●第1章基礎理論
1.1人工智能簡史
1.2深度學習概論
1.3神經網絡理論
1.3.模型
1.3.2感知機
1.3.3多層感知機
1.3.4卷積神經網絡
1.3.5應用示例
第2章行業背景
2.1神經網絡芯片現狀
2.1.1CPU
2.1.2GPU
2.1.3TPU
2.1.4FPGA
2.1.5昇騰AI處理器
2.2神經網絡芯片加速理論
2.2.1GPU加速理論
2.2.2TPU加速理論
2.3深度學習框架
2.3.1MindSpore
2.3.2Caffe
2.3.3TensorFlow
2.3.4PyTorch
2.4深度學習編譯框架——TVM
第3章硬件架構
3.1昇騰AI處理器總覽
3.2達芬奇架構
3.2.1
3.2.2存儲繫統
3.2.3
3.2.4指令集設計
3.3卷積加速原理
3.3.1卷積加速
3.3.2架構對比
第4章軟件架構
4.1昇騰AI軟件棧總覽
4.2神經網絡軟件流
4.2.1流程編排器
4.2.2數字視覺預處理模塊
4.2.3張量加速引擎(TBE)
4.2.4運行管理器
4.2.5任務調度器
4.2.6框架管理器
4.2.7神經網絡軟件流應用
4.3開發工具鏈
4.3.1功能簡介
4.3.2功能框架
4.3.3工具功能
第5章編程方法
5.1深度學習開發基礎
5.1.1深度學習編程理論
5.1.2深度學習推理優化原理
5.1.3深度學習推理引擎
5.2昇騰AI軟件棧中的技術
5.2.1模型生成階段
5.2.2應用編譯與部署階段
5.3自定義算子開發
5.3.1開發步驟
5.3.2AI CPU算子開發
5.3.3AI Core算子開發
5.4自定義應用開發
第6章實戰案例
6.1評價標準
6.1.1精度
6.1.2交並比
6.1.3均值平均精度
6.1.4吞吐量和時延
6.1.5能效比
6.2圖像識別
6.2.1數據集:ImageNet
6.2.2算法:ResNet
6.2.3模型遷移實踐
6.3目標檢測
6.3.1數據集:COCO
6.3.2算法:YoloV3
6.3.3自定義算子實踐
附錄A縮略詞列表
附錄BAscend開發者社區及資料下載
附錄C智能開發平臺ModelArts簡介