譯者序
前言
作者簡介
第1章　引言/ 1
1.1　神經網絡的興起和衰落/ 2
1.2　第三波人工智能熱潮/ 4
1.3　深度學習中硬件的角色/ 7
第2章　深度學習基礎/ 11
2.1　神經網絡/ 12
2.1.1　生物神經網絡/ 12
2.1.2　人工神經網絡/ 14
2.1.3　深度神經網絡/ 18
2.2　神經網絡學習/ 19
2.2.1　神經網絡學習的類型/ 21
2.2.2　深度神經網絡如何學習/ 22
第3章　方法和模型/ 31
3.1　高級神經網絡方法概述/ 32
3.1.1　模型體系結構/ 32
3.1.2　特殊化的層/ 36
3.2　現代深度學習的參考工作負載/ 37
3.2.1　深度學習工作負載集的標準/ 37
3.2.2　Fathom工作負載/ 40
3.3　深度學習背后的計算原理/ 44
3.3.1　深度學習框架的測量與分析/ 44
3.3.2　操作類型評測/ 46
3.3.3　性能相似度/ 48
3.3.4　訓練和推理/ 49
3.3.5　并行和操作平衡/ 51
第4章　神經網絡加速器優化：案例研究/ 55
4.1　神經網絡和簡單墻/ 57
4.2　Minerva：一種跨越三層的方法/ 60
4.3　建立基準：安全的優化/ 63
4.3.1　訓練空間探索/ 63
4.3.2　加速器設計空間/ 66
4.4　低功耗神經網絡加速器：不安全的優化/ 70
4.4.1　數據類型量化/ 70
4.4.2　選擇性操作修剪/ 72
4.4.3　SRAM故障緩解/ 74
4.5　討論/ 79
4.6　展望/ 81第5章　文獻調查和綜述/ 835.1　介紹/ 84
5.2　分類法/ 84
5.3　算法/ 86
5.3.1　數據類型/ 87
5.3.2　模型稀疏性/ 89
5.4　體系結構/ 92
5.4.1　模型稀疏性/ 95
5.4.2　模型支持/ 98
5.4.3　數據移動/ 105
5.5　電路/ 108
5.5.1　數據移動/ 109
5.5.2　容錯/ 112
第6章　結論/ 115
參考文獻/ 117