大學計算機——計算平臺與人工智能

崔舒寧,西安交通大學計算機學院副教授，西安交通大學計算機國家級示範中心副主任。長期從事一線教學工作，講述“程序設計”、“大學計算機”“大學計算機人工智能”等課程。近年來獲2024陜西省教學成果二等獎（排名5）；2019陜西省教學成果一等獎（排名3）；2019陜西省精品在線課程（第1負責人）；2018國家精品在線課程（第2負責人）；2015年陜西省教學成果二等獎（排名4）；近年來發表相關教改論文4篇；主持相關教改項目6項。在全國實踐教學案例評比中獲一等獎1項（排名1），二等獎2項（排名2，3）。共主編教材6部（其中1部為國家十一五規劃教材），參編教材14部。在中國大學MOOC上主持課程1門（C#程序設計），在中國大學上主講課程3門（大學計算機，大學計算機計算思維與新一代信息技術，物聯網技術概論）。在超星平臺上主持MOOC課程1門（大學計算機-人工智能）。

目錄Contents

 

 

第1章計算平臺概論1

1.1引言2

1.2計算與計算模型5

1.2.1圖靈模型5

1.2.2圖靈機的工作過程6

1.2.3計算與可計算性理論8

1.3認識計算機，從一段程序開始10

1.3.1程序在計算機中的表示與執行11

1.3.2硬件系統的組成14

1.3.3微機中的存儲器17

1.3.4主機板21

1.4計算機中的幾個重要思想22

1.4.1摩爾定律22

1.4.2並行與多核23

1.4.3流水線技術23

1.4.4抽象25

1.5後PC時代計算系統的發展25

1.5.1超級計算機系統26

1.5.2雲計算系統26

1.5.3嵌入式計算系統28

1.6計算機求解問題的一般過程29

習題133

第2章計算機中的數制與編碼34

2.1計算機與二進制34

2.2計算機中的數制及其轉換36

2.2.1計算機中的數制37

2.2.2常用記數制之間的轉換382.3二進制數的表示和算術運算41

2.3.1無符號數41

2.3.2有符號整數43

2.3.3浮點數48

2.4二進制信息編碼51

2.4.1BCD編碼51

2.4.2字符編碼52

2.4.3音頻信息編碼55

2.4.4圖像信息編碼57

2.5計算機中的信息處理61

2.5.1信息的采集61

2.5.2信息的表示和壓縮62

2.5.3信息的存儲和組織63

2.5.4信息的傳輸和檢索64

習題267

第3章微機硬件體系結構與基本原理69

3.1計算機中的基本邏輯電路69

3.1.1關於邏輯69

3.1.2基本邏輯運算71

3.1.3基本邏輯門74

3.2復合邏輯運算及其邏輯電路76

3.2.1“與非”邏輯電路76

3.2.2“或非”邏輯電路77

3.2.3“異或”與“同或”邏輯電路78

3.3觸發器與加法器80

3.3.1觸發器80

3.3.2加法器82

3.3.3減法運算轉換為加法運算的基本電路原理85

3.3.4由觸發器和加法器引起的思考——自底向上的系統構造86

3.4馮·諾依曼結構88

3.4.1程序和指令88

3.4.2馮·諾依曼結構的特點89

3.4.3馮·諾依曼計算機的一般工作過程90

3.5圖靈機與計算機92

3.6馮·諾依曼結構與哈佛結構94

習題395

第4章操作系統基礎97

4.1操作系統概述97

4.1.1操作系統的作用97

4.1.2操作系統的分類99

4.1.3操作系統的啟動與環境變量101

4.1.4操作系統的命令行窗口及常用的命令行命令103

4.2處理器管理105

4.2.1進程106

4.2.2進程的基本狀態109

4.2.3進程控制與進程調度110

4.2.4線程的概念111

4.3存儲器管理112

4.3.1存儲器管理的基本功能113

4.3.2從邏輯地址到內存物理地址的變換115

4.3.3虛擬存儲器117

4.3.4存儲器的層次結構119

4.4文件管理121

4.4.1文件的組織結構122

4.4.2文件存儲空間的管理124

4.4.3文件共享與保護125

習題4126

第5章Python程序設計127

5.1Python語言及其運行環境127

5.1.1Python在人工智能學習方面的優勢127

5.1.2安裝Python解釋器128

5.1.3VSCode的安裝128

5.1.4安裝VSCode擴展129

5.1.5運行Python腳本130

5.1.6VSCode運行Jupyter Notebook131

5.1.7Python包的安裝132

5.2變量133

5.2.1給變量賦值134

5.2.2變量命名規則134

5.2.3檢查變量的值135

5.2.4註釋136

5.3字符串136

5.3.1定義字符串137

5.3.2字符串的切片138

5.3.3字符串函數139

5.3.4輸入與輸出140

5.4字符串與編碼轉換141

5.4.1使用VSCode轉換編碼141

5.4.2Python與中文142

5.5數字和數學函數142

5.5.1算術運算符和表達式142

5.5.2數學函數和數字方法144

5.6函數144

5.6.1編寫自己的函數145

5.6.2編寫函數文檔146

5.6.3查看計算機的基本硬件信息147

