智能计算系统课程教学大纲.pdf

该【智能计算系统课程教学大纲 】是由【青山代下】上传分享，文档一共【9】页，该文档可以免费在线阅读，需要了解更多关于【智能计算系统课程教学大纲 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:..智能计算系统课程编号:课程中文名称:智能计算系统课程英文名称:putingSystems开课学期:秋季学分/学时:2/32先修课程:计算机组成原理,操作系统、机器学****等建议后续课程:适用专业/开课对象:计算机学院、高等理工学院/大三本科生一、课程的性质、目的和任务本课程是面向计算机相关专业三年级本科生开设的专业选修课程,为《计算机组成原理和实验》、《智能计算导论》与《操作系统》等课程的后续延伸,尝试将智能计算系统领域的最新研究前沿技术引入课堂。本课程涉及到的理论基础较为广泛,包括智能计算领域(人工智能、机器学****数据挖掘、图像处理、计算机视觉等)与计算机系统领域(计算机组成原理、操作系统、编译原理、分布式系统等)的基本知识。同时,本课程亦需要较为扎实的系统工程技术实践能力(算法实现、系统设计、系统调试与优化等),因此是一门注重系统能力培养且重于研究探索的实践课程。本课程以智能计算领域几个典型应用为研究对象,讲述智能计算系统从软件算法到专用架构实现所涉及的指令集、编译器与软件栈等基本原理与系统优化方法,使学生理解从系统的角度实现智能计算的整个工作过程,培养学生在专用的智能计算架构基础上设计和使用相关编译器和软件栈以及系统优化方法的基本技能。本课程要求学生理解目前智能计算系统设计的基本思路,采用现有的智能计算架构、编译器与软件栈对主流的智能算法进行计算效率的量化分析、系统优化等,使其掌握智能计算系统设计与优化的工程化方法,并具备软硬件异构协同设计的基本素养和学术视野,为今后更深入的理论学****和研究实践奠定良好基础。本课程是学院规划和建设的“本科前沿课程”之一,实践性较强,课程教学目标高,知识内容前沿、知识面宽、知识运用综合,实验体系具有很高的难度与强度。本课程适合渴望学****前沿技术与敢于面对挑战的学生,选修本课程的学生应有充分心理准备。具体的教学目标可分解为以下几点:1:..(1)了解智能计算领域中包括机器学****图计算、机器视觉等方向的几类基本模型和算法;了解智能计算系统的工程问题、实验技术、工具资源以及该领域最新的研究前沿;(2)了解几类主流智能计算专用架构特征与原理,包括寒武纪架构、谷歌TPU架构、华为达芬奇架构、MITEeyriss架构等;(3)掌握智能计算系统软件栈的基本原理、使用过程和相关研究方法,注重工程思维与创新思维的培养,尤其是面向专用架构将智能算法从系统层面进行优化的思维能力,并通过现有软件栈进行系统层面的性能测试、分析及优化等;(4)具备利用寒武纪Bang语言等工具设计智能算法运行在专用平台系统上的能力,具备利用AutoTVM进行软件栈开发调试的能力,具备利用IntelDistiller进行模型轻量化的能力,具备NAS进行网络架构搜索的能力,具备利用SparkMLib进行分布式深度学****开发的能力,以及进行相关性能分析和系统优化等方面的能力;(5)具有获取和利用标准、规范、手册、图册等有关技术资料的能力;(6)掌握智能计算机系统设计与性能测试以及系统优化的工程化实验方法,获得实验技能的基本训练;(7)掌握智能计算系统模型建立、分析求解和设计方案论证的理论和方法,培养学生分析和解决智能计算系统应用等工程实践问题的创新设计能力。课程目标对毕业要求的支撑关系课程目标对毕毕业要求业要求的支撑关系毕业要求1:工程知识课程目标:2、能够将数学、自然科学、工程基础和专业知识用于解决复杂计算机工程问题。3、4、5毕业要求2:问题分析课程目标:3、能够应用数学、自然科学基本原理,并通过文献研究,识别、表达、分析复4、6杂计算机工程问题,以获得有效结论。2:..课程目标对毕毕业要求业要求的支撑关系毕业要求3:设计/开发解决方案能够设计针对复杂计算机工程问题的解决方案,设计满足特定需求的计算机课程目标:3、系统,并能够在设计环节中体现创新意识,考虑法律、健康、安全、文化、4、6、7社会以及环境等因素。毕业要求4:研究课程目标:4、能够基于科学原理并采用科学方法对复杂计算机工程问题进行研究,包括设6、7计实验、分析与解释数据、并通过信息综合得到合理有效的结论。毕业要求5:使用现代工具课程目标:4、能够在计算机工程实践中开发、选择与使用合理有效的技术、资源、现代工6程工具和信息技术工具,并了解其局限性。