自本书第1版出版以来，深度学习领域经历了显著的技术演一一从传统应用模型逐步转向以预训练大语言模型为核心的新范式。这一演主要由GPT-3等突破性大模型所推动，其在多任务泛化、常识推理及生成式人工智能等方面的卓越表现，标志着技术范式的根本转变。这种转变对智能计算系统提出了更高要求，包括智能芯片算力、软件栈效率及系统可扩展性的全面提升，一步凸显了教材内容更新的必要性。
售 价：¥
纸质售价：¥70.50购买纸书
6.4
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
PREFACE 前言
CHAPTER 1 第1章 绪论
1.1 人工智能发展背景
1.1.1 深度学习
1.1.2 大模型及智能体
1.2 智能计算系统
1.3 实验设计
1.4 实验平台
1.4.1 硬件平台
1.4.2 软件环境
CHAPTER 2 第2章 聊天机器人的部署与应用
2.1 大模型部署与推理应用
2.1.1 实验目的
2.1.2 实验背景
2.1.3 实验环境
2.1.4 实验内容
2.1.5 实验步骤
2.1.6 实验思考
2.2 大模型微调
2.2.1 实验目的
2.2.2 实验背景
2.2.3 实验环境
2.2.4 实验内容
2.2.5 实验步骤
2.2.6 实验思考
CHAPTER 3 第3章 多领域模型的部署与应用
3.1 基于VGG19实现图像分类
3.1.1 实验目的
3.1.2 实验背景
3.1.3 实验环境
3.1.4 实验内容
3.1.5 实验步骤
3.1.6 实验思考
3.2 基于YOLOv5目标检测的模型训练
3.2.1 实验目的
3.2.2 实验背景
3.2.3 实验环境
3.2.4 实验内容
3.2.5 实验步骤
3.2.6 实验思考
3.3 基于Tacotron 2的语音合成
3.3.1 实验目的
3.3.2 实验背景
3.3.3 实验环境
3.3.4 实验内容
3.3.5 实验步骤
3.3.6 实验思考
3.4 基于BERT的问答任务
3.4.1 实验目的
3.4.2 实验背景
3.4.3 实验环境
3.4.4 实验内容
3.4.5 实验步骤
3.4.6 实验思考
3.5 基于Stable Diffusion的图文生成
3.5.1 实验目的
3.5.2 实验背景
3.5.3 实验环境
3.5.4 实验内容
3.5.5 实验步骤
3.5.6 实验思考
3.6 基于CodeV的Verilog代码生成
3.6.1 实验目的
3.6.2 实验背景
3.6.3 实验环境
3.6.4 实验内容
3.6.5 实验步骤
3.6.6 实验思考
3.7 基于DeepSeek-R1的数学推理
3.7.1 实验目的
3.7.2 实验背景
3.7.3 实验环境
3.7.4 实验内容
3.7.5 实验步骤
3.7.6 实验思考
3.8 基于Qwen2.5-1M的长上下文理解
3.8.1 实验目的
3.8.2 实验背景
3.8.3 实验环境
3.8.4 实验内容
3.8.5 实验步骤
3.8.6 实验思考
CHAPTER 4 第4章 基于PyTorch的模型实现
4.1 基于VGG19实现图像分类
4.1.1 实验目的
4.1.2 实验背景
4.1.3 实验环境
4.1.4 实验内容
4.1.5 实验步骤
4.1.6 实验评估
4.1.7 实验思考
4.2 实时风格迁移算法的推理
4.2.1 实验目的
4.2.2 实验背景
4.2.3 实验环境
4.2.4 实验内容
4.2.5 实验步骤
4.2.6 实验评估
4.2.7 实验思考
4.3 实时风格迁移算法的训练
4.3.1 实验目的
4.3.2 实验背景
4.3.3 实验环境
4.3.4 实验内容
4.3.5 实验步骤
4.3.6 实验评估
4.3.7 实验思考