5.7條件邏輯和流程控制148

5.7.1比較運算符148

5.7.2邏輯運算符149

5.7.3流程控制150

5.8循環151

5.8.1while循環151

5.8.2for循環152

5.8.3嵌套循環153

5.8.4了解Python的作用域155

5.8.5模擬事件並計算概率156

5.9元組、字典和列表157

5.9.1元組是不可變的序列157

5.9.2列表是可變的序列159

5.9.3列表方法160

5.9.4列表推導161

5.9.5嵌套、復制和排序元組及列表161

5.9.6在字典中的存儲關系162

5.10異常處理164

5.10.1基本的異常處理結構164

5.10.2捕獲異常164

5.11文件操作165

5.11.1文件的打開模式165

5.11.2文本文件的讀寫操作166

5.11.3處理圖像文件167

5.12面向對象程序設計167

5.12.1定義類168

5.12.2實例化一個對象169

5.12.3實例方法169

5.12.4繼承170

5.12.5父類和子類171

5.12.6擴展父類的功能172

習題5173

第6章走進人工智能175

6.1認識人工智能175

6.1.1智能與人工智能175

6.1.2類人行為與圖靈測試176

6.1.3類人思考與認知176

6.1.4理性地思考177

6.1.5理性地行動177

6.2人工智能的發展177

6.2.1人工智能的孕育期(1943—1955年)177

6.2.2人工智能的誕生(1956年)178

6.2.3人工智能的第一次發展(1956—1974年)178

6.2.4人工智能的第二次發展(1980年至今)179

6.3人工智能的研究領域與典型問題180

6.3.1人工智能的主要研究領域180

6.3.2人工智能的典型問題183

6.4人工智能與社會、倫理問題185

6.4.1就業與社會結構問題186

6.4.2心理上的威脅與技術失控186

6.4.3法律與倫理問題187

6.5人工智能大模型189

6.5.1大模型的發展歷史189

6.5.2大模型的關鍵技術和特點190

6.5.3自然語言處理大模型193

6.5.4計算機視覺大模型194

6.6大模型的應用197

6.6.1大模型在自然語言處理中的應用197

6.6.2大模型在計算機視覺中的應用199

6.6.3大模型在其他領域的應用199

6.7人工智能與大數據201

6.7.1什麼是大數據202

6.7.2數據的組織形式202

6.7.3數據分析的生命周期204

6.7.4人工智能擁抱大數據206

習題6208

第7章人工神經網絡與深度學習210

7.1概述210

7.1.1機器學習的三種類型210

7.1.2分類和回歸問題212

7.1.3機器學習的一般過程213

7.2人工神經網絡214

7.2.1人工神經網絡概述214

7.2.2一元線性回歸ANN216

7.2.3ANN的訓練過程216

7.2.4數據標準(歸一)化220

7.3PyTorch221

7.3.1安裝PyTorch221

7.3.2張量222

7.3.3PyTorch模型類223

7.3.4損失函數224

7.3.5優化器225

7.3.6使用PyTorch的完整實現225

7.4簡單分類問題227

7.4.1數據生成227

7.4.2數據準備228

7.4.3Dataset和Dataloader229

7.4.4模型230

7.4.5損失函數231

7.4.6訓練231

7.5圖像分類和深度學習233

7.5.1數據準備233

7.5.2單層模型234

7.5.3深度學習與激活函數236

7.6卷積神經網絡(CNN)238

7.6.1卷積238

7.6.2PyTorch的卷積函數和卷積層240

7.6.3池化和拋棄241

7.6.4卷積模型與訓練242

7.7循環神經網絡244

7.7.1基本結構244

7.7.2PyTorch的RNN層245

7.7.3GRU246

7.7.4LSTM247

7.7.5RNN的一個簡單示例249

習題7251

第8章大模型與生成式人工智能253

8.1預訓練模型253

8.1.1概述253

8.1.2通過ModelScope獲取模型254

8.1.3社會與倫理254

8.1.4現狀與未來255

8.2Transformer257

8.2.1從序列到序列257

8.2.2Transformer的結構257

8.2.3自註意力機制259

8.2.4Transformer家族260

8.2.5遷移學習262

8.3文本生成264

8.3.1語言模型264

8.3.2Tokenize264

8.3.3預測266

8.3.4生成文本268

8.3.5使用API調用服務272

8.4圖像和音頻生成276

8.4.1GPU和CUDA276

8.4.2潛空間表示277

8.4.3變分自動編碼器284

8.4.4擴散模型生成圖像288

8.4.5生成音頻291

習題8292

附錄A部分字符的標準ASCII編碼表294

參考文獻295