智能计算系统

课程编码：B0912022Y 英文名称： AI Computing Systems 课时：38 学分：2.00 课程属性：专业课 主讲教师：李威

本课程为专业课程，旨在培养学生对智能计算系统完整软硬件技术栈（包括基础智能算法、智能计算编程框架、智能计算编程语言、智能芯片体系结构等）融会贯通的理解。

线性代数，概率论与数理统计，计算机组成原理等

第一章：概述-A Driving Example（2学时理论）

1.1 人工智能

1.2 智能计算系统

1.3 驱动范例

 

第二章：神经网络基础（6学时理论+课后实验）

2.1 从机器学习到神经网络

2.2 神经网络训练

2.3 神经网络设计原则

2.4 过拟合与正则化

2.5 交叉验证

2.6 章节实验一：神经网络设计实验

2.6.1 基于三层神经网络实现手写数字分类

2.6.2 基于DLP平台实现手写数字分类

 

第三章：深度学习（6学时理论+课后实验）

3.1 适合图像处理的卷积神经网络

3.2 基于卷积神经网络的图像分类算法

3.3 基于卷积神经网络的图像目标检测算法

3.4 序列模型：循环神经网络

3.5 生成对抗网络GAN

3.6驱动范例

3.7 章节实验二：深度学习设计实验

3.7.1 基于VGG19实现图像分类

3.7.2 基于DLP平台实现图像分类

3.7.3 非实时图像风格迁移

 

第四章：编程框架使用（2学时理论）

4.1  为什么需要编程框架

4.2  编程框架概述

4.3  TensorFlow编程模型及基本用法

4.4  基于TensorFlow实现深度学习预测

4.5  基于TensorFlow实现深度学习训练   

 

第五章：编程框架机理（2学时+课后实验）

5.1  TensorFlow的设计原则

5.2  TensorFlow计算图机制

5.3  TensorFlow系统实现

5.4  编程框架对比

5.5  章节实验三：编程框架实验

5.5.1 基于VGG19实现图像分类

5.5.2 实时风格迁移

5.5.3 实时风格迁移的训练

5.5.4 自定义TensorFlow CPU算子

 

第六章：深度学习处理器原理（2学时理论）

6.1 深度学习处理器概述

6.2 目标算法分析

6.3 深度学习处理器DLP结构

6.4 优化设计

6.5 性能评价

6.6 其他加速器

 

第七章：深度学习处理器架构（4学时理论+课后实验）

7.1 单核深度学习处理器

7.2 多核深度学习处理器

7.3 *章节实验（选修）：深度学习处理器运算器设计

7.3.1 串行内积运算器设计

7.3.2 并行内积运算器设计

7.3.3 矩阵运算子单元设计

 

第八章：智能编程语言（6学时理论+课后实验）

8.1  为什么需要智能编程语言

8.2  智能计算系统抽象架构

8.3  智能编程模型

8.4  智能编程语言基础

8.5  智能应用编程接口

8.6  智能应用功能调试

8.7  智能应用性能调优

8.8  基于智能编程语言的系统开发

8.9  章节实验四：智能编程语言实验

8.9.1 智能编程语言算子开发与集成实验

8.9.2 智能编程语言性能优化实验

第九章：综合实验（6学时实验）

9.1  目标检测-YOLOv3

9.2  文本识别OCR-EAST

9.3  自然语言处理-BERT

章节/学时分配	讲课	习题课	实验课	上机课	讨论课	其它
1	2
2	6
3	6
4	2
5	2
6	2
7	4
8	6
9			6

本课程旨在培养学生的系统思维。人工智能的技术栈设计不少技术环节，不仅仅智能算法，还包括只能编程框架、智能编程语言、智能芯片等。如果没有系统思维，只考虑智能算法这一个环节或者把技术栈的各个环节割裂来考虑，不可能开发出准确、高效、节能的人工智能应用，也就使人工智能难以落地。
在理论章节设置上，智能计算系统，以一个典型的深度学习应用（图像风格迁移）作为驱动范例，将上层的算法、中间的编程、底层的芯片串联起来，帮助学生对人工智能完整的软硬件技术栈形成系统的理解。并且，如果只是单纯学习章节内容，学生可能会掌握的还是一些割裂的知识点，为此，课程实验配合理论设置，结合各章节的重点或难点，设计相应的分阶段章节实验，循序渐进将软硬件栈的知识点都贯穿起来，使学生在实操过程中逐步加深对智能算法、编程语言、系统软件、体系结构、智能芯片运行环境等知识体系的理解，让学生做到学以致用、活学活用。

《智能计算系统》，陈云霁等，机械工业出版社，2020年3月
《智能计算系统实践教程》，陈云霁等，机械工业出版社，预计2020年下半年出版

陈云霁，中国科学院计算技术研究所副所长、研究员、博导、智能处理器研究中心主任，中国科学院大学岗位教授，教育部计算机类专业教学指导委员会计算机系统专委会委员，北京智源人工智能研究院智能体系结构与芯片方向首席科学家。他带领其团队研制了国际上首个深度学习处理器芯片“寒武纪1号”。他的研究成果已经应用在近亿台智能手机和服务器中。他的学术论文多次获得计算机体系结构顶级国际会议最佳论文奖，受到上百个国际知名机构跟踪引用。因此，他被Science杂志刊文评价为深度学习处理器的“先驱”和“引领者”。另外，他曾获国家杰出青年科学基金、中国青年科技奖、全国创新争先奖、教育部“青年长江学者”、国家自然科学基金委“优秀青年基金”、国家万人计划“青年拔尖人才”，并被MIT技术评论评为全球35位杰出青年创新者（2015年度）。

李威，中科院计算所副研究员。研究方向为高性能智能计算系统设计技术，先后主持或参与了多项国家科技重大专项、国家自然科学基金面上项目、863项目、中科院国际合作项目等。作为核心成员参与了多款深度学习处理器的研发，发表或录用学术论文近30篇，专利近20项。

在线公开课网站：https://space.bilibili.com/494117284
课程官方网站（提供课件下载、实验资源申请等教学通道）：http://novel.ict.ac.cn/aics/
实验答疑论坛： http://forum.cambricon.com/list-7-1.html