4.4 自定义基于PyTorch的CPU算子
4.4.1 实验目的
4.4.2 实验背景
4.4.3 实验环境
4.4.4 实验内容
4.4.5 实验步骤
4.4.6 实验评估
4.4.7 实验思考
4.5 Transformer架构实现与应用
4.5.1 实验目的
4.5.2 实验背景
4.5.3 实验环境
4.5.4 实验内容
4.5.5 实验步骤
4.5.6 实验评估
4.5.7 实验思考
CHAPTER 5 第5章 基于Triton的大模型优化
5.1 Triton入门：矩阵乘的实现
5.1.1 实验目的
5.1.2 实验背景
5.1.3 实验环境
5.1.4 实验内容
5.1.5 实验步骤
5.1.6 实验评估
5.1.7 实验思考
5.2 Triton进阶：Flash Attention的实现
5.2.1 实验目的
5.2.2 实验背景
5.2.3 实验环境
5.2.4 实验内容
5.2.5 实验步骤
5.2.6 实验评估
5.2.7 实验思考
5.3 Triton实战：模型应用的实现
5.3.1 实验目的
5.3.2 实验背景
5.3.3 实验环境
5.3.4 实验内容
5.3.5 实验步骤
5.3.6 实验评估
5.3.7 实验思考
CHAPTER 6 第6章 深度学习算子及模型实验
6.1 深度学习高性能算子库
6.1.1 CNNL介绍
6.1.2 CNNL-Extra介绍
6.1.3 MLU-OPS介绍
6.1.4 Torch-MLU-Ops介绍
6.2 基于三层神经网络实现手写数字分类
6.2.1 实验目的
6.2.2 实验背景
6.2.3 实验环境
6.2.4 实验内容
6.2.5 三层神经网络CPU训练的实验步骤
6.2.6 三层神经网络MLU推理的实验步骤
6.3 基于VGG19实现图像分类
6.3.1 实验目的
6.3.2 实验背景
6.3.3 实验环境
6.3.4 实验内容
6.3.5 CPU平台上的实验步骤
6.3.6 MLU平台上的实验步骤
6.4 基于Torch-MLU-Ops的Transformer模型推理
6.4.1 实验目的
6.4.2 实验背景
6.4.3 实验环境
6.4.4 实验内容
6.4.5 实验步骤
6.4.6 实验评估
6.4.7 实验思考
CHAPTER 7 第7章 智能编程语言
7.1 智能编程模型
7.1.1 核函数
7.1.2 地址空间
7.1.3 异步
7.1.4 并行
7.2 智能编程语言基础
7.2.1 C++标准和扩展
7.2.2 数学运算和精度
7.2.3 二进制的加载和执行
7.3 智能计算开发平台
7.3.1 软件栈
7.3.2 开发环境
7.3.3 编译工具
7.3.4 调试工具
7.3.5 调优工具
7.4 智能编程语言算子开发与集成实验
7.4.1 实验目的
7.4.2 实验环境
7.4.3 实验内容
7.4.4 实验步骤
7.4.5 实验运行
7.4.6 实验评估
7.4.7 实验思考
7.5 智能编程语言性能优化实验
7.5.1 实验目的
7.5.2 实验环境
7.5.3 实验内容
7.5.4 实验步骤
7.5.5 实验运行
7.5.6 实验评估
7.5.7 实验思考
CHAPTER 8 第8章 *深度学习处理器运算器设计
8.1 实验目的
8.2 实验背景
8.2.1 算法特征
8.2.2 DLP总体架构
8.3 实验环境
8.3.1 工具安装
8.3.2 代码文件组织
8.4 实验内容
8.5 实验步骤
8.5.1 内积运算器
8.5.2 矩阵乘向量运算器
8.5.3 矩阵乘法运算器
8.5.4 编译调试
8.6 实验评估
8.7 实验思考
参考文献
推荐阅读
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
