| 字段 | 字段内容 |
|---|---|
| 001 | 01h0613980 |
| 005 | 20241121155633.0 |
| 010 | $a: 978-7-111-73950-0$d: CNY99.00 |
| 100 | $a: 20240122d2024 em y0chiy50 ea |
| 101 | $a: chi$c: jpn |
| 102 | $a: CN$b: 110000 |
| 105 | $a: a a 000yy |
| 106 | $a: r |
| 200 | $a: 机器学习及其硬件实现$A: ji qi xue xi ji qi ying jian shi xian$d: Thinking machines machine learning and its hardware implementation$f: (日) 高野茂之 (Shigeyuki Takano) 著$g: 黄智濒译$z: eng |
| 210 | $a: 北京$c: 机械工业出版社$d: 2024.01 |
| 215 | $a: XI, 264页$c: 图$d: 24cm |
| 225 | $a: 智能系统与技术丛书$A: zhi neng xi tong yu ji shu cong shu |
| 306 | $a: 本书译自原版Thinking Machines: Machine Learning and Its Hardware Implementation 由Elsevier Inc.授权出版 |
| 314 | $a: 高野茂之, 目前任职于某业界领先的高性能计算公司, 曾在某汽车公司担任工程师, 曾在三洋半导体和多玩国从事深度学习处理器和数字信号处理器的开发工作。 |
| 320 | $a: 有书目 (第237-264页) |
| 330 | $a: 本书从传统的微处理架构发展历程入手, 介绍在后摩尔定律和后丹纳德微缩定律下, 新型架构的发展趋势和影响执行性能的各类衡量指标。然后从应用领域、ASIC和特定领域架构三个角度展示了设计特定的硬件实现所需考虑的诸多因素。接着结合机器学习开发过程及其性能提升方法 (如模型压缩、编码、近似、优化等) 介绍硬件实现的细节。最后给出机器学习硬件实现的大量案例, 展示机器如何获得思维能力。 |
| 410 | $1: 2001 $a: 智能系统与技术丛书 |
| 510 | $a: Thinking machines machine learning and its hardware implementation$z: eng |
| 606 | $a: 机器学习$A: ji qi xue xi |
| 690 | $a: TP181$v: 5 |
| 701 | $a: 高野茂之$A: gao ye mao zhi$4: 著 |
| 702 | $a: 黄智濒$A: huang zhi bin$4: 译 |
| 801 | $a: CN$b: 北京丰涵$c: 20240822 |
| 905 | $a: SXCDS$b: 01389576-8$h: 3$d: TP181$e: 164$r: CNY99.00 |
| 920 | $a: 150900$z: 1 |
| 998 | $a: SXUFE |
北京创讯未来软件技术有限公司 版权所有 ALL RIGHTS RESERVED 京ICP备 09032139
欢迎第17500620位用户访问本系统