返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 诺森嵌入式深度学习:算法和硬件实现技术
  • 正版
    • 作者: [比利时]伯特·穆恩斯(bertmoons)[美]丹尼尔·班克曼(danielbankman)[比利时]玛丽安·著 | [比利时]伯特·穆恩斯(bertmoons)[美]丹尼尔·班克曼(danielbankman)[比利时]玛丽安·编 | [比利时]伯特·穆恩斯(bertmoons)[美]丹尼尔·班克曼(danielbankman)[比利时]玛丽安·译 | [比利时]伯特·穆恩斯(bertmoons)[美]丹尼尔·班克曼(danielbankman)[比利时]玛丽安·绘
    • 出版社: 机械工业出版社
    • 出版时间:2021-09-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    诺森文化制品专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: [比利时]伯特·穆恩斯(bertmoons)[美]丹尼尔·班克曼(danielbankman)[比利时]玛丽安·著| [比利时]伯特·穆恩斯(bertmoons)[美]丹尼尔·班克曼(danielbankman)[比利时]玛丽安·编| [比利时]伯特·穆恩斯(bertmoons)[美]丹尼尔·班克曼(danielbankman)[比利时]玛丽安·译| [比利时]伯特·穆恩斯(bertmoons)[美]丹尼尔·班克曼(danielbankman)[比利时]玛丽安·绘
    • 出版社:机械工业出版社
    • 出版时间:2021-09-01
    • 版次:1
    • 印次:1
    • 字数:200千字
    • 页数:236
    • 开本:16开
    • ISBN:9787111688075
    • 版权提供:机械工业出版社
    • 作者:[比利时]伯特·穆恩斯(bertmoons)[美]丹尼尔·班克曼(danielbankman)[比利时]玛丽安·
    • 著:[比利时]伯特·穆恩斯(bertmoons)[美]丹尼尔·班克曼(danielbankman)[比利时]玛丽安·
    • 装帧:平装
    • 印次:1
    • 定价:99.00
    • ISBN:9787111688075
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2021-09-01
    • 页数:236
    • 外部编号:31246563
    • 版次:1
    • 成品尺寸:暂无

    译者序<br/>前言<br/>致谢<br/>缩写词<br/>章 嵌入式深度神经网络 1<br/>1.1 简介 1<br/>1.2 机器学习 2<br/>1.2.1 任务T 3<br/>1.2.2 能度量P 3<br/>1.. 经验E 4<br/>1.3 深度学习 4<br/>1.3.1 深度前馈神经网络 6<br/>1.3.2 卷积神经网络 8<br/>1.3.3 循环神经网络 16<br/>1.3.4 训练深度神经网络 18<br/>1.4 嵌入式深度神经网络的挑战 25<br/>1.5 本书创新点 27<br/>参考文献 29<br/>第2章 优化的层次级联处理 34<br/>2.1 简介 34<br/>2.2 层次级联系统 36<br/>2.2.1 泛化的两级唤醒系统 36<br/>2.2.2 层次化的代价、精度和召回率 37<br/>2.. 层次化分类器的Roofline模型 40<br/>2.2.4 优化的层次级联感知 42<br/>. 概念的一般明 43<br/>..1 系统描述 43<br/>..2 输入统计 45<br/>.. 