本书介绍
本书系统性讲解深度神经网络（DNN）相关的关键原理和技术。DNNs目前广泛用于许多人工智能应用，包括计算机视觉、语音识别和机器人学。虽然数字神经网络在许多人工智能任务中提供了最先进的精度，但它是以高计算复杂性为代价的。因此，能够有效处理深度神经网络以提高关键指标(如能效、吞吐量和延迟)而不牺牲准确性或增加硬件成本的技术对于在人工智能系统中广泛部署DNN至关重要。
本书包括DNN处理相关的背景；设计DNN加速器的硬件结构方法的描述和分类:评估和比较不同设计的关键指标；符合硬件/算法协同设计以提高能效和吞吐量的DNN处理特性；和应用新技术的机会。读者将发现该领域的结构化介绍，以及来自当代工作的关键概念的形式化和组织，提供可能激发新思想的见解。
本书目录
本书内容截图
