OpenCL異構(gòu)計(jì)算：入門FPGA和TensorFlow神經(jīng)網(wǎng)絡(luò)

●章 緒論
1.1 異構(gòu)計(jì)算系統(tǒng)
1.2 OpenCL
1.3 FPGA
1.4 FPGA CPU異構(gòu)計(jì)算系統(tǒng)
1.5 HDL和OpenCL
1.5.1 OpenCL的優(yōu)點(diǎn)
1.5.2 OpenCL的缺點(diǎn)
1.6 人工神經(jīng)網(wǎng)絡(luò)
1.6.1 人工神經(jīng)網(wǎng)絡(luò)的基本概念
1.6.2 人工神經(jīng)網(wǎng)絡(luò)的基本特征
1.6.3 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用
習(xí)題1
第2章 TensorFlow基礎(chǔ)知識(shí)及運(yùn)行環(huán)境搭建
2.1 TensorFlow簡(jiǎn)介
2.2 TensorFlow兩步編程模式
2.3 TensorFlow兩步編程模式實(shí)例
2.3.1 定義計(jì)算圖的基本操作
2.3.2 運(yùn)行計(jì)算圖的基本操作
2.4 TensorFlow環(huán)境搭建
2.4.1 
2.4.2 TensorFlow軟件運(yùn)行
2.4.3 計(jì)算圖例程運(yùn)行實(shí)例
習(xí)題2
第3章 TensorFlow實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練與測(cè)試
3.1 神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測(cè)試的基本概念
3.1.1 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
3.1.2 神經(jīng)網(wǎng)絡(luò)的測(cè)試
3.2 基于TensforFlow訓(xùn)練神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)MNIST數(shù)據(jù)集識(shí)別
3.2.1 MNSIT數(shù)據(jù)集
3.2.2 Softmax Regression模型
3.2.3 MNIST數(shù)據(jù)識(shí)別的Softmax Regression神經(jīng)網(wǎng)絡(luò)模型
3.2.4 MNIST數(shù)據(jù)識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)模型
3.3 MNIST數(shù)據(jù)集轉(zhuǎn)換
3.3.1 將數(shù)據(jù)集轉(zhuǎn)換為以txt文件保存的數(shù)據(jù)
3.3.2 將數(shù)據(jù)集轉(zhuǎn)換為以bmp文件保存的圖片
3.3.3 將bmp轉(zhuǎn)換為tfrecords格式
3.4 讀取tfrecords格式數(shù)據(jù)實(shí)現(xiàn)MNIST手寫(xiě)字體識(shí)別
3.4.1 Softmax Regression模型
3.4.2 卷積神經(jīng)網(wǎng)絡(luò)模型
習(xí)題3
第4章 OpenCL基礎(chǔ)
4.1 OpenCL標(biāo)準(zhǔn)框架
4.2 OpenCL基本概念基礎(chǔ)
4.3 OpenCL程序的組成部分
4.4 OpenCL框架的4種模型
4.5 編寫(xiě)個(gè)OpenCL程序
4.5.1 kernel程序
4.5.2 host程序
4.6 OpenCL基本知識(shí)點(diǎn)
4.6.1 kernel函數(shù)格式
4.6.2 kernel編程模式
4.6.3 kernel地址限定符
4. kernel語(yǔ)句描述
4.6.5 kernel數(shù)據(jù)類型
4.6.6 kernel編程
習(xí)題4
第5章 面向Intel FPGA的OpenCL運(yùn)行平臺(tái)搭建
5.1 搭建OpenCL平臺(tái)的軟硬件要求
5.2 面向OpenCL應(yīng)用的DE10_nano開(kāi)發(fā)板簡(jiǎn)介
5.3 平臺(tái)所需軟件下載
5.3.1 Quartus Prime Standard下載
5.3.2 Intel FPGA SDK for OpenCL下載
5.3.3 Intel SoC FPGA EDS下載
5.4 平臺(tái)所需
