智能系統及其應用

本書從硬件、軟件、算法和通信4方面講述一個智能系統完整的開發內容，主要包括智能系統相關背景、智能系統芯片、編譯系統、操作系統、操作系統軟件框架、應用軟件開發、機器學習、深度學習推理框架和智能系統應用開發，從而讓讀者能夠全面地學習一個智能系統所涉及的各方面知識點，便於從宏觀方面理解智能系統。 本書適合電腦體系和智能體系的初學者，便於他們瞭解相關的知識點，以方便後期展開更加深入的學習。本書也適合已學習電腦體系相關課程的讀者，方便這些讀者對以前所學的知識點回顧、加深和集成，從而對智能系統有全面認識。 本書可以作為高等學校電腦科學與技術、人工智能、軟件工程、自動化和電子工程等專業的教材和參考書，或供相關工程技術人員參考。

目錄

第1章智能系統概述1

1.1智能系統介紹1

1.2智能系統的組成2

1.2.1智能系統與硬件2

1.2.2智能系統與軟件3

1.2.3智能系統與通信3

1.2.4智能系統與算法4

1.3智能系統發展及挑戰4

第2章智能系統芯片6

2.1概述6

2.1.1芯片架構相關概念6

2.1.2智能系統涉及的芯片類型10

2.2常見芯片內核介紹11

2.2.1x86架構11

2.2.2ARM內核11

2.2.3RISCV內核12

2.2.4MIPS內核13

2.2.5PowerPC內核13

2.2.6Xtensa架構13

2.2.7Alpha架構14

2.2.8龍芯內核14

2.3智能加速器和類腦芯片介紹14

2.3.1神經網絡加速器14

2.3.2GPU圖形加速器18

2.3.3DSP19

2.3.4ISP19

2.3.5FPGA19

2.3.6神經網絡類腦芯片20

2.4芯片接口介紹21

2.4.1基本接口電路21

2.4.2存儲模塊22

2.4.3常見接口23

2.5芯片種類介紹33

2.5.1通用電腦系統33

2.5.2嵌入式微控制器33

2.5.3嵌入式微處理器35

2.6具體芯片案例介紹36

2.6.1鯤鵬芯片37

2.6.2昇騰芯片40

2.6.3Hi3861芯片43

第3章編譯系統44

3.1編譯系統概述44

3.2編譯器45

3.2.1編譯器流程說明45

3.2.2連接過程說明47

3.3常見編譯器48

3.3.1GCC編譯器介紹48

3.3.2LLVM編譯器介紹49

3.3.3TVM編譯器50

3.3.4方舟編譯器51

3.3.5畢昇編譯器52

〖3〗智能系統及其應用目錄〖3〗第4章操作系統54

4.1操作系統概述54

4.2操作系統基礎54

4.2.1操作系統內核架構54

4.2.2操作系統調用POSIX標準56

4.2.3進程管理57

4.2.4內存管理58

4.2.5操作系統調度60

4.2.6進程間通信60

4.2.7進程間同步62

4.2.8中斷管理65

4.2.9時鐘管理66

4.2.10文件系統66

4.2.11設備管理66

4.3Linux操作系統67

4.3.1常見Linux發行版67

4.3.2openEular操作系統69

4.3.3Linux系統72

4.3.4基於BootLoader方式的Linux系統啟動73

4.3.5Linux內核76

4.3.6Linux驅動程序79

4.3.7Linux根文件系統80

4.4LiteOS操作系統80

4.4.1LiteOSM操作系統81

4.4.2LiteOSA操作系統83

第5章操作系統軟件框架86

5.1Android系統86

5.2鴻蒙系統90

5.2.1鴻蒙系統架構介紹90

5.2.2鴻蒙系統開發介紹96

5.3ROS系統97

5.3.1ROS的特點97

5.3.2ROS架構98

5.3.3ROS系統主要內容99

第6章應用軟件開發105

6.1程序開發105

6.1.1常見開發語言105

6.1.2常見開發環境108

6.1.3代碼版本管理工具109

6.2網絡通信介紹111

6.2.1常見無線通信方案111

6.2.2通信方案及協議114

6.2.3常見序列化協議119

6.3軟件框架及常見組件120

6.3.1後端開發121

6.3.2前端開發124

第7章機器學習126

7.1人工智能與機器學習126

7.1.1人工智能概論126

7.1.2機器學習概論127

7.1.3機器學習常用的算法127

7.1.4機器學習度量指標130

7.1.5過擬合與欠擬合132

7.2深度學習介紹132

7.2.1深度學習框架132

7.2.2捲積神經網絡處理流程136

7.3深度捲積神經網絡138

7.3.1捲積神經網絡結構138

7.3.2經典捲積神經網絡介紹141

7.4深度循環神經網絡142

7.4.1RNN142

7.4.2LSTM143

7.4.3GRU143

7.5其他深度學習網絡144

7.5.1深度生成模型144

7.5.2圖神經網絡算法145

7.5.3詞向量網絡146

7.5.4深度強化學習147

7.5.5元學習149

7.5.6目標檢測模型149

7.5.7語義圖像分割模型151

7.6深度學習網絡模型生成152

7.6.1訓練平臺153

7.6.2數據集製作154

7.6.3訓練模型155

第8章深度學習推理框架158

8.1CPU優化相關技術158

8.1.1OpenMP技術158

8.1.2單指令多數據流159

8.1.31×1標準捲積計算加速實例160

8.2深度學習推理引擎技術164

8.2.1編譯器方案164

8.2.2基於芯片內核的優化方案165

8.2.3基於專用芯片的優化方案168

8.2.4深度學習算法改進方案168

8.3昇騰AI軟件棧171

8.3.1昇騰AI軟件棧總覽172

8.3.2神經網絡軟件架構174

8.3.3流程編排器175

8.3.4數字視覺預處理175

8.3.5張量加速引擎176

8.3.6運行管理器177

8.3.7任務調度器178

8.3.8框架管理器179

8.4深度學習模型部署180

第9章智能系統應用開發184

9.1常見傳感器系統184

9.1.1姿態傳感器184

9.1.2激光傳感器186

9.1.3視覺傳感器189

9.1.4語音傳感器198

9.2智能控制系統介紹199

9.2.1驅動控制系統199

9.2.2運動控制系統200

9.2.3任務控制系統203

9.3智能系統實例203

9.3.1數據集製作203

9.3.2目標檢測模型MobileNetSSD205

9.3.3模型部署206

9.3.4控制決策206

參考文獻208