在数字化时代,嵌入式人工智能系统和深度学习等技术变得越来越重要。在嵌入式平台上进行深度学习推理时会受到计算能力、存储空间、能耗等资源限制的挑战。本书从深度学习模型在资源受限的硬件平台上部署的角度,介绍嵌入式AI系统的基本概念、需求、挑战,以及其软硬件解决方案。 本书共分为7章。第1章介绍了边缘计算; 第2章介绍了嵌入式AI系统的基本概念及其面临的需求与挑战; 第3章介绍了嵌入式AI系统的硬件解决方案; 第4~6章介绍了嵌入式AI系统的软件解决方案,包括DNN模型的构建及实现、轻量级DNN模型的构建、模型轻量化方法及实现; 第7章介绍了DNN模型的硬件部署。本书提供了基于Python语言和Torch API的大量代码解析,并针对Intel系列和NVIDIA系列芯片的硬件部署分别进行介绍。 本书适合作为高等院校计算机专业、软件工程专业的教材,也可供对深
本书全面系统地介绍了统信UOS操作系统的应用方法,以及基本的管理和维护方法。全书共10章,主要内容包括计算机操作系统概述、操作系统安装与DDE桌面环境、文件管理、DDE桌面环境与功能设置、网络基础知识与网络设置、网络应用与网络共享设置、应用商店与系统维护工具、多媒体软件与辅助系统工具、安装Windows应用软件、命令行模式与shell的应用。 本书以UOS操作系统的安装、应用为主线,将操作系统的理论知识和shell的使用很好地结合起来,帮助读者在操作过程中深入领会操作系统的相关知识,提高操作系统应用与问题解决能力,从而取得更好的学习效果。 本书既注重理论知识的系统性和适用性,又强调良好工作习惯与实践能力的培养,适合作为各类院校关于操作系统相应课程的教材,也适合作为企事业单位相关培训的学习参考书。
本书聚焦于Hadoop、Spark、Flink等面向数据密集型应用的分布式计算系统,将原理、架构、编程的知识进行有机结合,统一从设计思想、体系架构、工作原理、容错机制和编程示例5个维度进行剖析。本书注重通过横向比较阐释该类系统设计的共性原理,帮助读者形成完整、统一的知识体系。 本书概述了分布式计算系统(第1章),根据应用场景的差异将分布式计算系统划分为批处理系统(第3、4章)、流计算系统(第7、8章)、批流融合系统(第9、10章)、图处理系统(第11章),并选取了各个类别中的典型代表。由于这些分布式计算系统不可能孤立地存在,因此本书也介绍了面向文件存储(第2章)、资源管理(第5章)以及协调服务(第6章)的系统。 本书可作为高等院校数据科学与大数据技术专业高年级本科生的教学用书,以及计算机科学与技术、软件工程、数据科
采用由简到难的编写思路,首先介绍简单嵌入式发展趋势和概念,然后逐步到功能性开发,举例分析,*后加深难度,介绍高级应用,从而使读者很容易理解和消化。全书共10章,第1~3章介绍了嵌入式系统的基本概念、常用芯片、工具和嵌入式系统的开发过程; 第4章介绍了配套学习板的原理图和设计思路; 第5~7章介绍了STM32的基本使用和各种外设的驱动以及开发应用,并列举了各种典型的应用实例; 第8章介绍了 c/OS Ⅱ在STM32上的应用情况; 第9章详细介绍了STM32嵌入式系统中可以使用的一些经典实用算法; 第10章从实用角度列举了支持MODBUS通信协议的通用控制器开发实例。本书中列举的实例具有一定难度,适合具有一定嵌入式基础的读者使用,初学者请参考本书提供的共享资料和开发板的应用代码。本书的编写强调实用性和易用性,希望能解决读者学习和开发过程