第1章  引言
  1.1  人工智能基础
    1.1.1  人工智能概述
    1.1.2  人工智能发展简史
    1.1.3  人工智能的主要方向
  1.2  深度学习简介
    1.2.1  深度学习基本原理
    1.2.2  深度学习典型模型
    1.2.3  深度学习主要应用
  1.3  人工智能计算概述
    1.3.1  人工智能计算需求
    1.3.2  人工智能计算技术特征
    1.3.3  人工智能计算系统发展趋势
  参考文献
第2章  AI处理器基础
  2.1  神经网络加速原理
    2.1.1  通用计算芯片架构的局限性
    2.1.2  专用计算芯片架构潜力
    2.1.3  神经网络计算加速技术
  2.2  深度学习芯片
    2.2.1  通用计算芯片
    2.2.2  专用计算芯片
    2.2.3  颠覆性计算芯片
  2.3  深度学习软件栈
    2.3.1  深度学习模型框架
    2.3.2  深度学习编译框架
    2.3.3  深度学习模型部署优化框架
  2.4  全栈AI计算技术体系
    2.4.1  软硬件协同设计思想
    2.4.2  深度学习系统设计与优化方法
    2.4.3  典型驱动范例：昇腾AI全栈技术方案
  参考文献
第3章  昇腾AI处理器硬件架构
  3.1  硬件架构概述
  3.2  达芬奇架构
    3.2.1  AI Core整体架构
    3.2.2  计算单元
    3.2.3  存储系统
    3.2.4  控制单元
    3.2.5  指令系统
  3.3  昇腾AI处理器逻辑架构
    3.3.1  昇腾310处理器逻辑架构
    3.3.2  昇腾910处理器逻辑架构
  参考文献
第4章  昇腾AI处理器软件架构
  4.1  软件框架概述
  4.2  软件工具链
    4.2.1  MindStudio开发环境
    4.2.2  昇腾计算语言
    4.2.3  昇腾张量编译器
    4.2.4  算子生成与优化器
    4.2.5  运行管理与任务调度器
  参考文献
第5章  昇腾AI处理器开发流程
  5.1  昇腾AI开发平台介绍
  5.2  昇腾AI推理开发流程
    5.2.1  工具与环境部署
    5.2.2  基于MindX SDK的推理开发流程
    5.2.3  基于AscendCL的推理开发流程
  参考文献
第6章  昇腾AI处理器编程方法
  6.1  昇腾编程模型与语言库
    6.1.1  AscendCL功能架构
    6.1.2  AscendCL API
    6.1.3  AscendCL应用扩展
    6.1.4  AscendCL示例：以模型推理流程为例
  6.2  张量编译器（ATC）
    6.2.1  ATC内部原理
    6.2.2  ATC功能介绍
    6.2.3  ATC应用示例
  6.3  张量优化与算子开发
    6.3.1  算子模型定义
    6.3.2  自定义算子开发与优化
    6.3.3  算子开发编程方式
  6.4  模型部署与推理优化
    6.4.1  模型迁移流程
    6.4.2  自动部署与模型调优
  6.5  功能辅助增强组件
    6.5.1  模型预处理
    6.5.2  数据预处理
  参考文献
第7章  实践案例
  7.1  开发环境部署
    7.1.1  实验软硬件准备
    7.1.2  开发环境部署流程
    7.1.3  运行环境部署流程
    7.1.4  模型训练流程
    7.1.5  模型推理流程
  7.2  基础模型开发实例
    7.2.1  图像分类应用实例：C++/Python实现
    7.2.2  目标检测应用实例：C++/Python实现
    7.2.3  语音处理应用实例：C++/Python实现
    7.2.4  模型迁移实例：以ONNX PyTorch为例
    7.2.5  模型轻量化开发实践
  7.3  模型进阶开发探索
    7.3.1  自定义算子实例：以BatchNorm算子为例
    7.3.2  算子开发：以Transformer为例
    7.3.3  算子优化技术：以算子融合为例
  7.4  辅助工具应用实践
    7.4.1  精度比对工具
    7.4.2  性能分析工具
    7.4.3  专家系统工具
  参考文献