研究生课程教学大纲 4本章教学难点： (1)监督学习、非监督学习、强化学习的实现方式 第3章深度学习与卷积神经网络(2学时) 1本章教学内容： (1)深度学习方法和反向传播(1学时) (2)卷积神经网络(1学时) 2本章教学要求： 通过本章课程的学习，要求学生了解深度学习方法、多层感知机和反向传播算法。掌握 卷积神经网络的结构、卷积运算、损失函数、优化器等相关内容。 3本章教学重点： (1)深层神经网络中的前向传播和反向传播原理 4本章教学难点： (1)卷积运算、损失函数和优化器 第4章神经网络模型的压缩与加速(3学时) 1本章教学内容： (1)模型剪枝与低秩分解(1学时) (2)权值共享和模型量化(1学时) (3)知识蒸馏(0.5学时) （4)精简网络结构(0.5学时) 2本章教学要求： 通过本章课程的学习，要求学生掌握模型剪枝与低秩分解、权值共享和模型量化、知识 蒸馏和精简网络结构等网络压缩与加速方法。 3本章教学重点： (1)网络剪枝与模型量化 (2)精简网络结构 4本章教学难点： （1)知识蒸馏 第5章嵌入式AI编程优化(4学时) 1本章教学内容： (1)Linux性能调优工具(0.5学时) (2)C语言编程及优化(0.5学时) (3)处理器编程优化(1.5学时) (4)内存编程优化(1.5学时) 2本章教学要求： 通过本章课程的学习，要求学生了解Liux性能调优工具，掌握C语言的基础编程和性 能优化、CPU流水线、Cacheline性能优化、CPU亲和性、内存分配和内存拷贝优化等嵌入 式编程要点。 3本章教学重点： (1)CPU流水线 (2)Cacheline性能优化 (3)CPU亲和性 3研究生课程教学大纲 3 4 本章教学难点： （1）监督学习、非监督学习、强化学习的实现方式 第 3 章 深度学习与卷积神经网络(2 学时) 1 本章教学内容： （1）深度学习方法和反向传播（1 学时） （2）卷积神经网络（1 学时） 2 本章教学要求： 通过本章课程的学习，要求学生了解深度学习方法、多层感知机和反向传播算法。掌握 卷积神经网络的结构、卷积运算、损失函数、优化器等相关内容。 3 本章教学重点： （1）深层神经网络中的前向传播和反向传播原理 4 本章教学难点： （1）卷积运算、损失函数和优化器 第 4 章 神经网络模型的压缩与加速(3 学时) 1 本章教学内容： （1）模型剪枝与低秩分解（1 学时） （2）权值共享和模型量化（1 学时） （3）知识蒸馏（0.5 学时） （4）精简网络结构（0.5 学时） 2 本章教学要求： 通过本章课程的学习，要求学生掌握模型剪枝与低秩分解、权值共享和模型量化、知识 蒸馏和精简网络结构等网络压缩与加速方法。 3 本章教学重点： （1）网络剪枝与模型量化 （2）精简网络结构 4 本章教学难点： （1）知识蒸馏 第 5 章 嵌入式 AI 编程优化(4 学时) 1 本章教学内容： （1）Linux 性能调优工具（0.5 学时） （2）C 语言编程及优化（0.5 学时） （3）处理器编程优化（1.5 学时） （4）内存编程优化（1.5 学时） 2 本章教学要求： 通过本章课程的学习，要求学生了解 Linux 性能调优工具，掌握 C 语言的基础编程和性 能优化、CPU 流水线、Cacheline 性能优化、CPU 亲和性、内存分配和内存拷贝优化等嵌入 式编程要点。 3 本章教学重点： （1）CPU 流水线 （2）Cacheline 性能优化 （3）CPU 亲和性