5.4.1 安裝Quartus Prime Standard Edition Intel FPGA SDK for OpenCL
5.4.2 安裝SoCEDS
5.4.3 安裝DE10_nano BSP
5.5 環(huán)境變量設(shè)置
5.5.1 環(huán)境變量設(shè)置步驟
5.5.2 環(huán)境變量測(cè)試
5.6 編譯OpenCL kernel
5.7 編譯host 程序
5.8 燒寫(xiě)img文件到SD卡（在Windows系統(tǒng)下完成）
5.9 minicom驅(qū)動(dòng)安裝與測(cè)試
5.9.1 minicom驅(qū)動(dòng)安裝
5.9.2 minicom 使用測(cè)試
5.10 hello world kernel運(yùn)行測(cè)試
5.11 DE10_nano與PC交換數(shù)據(jù)
習(xí)題5
第6章 單層神經(jīng)網(wǎng)絡(luò)算法模型的FPGA實(shí)現(xiàn)流程
6.1 基于OpenCL的神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)與FPGA實(shí)現(xiàn)的基本流程
6.2 無(wú)隱形層的簡(jiǎn)易神經(jīng)網(wǎng)絡(luò)算法原理
6.3 神經(jīng)網(wǎng)絡(luò)的TensorFlow實(shí)現(xiàn)及訓(xùn)練
TensorFlow框架下輸入數(shù)據(jù)的轉(zhuǎn)換
6.5 神經(jīng)網(wǎng)絡(luò)算法的OpenCL實(shí)現(xiàn)
6.5.1 kernel代碼編寫(xiě)及編譯
6.5.2 host代碼編寫(xiě)及編譯
6.6 數(shù)據(jù)移植復(fù)制到FPGA開(kāi)發(fā)板
6.7 FPGA運(yùn)行神經(jīng)網(wǎng)絡(luò)
6.8 kernel report.html文件查看
6.8.1 高層設(shè)計(jì)報(bào)告布局
6.8.2 系統(tǒng)概要
6.8.3 迭代分析
6.8.4 資源分析
6.8.5 系統(tǒng)視圖
6.9 log文件查看FPGA資源使用估計(jì)信息
習(xí)題6
第7章 單層神經(jīng)網(wǎng)絡(luò)算法的kernel程序?qū)崿F(xiàn)方式分析比較
7.1 批量讀取輸入數(shù)據(jù)的OpenCL程序
7.1.1 kernel程序
7.1.2 host程序
7.1.3 執(zhí)行結(jié)果
7.2 神經(jīng)網(wǎng)絡(luò)算法的不同kernel代碼實(shí)現(xiàn)對(duì)比
7.2.1 single work item和NDRange（private）
7.2.2 local和private（single work item）
7.2.3 local和private（NDRange）
7.2.4 single work item和NDRange（local）
7.2.5 float和char（single work item-local）
7.2.6 float和char（NDRange-private）
7.3 神經(jīng)網(wǎng)絡(luò)算法的ARM與FPGA實(shí)現(xiàn)方式對(duì)比
7.3.1 ARM和FPGA（float數(shù)據(jù)類型）
7.3.2 ARM和FPGA（char數(shù)據(jù)類型）
7.4 host代碼與kernel的對(duì)應(yīng)
習(xí)題7
第8章 具有一個(gè)隱形層的神經(jīng)網(wǎng)絡(luò)算法模型的OpenCL實(shí)現(xiàn)
8.1 一個(gè)隱形層的簡(jiǎn)易神經(jīng)網(wǎng)絡(luò)算法原理
8.2 具有一個(gè)隱形層的神經(jīng)網(wǎng)絡(luò)的TensorFlow實(shí)現(xiàn)及訓(xùn)練
8.3 具有一個(gè)隱形層的神經(jīng)網(wǎng)絡(luò)算法的OpenCL實(shí)現(xiàn)
8.3.1 ARM實(shí)現(xiàn)
8.3.2 single work item格式，一個(gè)kernel
8.3.3 NDRange格式，一個(gè)kernel
8.3.4 single work item格式，kernel
8.3.5 NDRange格式，kernel
8.3.6 single work item格式，