Artificial Intelligence Hardware Design: Challenges and Solutions
Zapoznaj się z podstawowymi i zaawansowanymi zagadnieniami z zakresu projektowania jednostek przetwarzania neuronowego na rzeczywistych przykładach od wiodących ekspertów w tej dziedzinie.
W książce Artificial Intelligence Hardware Design: Wyzwania i rozwiązania, wybitni badacze i autorzy dr Albert Liu i Oscar Ming Kin Law dostarczają rygorystycznego i praktycznego podejścia do zastosowań projektowych określonych obwodów i systemów do przyspieszania przetwarzania sieci neuronowych. Począwszy od omówienia i wyjaśnienia sieci neuronowych oraz historii ich rozwoju, książka opisuje architektury równoległe, wykresy strumieniowe do masowych obliczeń równoległych oraz optymalizację splotu.
Autorzy oferują czytelnikom ilustrację obliczeń w pamięci poprzez Neurocube Georgia Tech i akcelerator Tetris Stanforda wykorzystujący Hybrid Memory Cube, a także architekturę bliską pamięci poprzez wbudowaną pamięć eDRAM Instytutu Technologii Obliczeniowej, Chińskiej Akademii Nauk i innych instytucji.
Czytelnicy znajdą również omówienie technik przetwarzania neuronowego 3D w celu obsługi wielowarstwowych sieci neuronowych, a także informacje takie jak:
⬤ Gruntowne wprowadzenie do sieci neuronowych i historii ich rozwoju, a także modeli konwolucyjnych sieci neuronowych (CNN).
⬤ Omówienie różnych architektur równoległych, w tym Intel CPU, Nvidia GPU, Google TPU i Microsoft NPU, z naciskiem na integrację sprzętu i oprogramowania w celu poprawy wydajności.
⬤ Omówienie grafu strumieniowego do masowych obliczeń równoległych z wykorzystaniem Blaize GSP i Graphcore IPU.
⬤ Analiza sposobu optymalizacji splotu za pomocą dekompozycji filtrów akceleratora UCLA Deep Convolutional Neural Network.
Idealna dla inżynierów sprzętu i oprogramowania oraz twórców oprogramowania układowego, Artificial Intelligence Hardware Design jest niezbędnym źródłem informacji dla każdego, kto pracuje z jednostkami przetwarzania neuronowego w charakterze sprzętu lub oprogramowania.