毕业要求6:工程与社会具有追求创新的态度和意识,掌握基本的创新方法,以及综合运用理论和技课程目标:1术手段设计复杂计算机系统与过程的能力;设计过程中能够综合考虑社会、经济、文化、环境、法律、安全、健康、伦理等制约因素。毕业要求7:环境和可持续发展了解与本专业相关的职业和行业的生产、设计、研究与开发、环境保护和可持续发展等方面的方针、政策和法津、法规;能够正确认识专业工程实践对课程目标:1环境和社会可持续发展的影响,合理评价专业工程实践和复杂工程问题解决方案对社会、健康、安全、法律及文化的影响。毕业要求8:职业规范具有坚定正确的政治方向,良好的思想品德、社会公德和职业道德;具有人课程目标:5、文社会科学素养、社会责任感;具有良好的身体素质和心理素质,能履行建6、7设祖国和保卫祖国的神圣义务。3:..课程目标对毕毕业要求业要求的支撑关系毕业要求9:个人和团队课程目标:4具有在多学科团队中发挥重要作用的能力。毕业要求10:沟通能够就复杂计算机工程问题与业界同行及社会公众进行有效沟通与交流,包课程目标:4括撰写报告和设计文稿、陈述发言、清晰表达个人见解等,并具备一定的国际视野,能够在跨文化背景下进行沟通和交流。毕业要求11:项目管理具有一定的组织与工程管理能力、表达与人际交往能力以及在多学科背景下课程目标:4的团队中发挥作用的能力。毕业要求12:终身学****课程目标:5、具有自主学****和终身学****的意识,有不断学****和适应发展的能力。6、7二、课程内容、基本要求及学时分配本课程介绍智能计算系统领域的知识和工程实践方法,主要包括算法原理、硬件架构、软硬件协同、软件栈适配等问题。对应的支持毕业序学教学教学内容基本要求及重点和难点教学目要求指标号时方式标点基本要求:了解智能计算系统所涉及到的软硬件架构。智能计算前沿概述重点:进行充分的文献调研课堂讲深度学****系统;和阅读,理解软硬件协同的授+课1硬件层基本架构;216,7原理与重要性。后调研软件栈基本架构;难点:理解新型智能计算系+答疑计算效率优化原理等。统如何提高计算效率、解决系统性能瓶颈等问题。4:..对应的支持毕业序学教学教学内容基本要求及重点和难点教学目要求指标号时方式标点基本要求:掌握智能计算所涉及主流算法的数学模型和理论分析方法。课堂讲智能计算原理与算法重点:理解并掌握深度学****授+课1,2,3,2深度学****图计算、机41,3领域等相关算法。后作业4器视觉等。难点:编程实现及调试,理+答疑解如何从系统层面优化算法的效率。基本要求:了解目前主流基于GPU/FPGA/ASIC等平台专用硬件架构的专用架构与指令集,掌握基于GPU/FPGA/ASIC计算效率分析与优化的基本课堂讲等架构的智能计算专思路。授+课1,2,3,3用平台;架构特点与指62,4,5重点:理解如何通过专用的后作业4令集;计算效率分析与架构设计来提升智能算法运+答疑优化途径;基本的设计行的效率。与工程化开发方法等。难点:采用量化分析方法对架构性能与效率进行评估。基本要求:了解面向专用架构指令集的编译器基本原理适配软件栈和方法流程,并掌握目前主专用计算架构编译器;课堂讲流成熟的软件栈使用方法。系统建模与分析工具;授+课1,2,3,4重点:理解编译器与调度器63,5,6数据流映射、调度与优后实践4的原理以及算子优化技巧。化工具;异构平台算法+答疑难点:以智能计算专用架构部署方法等。平台为对象,采用专用编译器与软件栈优化智能算法计5:..对应的支持毕业序学教学教学内容基本要求及重点和难点教学目要求指标号时方式标点算效率,具有一定挑战性。基本要求:掌握基本的模型压缩、量化方法,并在计算资源受限情况下对计算效率模型轻量化方法和精度进行折衷。课堂讲智能计算模型(尤其是重点:掌握模型轻量化方法,授+课4,5,6,1,2,3,5深度神经网络)压缩、4在嵌入式移动平台上进行模后作业74稀疏化、量化等轻量化型部署与优化。+答疑方法。难点:模型轻量化处理后在端侧进行实测,考查系统调试与优化等动手能力。基本要求:了解模型架构搜索(NAS)基本原理,掌握模型架构搜索方法主流的NAS方法。智能计算模型(尤其是课堂讲重点:面向特定硬件平台,深度神经网络)架构自授+课4,5,6,1,2,3,6采用NAS方法对典型神经网4动搜索方法;考虑硬件后作业74络进行结构搜索与优化。计算与软件调度开销+答疑难点:如何量化建模硬件平的模型搜索方法等。台的约束是有效采用NAS优化网络结构的主要问题。6:..对应的支持毕业序学教学教学内容基本要求及重点和难点教学目要求指标号时方式标点基本要求:了解分布式深度分布式学****方法学****模型部署基本原理,掌大规模高性能智能计握主流分布式学****框架。课堂讲算分布式平台部署方重点:掌握分布式学****效率授+课4,5,6,1,2,3,72法;通信开销与模型同与系统优化思路。