实验 46<br/>..4 本节小结 48<br/>2.4 案例研究:基于CNN的层次化人脸识别 49<br/>2.4.1 人脸识别的分层结构 49<br/>2.4.2 层次化的代价、精度和召回率 51<br/>2.4.3 优化的人脸识别分层结构 52<br/>2.5 小结 55<br/>参考文献 56<br/>第3章 硬件–算法协同优化 58<br/>3.1 简介 58<br/>3.1.1 利用网络结构 59<br/>3.1.2 并利用稀疏 63<br/>3.1.3 并利用容错 64<br/>3.2 低精度神经网络的能量增益 66<br/>3.2.1 片外访存的能耗 67<br/>3.2.2 硬件平台的一般建模 68<br/>3.3 测试时定点神经网络 69<br/>3.3.1 分析和实验 70<br/>3.3.2 量化对分类准确率的影响 70<br/>3.3.3 稀疏FPNN的能耗 73<br/>3.3.4 结果 75<br/>3.3.5 讨论 76<br/>3.4 训练时量化神经网络 77<br/>3.4.1 训练NN 78<br/>3.4.2 NN的能耗 81<br/>3.4.3 实验 81<br/>3.4.4 结果 84<br/>3.4.5 讨论 88<br/>3.5 聚类神经网络 88<br/>3.6 小结 90<br/>参考文献 91<br/>第4章 近似计算的电路技术 95<br/>4.1 近似计算范式简介 95<br/>4.2 近似计算技术 98<br/>4.2.1 容错分析与质量管理 98<br/>4.2.2 近似电路 99<br/>4.. 近似架构 100<br/>4.2.4 近似软件 101<br/>4.2.5 讨论 102<br/>4.3 DVAFS:动态电压精度频率调节 102<br/>4.3.1 DVAFS基础 102<br/>4.3.2 DVAFS的容错识别 105<br/>4.3.3 DVAFS的能量增益 106<br/>4.4 DVAFS的能分析 109<br/>4.4.1 模块级的DVAFS 109<br/>4.4.2 系统级的DVAFS 111<br/>4.5 DVAFS实现的挑战 115<br/>4.5.1 基础DVA(F)S模块的功能实现 115<br/>4.5.2 基础DVA(F)S模块的物理实现 117<br/>4.6 小结和讨论 118<br/>参考文献 119<br/>第5章 Envision:能耗可调节的稀疏卷积神经网络处理 122<br/>5.1 神经网络加速 122<br/>5.2 针对嵌入式CNN的二维MAC处理器架构 124<br/>5.2.1 处理器数据通路 125<br/>5.2.2 片上存储架构 128<br/>5.. 利用网络稀疏的硬件支持 130<br/>5.2.4 通过定制化指令集实现高能效的灵活 132<br/>5.3 基于40nm CMOS的DVAS兼容的Envision处理器 133<br/>5.3.1 RTL级的硬件支持 134<br/>5.3.2 物理实现 135<br/>5.3.3 测量结果 136<br/>5.3.4 Envision V1回顾 143<br/>5.4 基于28nm FD-SO的VAFS兼容的Envision处理器 144<br/>5.4.1 RTL级硬件支持 146<br/>5.4.2 物理实现 147<br/>5.4.3 测量结果 147<br/>5.4.4 Envision V2回顾 156<br/>5.5 小结 157<br/>参考文献 158<br/>第6章 BinarEye: 常开的数字及混合信号二值神经网络处理 160<br/>6.1 二值神经网络 160<br/>6.1.1 简介 160<br/>6.1.2 二值神经网络层 161<br/>6.2 二值神经网络应用 165<br/>6.3 可编程的输入到标签的加速器架构 167<br/>6.3.1 256X:基础的BinaryNet计算架构 169<br/>6.3.2 SX:灵活的DVAFS BinaryNet计算架构 178<br/>6.4 MSBNN:混合信号的256X实现 182<br/>6.4.1 开关电容神经元阵列 183<br/>6.4.2 测量结果 184<br/>6.4.3 模拟信号通路代价 188<br/>6.5 BinarEye:数字的SX实现 189<br/>6.5.1 全数字的二值神经元 189<br/>6.5.2 物理实现 190<br/>6.5.3 测量结果 190<br/>6.5.4 BinarEye中的DVAFS 194<br/>6.5.5 与水平的对比 195<br/>6.6 数字与模拟二值神经网络的实现对比 197<br/>6.7 展望与未来工作 200<br/>6.8 小结 202<br/>参考文献 204<br/>第7章 结论、贡献和未来工作 206<br/>7.1 结论 207<br/>7.2 未来工作的建议 210<br/>参考文献 211<br/>索引 212

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购