^{<noframes id="oyy5r"></noframes>}^{<noframes id="oyy5r"></noframes>}<style id="oyy5r"></style>

<style id="oyy5r"></style>

^{<ruby id="oyy5r"></ruby>}

<style id="oyy5r"><th id="oyy5r"></th></style>

注冊 | 登錄讀書好，好讀書，讀好書！

當前位置：首頁出版圖書科學技術(shù)計算機/網(wǎng)絡人工智能AI加速器架構(gòu)設計與實現(xiàn)

AI加速器架構(gòu)設計與實現(xiàn)

定　價：￥99.00

作　者：	甄建勇，王路業(yè)
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥74.20)

ISBN：	9787111729518	出版時間：	2023-07-01	包裝：	平裝-膠訂
開本：	32開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　這是一本講解NPU硬件架構(gòu)設計與技術(shù)實現(xiàn)的著作。作者將自己在CPU、GPU和NPU領域15年的軟硬件工作經(jīng)驗融會貫通，將四代NPU架構(gòu)設計經(jīng)驗融為一體，將端側(cè)和云側(cè)NPU架構(gòu)合二為一，總結(jié)并提煉出本書內(nèi)容。本書主要討論神經(jīng)網(wǎng)絡硬件層面，尤其是芯片設計層面的內(nèi)容，主要包含神經(jīng)網(wǎng)絡的分析、神經(jīng)網(wǎng)絡加速器的設計以及具體實現(xiàn)技術(shù)。通過閱讀本書，讀者可以深入了解主流的神經(jīng)網(wǎng)絡結(jié)構(gòu)，掌握如何從零開始設計一個能用、好用的產(chǎn)品級加速器。通過閱讀本書，你將：？透徹理解與深度學習相關(guān)的機器學習算法及其實現(xiàn)？學會主流圖像處理領域神經(jīng)網(wǎng)絡的結(jié)構(gòu)？掌握加速器運算子系統(tǒng)和存儲子系統(tǒng)的設計？摸清加速器設計中遇到的具體問題及其解決方法？了解NPU架構(gòu)需要考慮的控制通路和數(shù)據(jù)通路

作者簡介

　　甄建勇資深CPU、GPU、NPU三棲架構(gòu)師，從事相關(guān)軟硬件架構(gòu)與設計工作超過15年?，F(xiàn)就職于地平線，擔任BPU首席架構(gòu)師。曾就職于英偉達，擔任高級架構(gòu)師，作為多款CPU、NPU、GPU的核心架構(gòu)師，參與了Xburst、NVDLA、TensorCore的架構(gòu)設計工作。熟悉SIMT/RayTracing等模塊的架構(gòu)設計與實現(xiàn)。擅長的領域還包括經(jīng)濟學、法學、心理學以及Linux內(nèi)核、計算機圖形加速和全同態(tài)加密。王路業(yè)優(yōu)矽科技聯(lián)合創(chuàng)始人兼總經(jīng)理，中國開放指令生態(tài)（RISC-V）聯(lián)盟（CRVA）軟件開源工作組副組長。曾就職于ARM安謀科技、Synopsys新思科技、ST意法半導體和中國長城計算機。

圖書目錄

CONTENTS
目　　錄
前言
第1章　卷積神經(jīng)網(wǎng)絡　1
1.1　神經(jīng)網(wǎng)絡的結(jié)構(gòu)　2
1.2　GCN　4
1.3　網(wǎng)絡的基本塊　7
1.4　網(wǎng)絡的算子　17
1.5　網(wǎng)絡參數(shù)量與運算量　29
1.6　加速器編程模型　31
1.7　硬件加速器架構(gòu)分類　33
第2章　運算子系統(tǒng)的設計　35
2.1　數(shù)據(jù)流設計　35
2.2　算力與帶寬　38
2.2.1　算力與輸入帶寬　38
2.2.2　算力與輸出帶寬　41
2.3　卷積乘法陣列　43
2.3.1　Conv算法詳解　43
2.3.2　NVDLA的乘法陣列　47
2.3.3　TPU的乘法陣列　59
2.3.4　GPU的乘法陣列　66
2.3.5　華為DaVinci的乘法陣列　74
2.4　卷積運算順序的選擇　80
2.5　池化模塊的設計　81
第3章　存儲子系統(tǒng)的設計　86
3.1　存儲子系統(tǒng)概述　86
3.1.1　存儲子系統(tǒng)的組成　86
3.1.2　內(nèi)部緩存的設計　89
3.2　數(shù)據(jù)格式的定義　97
3.2.1　特征圖的格式　98
3.2.2　權(quán)重的格式　100
第4章　架構(gòu)優(yōu)化技術(shù)　106
4.1　運算精度的選擇　106
4.1.1　dynamic fixed point類型　109
4.1.2　bfloat16類型　110
4.2　硬件資源的復用　111
4.2.1　FC　112
4.2.2　de-Conv　115
4.2.3　dilate Conv　123
4.2.4　group Conv　123
4.2.5　3D Conv　127
4.2.6　TC Conv　130
4.2.7　3D Pool　132
4.2.8　Up Sample Pooling　136
4.2.9　多個加速器的級聯(lián)　136
4.3　Winograd算法和FFT算法　138
4.3.1　Winograd算法解析　138
4.3.2　FFT算法解析　148
4.4　除法變乘法　150
4.5　LUT的使用　150
4.6　宏塊并行技術(shù)　155
4.7　減少軟件配置時間　156
4.8　軟件優(yōu)化技術(shù)　157
4.9　一些激進的優(yōu)化技術(shù)　158
第5章　安全與防護　160
5.1　安全技術(shù)　160
5.2　安全性評估　162
5.3　防護　163
第6章　神經(jīng)網(wǎng)絡加速器的實現(xiàn)　165
6.1　乘法器的設計　165
6.1.1　整型乘法器的設計　166
6.1.2　浮點運算器的設計　171
6.2　數(shù)字電路常見基本塊的設計　184
6.3　時序優(yōu)化　203
6.4　低功耗設計　207
第7章　盤點與展望　211
7.1　AI加速器盤點　211
7.2　Training加速器　211
7.3　展望　218
后記　220