更新时间：2023-08-28 19:54:07
封面
版权信息
内容简介
前言
理论篇
第1章 人工智能简介
1.1 人工智能概念
1.2 人工智能与深度学习
1.3 人工智能发展阶段
1.4 人工智能应用
第2章 神经网络数学基础
2.1 线性向量空间
2.2 内积
2.3 线性变换与矩阵表示
2.4 梯度
第3章 神经网络与学习规则
3.1 神经元模型与网络结构
3.2 感知机学习
3.3 Hebb学习
3.4 性能学习
第4章 反向传播
4.1 LMS算法
4.2 反向传播算法
4.3 反向传播算法变形
4.4 反向传播算法实例分析
第5章 卷积神经网络
5.1 卷积神经网络基础
5.2 LeNet
5.3 AlexNet
5.4 VGGNet
5.5 GoogLeNet
5.6 ResNet
第6章 目标检测与识别
6.1 R-CNN
6.2 Fast R-CNN
6.3 Faster R-CNN
6.4 YOLO
第7章 深度学习优化技术
7.1 梯度消失
7.2 过拟合
7.3 初始值与学习速度
7.4 损失函数
第8章 深度学习加速技术
8.1 软件模型优化技术
8.2 GPU加速技术
8.3 TPU加速技术
8.4 FPGA加速技术
应用篇
第9章 基于OpenCL的FPGA异构并行计算技术
9.1 OpenCL技术基础与环境搭建
9.2 OpenCL异构并行计算架构
9.3 OpenCL C语言基本语法与程序设计
9.4 基于OpenCL的FPGA异构并行计算实现方法
第10章 基于OpenCL的FPGA异构并行计算应用案例
10.1 整体描述
10.2 内核程序设计
10.3 主程序设计
10.4 执行与结果分析
第11章 基于OpenVINO的FPGA深度学习加速技术
11.1 OpenVINO技术基础与加速架构
11.2 OpenVINO平台环境搭建
11.3 OpenVINO模型优化器
11.4 OpenVINO推理引擎
第12章 基于OpenVINO的FPGA深度学习加速应用案例
12.1 整体描述
12.2 中间表示IR生成
12.3 推理引擎程序设计
12.4 执行与结果分析
参考文献
推荐阅读
作者简介
封底
