本书紧密围绕深度学习及加速技术的基础理论与应用案例展开叙述，实现了深度学习算法设计与硬件加速技术的有机统一，是一本基础理论与实践案例相结合的实用图书。其具体内容涉及人工智能基本概念，神经网络数学基础、神经网络基本结构与学习策略、反向传播算法数学原理与训练机制等神经网络基础理论，以及一些高级主题和实践。本书可作为从事人工智能领域算法研究、架构设计与应用实现等工作的科研人员、工程师以及高等院校师生的参考书籍。

洞悉深度学习背后的数学理论，解构图像识别算法的核心原理，提高工程设计能力
串联深度学习算法的优化技术与硬件加速方案，结合多平台案例，快速掌握动手实践

计算机\人工智能

本书旨在培养读者在深度学习算法及硬件加速方案设计方面的工程实践能力，适合具备不同基础的读者学习。书中理论与实践相结合，详细讲解了深度学习基础理论，同时深入分析了处理梯度消失与过拟合现象、选择合适初始值、优化损失函数等深度学习算法设计中的关键技术，以及深度学习算法的硬件加速方案。
通过阅读本书，你将了解：
卷积神经网络基础，LeNet、AlexNet、VGGNet、GoogLeNet与ResNet等卷积神经网络结构的相关理论与技术；
R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD等不同类型的目标检测算法的网络结构、工作原理以及不同算法间的异同点等；
深度学习算法设计中的关键技术，包括处理梯度消失与梯度爆炸、消除过拟合、选择初始值、调整学习速度、优化损失函数等；
网络模型优化、计算精度降低与网络剪枝技术、SIMD计算架构与GPU加速、TPU计算架构与TPU加速、ASIC AI计算架构与FPGA加速等深度学习加速技术的基础理论；
OpenCL技术基础与平台环境搭建、OpenCL异构并行计算架构、OpenCL语言基本语法与程序设计以及基于OpenCL的FPGA异构并行计算实现方法等OpenCL异构并行计算技术；
OpenVINO技术基础与加速架构、OpenVINO平台环境搭建、OpenVINO模型优化器以及OpenVINO推理引擎等OpenVINO深度学习加速技术。

白创 编著：白创，男，汉族，中共党员，1983年10月出生，工学博士。2006年毕业于西安交通大学电子信息工程学院信息工程专业，获学士学位；2009年毕业于国防科技大学计算机学院软件工程专业，获硕士学位；2015年毕业于华中科技大学光学与电子信息学院微电子学与固体电子学专业，获博士学位。现为长沙理工大学物理与电子科学学院电子科学与技术专业教师。主要研究方向为超大规模集成电路开发、机器视觉与模式识别技术，具体包括芯片指纹和硬件防伪等安全领域芯片、射频无线通信芯片的研究与设计，以及深度神经网络学习算法及硬件加速、目标检测与缺陷识别等人工智能领域技术的研究。主持包括国家自然科学基金项目等国家与地方项目6项，在国内外专业学术刊物和会议上发表研究论文20余篇，获得专利3项，编写专著2部。