机读格式显示(MARC)

• 000 02146nam 2200325 450

• 001 0000356530

• 005 20240926104100.0

• 010 __ |a 978-7-111-73950-0 |d CNY99.00

• 100 __ |a 20240108d2024 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 机器学习及其硬件实现 |A ji qi xue xi ji qi ying jian shi xian |d = Thinking machines |e machine learning and its hardware implementation |f (日) 高野茂之著 |g 黄智濒译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2024.1

• 215 __ |a 264页 |c 图 |d 24cm

• 225 2_ |a 智能系统与技术丛书 |A zhi neng xi tong yu ji shu cong shu

• 306 __ |a 本版由Elsevier Inc.授权机械工业出版社在中国大陆地区 (不包括香港、澳门特别行政区及台湾地区) 出版发行

• 314 __ |a 高野茂之 (Shigeyuki Takano) 目前任职于某业界领先的高性能计算公司, 曾在某汽车公司担任工程师, 曾在三洋半导体和多玩国从事深度学习处理器和数字信号处理器的开发工作。他现在的研究兴趣是计算机体系结构, 特别是粗粒度可重构体系结构、图形处理器和编译器基础结构。黄智濒, 计算机系统结构博士, 北京邮电大学计算机学院讲师。长期从事机器学习、超大规模并行计算、GPU加速计算以及三维计算机视觉和深度学习架构方面的研究。

• 320 __ |a 有书目 (第237-264页)

• 330 __ |a 本书主要讨论机器学习、神经形态计算和神经网络的理论及应用, 专注于机器学习加速器和硬件开发。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。

• 333 __ |a 本书适合有一定机器学习基础并希望了解更多技术发展趋势的读者阅读

• 410 _0 |1 2001 |a 智能系统与技术丛书

• 500 10 |a Thinking machines : machine learning and its hardware implementation |A Thinking Machines : Machine Learning And Its Hardware Implementation |m Chinese

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 高野茂之 |A gao ye mao zhi |4 著

• 702 _0 |a 黄智濒 |A huang zhi bin |4 译

• 801 _0 |a CN |b GDPTC |c 20240921

• 905 __ |a GDPTC |d TP181/295