第1章 引言 1
1.1神经网络的兴起和衰落 2
1.2第三波人工智能热潮 4
1.3深度学习中硬件的角色 7
第2章 深度学习基础 11
2.1神经网络 12
2.1.1生物神经网络 12
2.1.2人工神经网络 14
2.1.3深度神经网络 18
2.2神经网络学习 19
2.2.1神经网络学习的类型 21
2.2.2深度神经网络如何学习 22
第3章 方法和模型 31
3.1高级神经网络方法概述 32
3.1.1模型体系结构 32
3.1.2特殊化的层 36
3.2现代深度学习的参考工作负载 37
3.2.1深度学习工作负载集的标准 37
3.2.2 Fathom工作负载 40
3.3深度学习背后的计算原理 44
3.3.1深度学习框架的测量与分析 44
3.3.2操作类型评测 46
3.3.3性能相似度 48
3.3.4训练和推理 49
3.3.5并行和操作平衡 51
第4章 神经网络加速器优化：案例研究 55
4.1神经网络和简单墙 57
4.2 Minerva：一种跨越三层的方法 60
4.3建立基准：安全的优化 63
4.3.1训练空间探索 63
4.3.2加速器设计空间 66
4.4低功耗神经网络加速器：不安全的优化 70
4.4.1数据类型量化 70
4.4.2选择性操作修剪 72
4.4.3 SRAM故障缓解 74
4.5讨论 79
4.6展望 81
第5章 文献调查和综述 83
5.1介绍 84
5.2分类法 84
5.3算法 86
5.3.1数据类型 87
5.3.2模型稀疏性 89
5.4体系结构 92
5.4.1模型稀疏性 95
5.4.2模型支持 98
5.4.3数据移动 105
5.5电路 108
5.5.1数据移动 109
5.5.2容错 112
第6章 结论 115
参考文献 117