1模型 217
9.4.2 智能體提示詞設計 218
9.4.3 智能體測試代碼 218
9.4.4 測試示例與結果 220
9.5 本章小結 222

第10章 智能語音助手系統
實驗 223
10.1 系統架構設計 223
10.1.1 智能語音助手系統架構 223
10.1.2 系統前端交互層 224
10.1.3 核心處理層 224
10.1.4 後端服務層 224
10.1.5 硬件適配層 225
10.2 核心模塊代碼解析 225
10.2.1 語音助手核心模塊概述 225
10.2.2 語音識別模塊 226
10.2.3 自然語言處理模塊 227
10.2.4 對話管理模塊 228
10.2.5 語音合成模塊 229
10.3 硬件部署環節解析 230
10.3.1 硬件部署簡介 230
10.3.2 模型部署類型 230
10.4 系統測試 231
10.4.1 系統測試的必要性 231
10.4.2 系統測試分析 232
10.5 本章小結 233