机器学习及其硬件实现/(日) 高野茂之 (Shigeyuki Takano) , 黄智濒
附件:设置1:设置2:设置3:本书从传统的微处理架构发展历程入手, 介绍在后摩尔定律和后丹纳德微缩定律下, 新型架构的发展趋势和影响执行性能的各类衡量指标。然后从应用领域、ASIC和特定领域架构三个角度展示了设计特定的硬件实现所需考虑的诸多因素。接着结合机器学习开发过程及其性能提升方法 (如模型压缩、编码、近似、优化等) 介绍硬件实现的细节。最后给出机器学习硬件实现的大量案例, 展示机器如何获得思维能力。摘要:有书目 (第237-264页)
附注提要
本书从传统的微处理架构发展历程入手, 介绍在后摩尔定律和后丹纳德微缩定律下, 新型架构的发展趋势和影响执行性能的各类衡量指标。然后从应用领域、ASIC和特定领域架构三个角度展示了设计特定的硬件实现所需考虑的诸多因素。接着结合机器学习开发过程及其性能提升方法 (如模型压缩、编码、近似、优化等) 介绍硬件实现的细节。最后给出机器学习硬件实现的大量案例, 展示机器如何获得思维能力。