目錄 第1章 緒論 1 第2章 人工智能與神經網絡 3 2.1 人工智能 3 2.2 神經網絡 4 2.2.1 人工神經元 5 2.2.2 激活函數 7 2.2.3 人工神經網絡 9 2.3 深度神經網絡 10 參考文獻 15 第3章 智能計算的挑戰 17 3.1 基本網絡層的數學模型 17 3.2 基本網絡層的計算特點 19 3.3 智能計算的挑戰現狀分析 21 3.3.1 訪存能力 21 3.3.2 功耗控制 21 3.3.3 架構通用性 22 3.3.4 稀疏性 23 3.3.5 混合精度計算 24 3.4 智能計算平臺現狀 24 參考文獻 28 第4章 人工智能芯片架構設計 30 4.1 研究現狀 30 4.1.1 時域計算架構 30 4.1.2 空域計算架構 33 4.2 現狀分析 37 4.3 多粒度可重構計算架構 38 4.3.1 系統總體架構 38 4.3.2 計算數據流 45 4.3.3 基于融合數據模式的存儲劃分 48 4.3.4 按需動態陣列劃分 51 4.3.5 實驗評估 53 參考文獻 54 第5章 人工智能芯片的數據復用 57 5.1 輸入數據復用 57 5.2 輸出數據復用 62 5.3 權重數據復用 64 5.4 混合數據復用 67 5.4.1 工作流程和調度框架 68 5.4.2 實驗結果 70 參考文獻 72 第6章 人工智能芯片的網絡映射 74 6.1 單層網絡映射方法 74 6.1.1 典型分塊方法 74 6.1.2 屋頂線模型 75 6.1.3 單層網絡映射的建模與求解 76 6.1.4 單層網絡映射方法的延伸與擴展 78 6.1.5 單層網絡映射方法的缺點 80 6.2 級聯網絡映射方法 81 6.3 復雜網絡映射方法 83 6.3.1 層級時間映射方法帶來的資源浪費 84 6.3.2 層聚類方法 85 6.3.3 多個層聚類并行映射方法 87 6.3.4 復雜網絡其他特性的利用 89 6.3.5 復雜網絡映射優化結果 90 參考文獻 92 第7章 人工智能芯片的存儲優化 95 7.1 高密度片外存儲技術 96 7.1.1 三維集成存儲器技術 96 7.1.2 3D DRAM的高溫問題 98 7.1.3 高溫問題的解決思路 99 7.1.4 計算架構優化 99 7.1.5 優化框架 105 7.2 高密度片上存儲技術 110 7.2.1 實驗分析平臺和優化方向 112 7.2.2 訓練層次優化：數據生存時間感知的訓練方法 114 7.2.3 調度層次優化：神經網絡分層的混合計算模式 115 7.2.4 架構層次優化：刷新優化的eDRAM控制器 117 7.2.5 實驗結果 117 參考文獻 120 第8章 人工智能芯片的軟硬件協同設計 124 8.1 低位寬神經網絡 124 8.1.1 線性量化 125 8.1.2 非線性量化 126 8.2 稀疏化神經網絡及其架構設計 127 8.2.1 利用激活稀疏性 128 8.2.2 網絡剪枝 129 8.2.3 壓縮網絡架構 131 8.3 二值神經網絡 132 8.3.1 二值神經網絡背景 132 8.3.2 面向二值/三值神經網絡的計算架構優化 132 參考文獻 137 第9章 總結與展望 141 9.1 本書內容總結 141 9.2 未來展望 141 彩圖