后实践74步代价优化;负载平衡难点:如何寻求分布式学****答疑与数据一致性问题等。效率与成本的均衡方案,需要进行实践探索。基本要求:了解目前主流且相对成熟的AI专用计算平台实践驱动案例与系统,包括软硬件与相关华为昇腾AI芯片全栈课堂讲适配环境、工具。5,6,7,平台;寒武纪AI芯片授+课3,4,5,8重点:掌握一套完整的AI专48,9,10,平台;树莓派ARM计后实践6,7用计算系统,并付诸实践。11,12算平台;AutoTVM系+答疑难点:实践涉及诸多新架构统等。思维、新平台环境等因素,需要不断探索、调试与优化。三、课内外教学环节及基本要求在教学过程中体现“学生主体、教师主导”的教学思想,提倡启发式、讨论式教学,突出对学生逻辑思维、工程创新及实践能力的培养。在讲授过程中做到由浅入深、由表及里、循序渐进,同时注重举例和类比,并加入该领域最新研究进展,活跃课堂,使课堂讲授生动有趣。本课程课堂授课32学时,周学时为2学时,教学方式包括课内教学和课外教学两部分,授课语言为中文。课内教学采用多媒体讲义,包括课堂讲授、课堂讨论、课堂展示等。课外教学包括课下自学、课外作业、系统开发、实验报告等环节。部分教学内容采用项目式教学模式,注重学生实践动手能力,为学生提供丰富的软硬件实验开发平台及实验指导书,提高学生利用现代工具解决工程实践问题的能力,并将前沿研究带入课7:..堂,给学生提供接触最新研究成果的机会,以及亲自参与最新科技进展的实践活动中来,培养其浓厚的学术兴趣和优良的科研素养。四、考核方式及成绩评定本课程以平时成绩与项目实践相结合的方式进行考核,总分为100分。平时成绩占50%:包含课程作业与交流讨论等。其中包括3次作业与1次文献调研:作业1:深度学****算法设计与部署,基于主流模型与框架,占10分;作业2:智能计算专用架构性能建模与评估,基于NVDLA平台,占10分;作业3:深度学****模型轻量化,基于IntelDistiller工具,占10分;作业4:模型架构搜索方法,基于NAS工具,占10分;文献调研:阅读该领域相关优秀论文,展示PPT进行交流讨论,占10分。项目实践占50%:包含算法、系统实现、测试及报告、展示等。其中包括3次课程实践:项目1:基于AutoTVM软件栈部署深度学****算法到树莓派平台,占15分;项目2:基于寒武纪芯片平台利用Bang语言设计机器学****算法,占15分;项目3:基于基于AutoTVM与SparkMLib部署深度学****算法到分布式异构平台,占20分。五、教材和参考资料参考资料:[1]昇腾AI处理器:架构与编程,梁晓峣著,清华大学出版社,2019年。[2]当计算机体系结构遇到深度学****杨海龙、王锐译,***出版社,2019年。[3]AIForSystemsandSystemsForAI,UCBCS294课程,2019年。[4]SystemforML,华盛顿大学CSE599W课程,2019年。[5]智能计算系统,陈云霁,中科院大学课程,2019年。[puterArchitecture:AQuantitativeApproach,,MorganKaufmannPublishers,2011年。[7]深入理解计算机系统,'Hallaron著,***出版社,2011年。[8]机器学****周志华著,清华大学出版社,2016年。[9]LearningDeepArchitecturesforAI,YoshuaBengio著,NowPublishersInc.,2009年。[10]统计学****方法,李航著,清华大学出版社,2012年。[11]MachineLearninginSilicon,UIUCECE598NS课程,NareshRShanbhag,2016年。8:..[12]elerationformachinelearningandbigdataanalytics,哥伦比亚大学E6895AdvancedBigDataAnalytics课程,Ching-YungLin,2015年。[13]elerationTechnologies,UniversityofWesternOntario大学CS4435b-CS9624b课程,MarcMorenoMaza,2010年。[14]High-PerformanceHardwareforMachineLearning,NIPSTutorial,WilliamDally,StanfordUniversity&NVIDIACorporation,2015年。六、其它本课程提供寒武纪、华为昇腾、树莓派等软硬件开发平台,包括深度学****GPU服务器,以及深度学****框架等工具环境支持。9