深度学习系统设计：理论与实践

作者简介

人工智能系统小组成员 高彦杰，微软亚洲研究院高级研发工程师，研究方向为面向人工智能与大数据的平台，系统和工具。积极参与计算机教育。 胡晓武，毕业于哈尔滨工业大学，毕业后就职于中国科学院，后一直在微软（中国）研发部门工作至今。著有《智能之门》一书。 曹莹，微软亚洲研究院高级研究员，研究兴趣为深度学习框架和深度编译优化系统。 薛继龙博士，微软亚洲研究院首席研究员，主要研究方向为深度学习编译框架、人工智能硬件加速器的优化等，相关成果已发表在OSDI、NSDI等学术会议，主持AI编译器项目NNFusion、Rammer、Roller、Welder。 苗又山，微软亚洲研究院高级研究员，研究方向为深度学习框架与分布式系统。 张权路，微软亚洲研究院首席研究员，研究方向为自动机器学习系统，计算集群的资源调度与优化，深度学习模型的分布式训练与推理框架。 薛卉，微软亚洲研究院研究员，研究方向为人工智能与系统（AI for Systems），特别关注强化学习等领域。 曹士杰，微软亚洲研究院研究员，研究兴趣为深度学习压缩与加速，软硬件联合优化等。 刘剑毅，西安交通大学人工智能学院副教授，研究兴趣为无人驾驶、人工智能教育等。 谢佩辰，微软亚洲研究院研究员，研究方向为可靠计算系统及可信人工智能系统。 张宪，2018年获得北京大学博士学位后加入微软亚洲研究院，目前任高级研究员。研究方向为密码学，区块链技术，人工智能安全与隐私，形式化验证。 梁傑然，微软亚洲研究院首席研究员，主要研究方向为面向计算机系统的机器学习。 闫宇，微软雷德蒙研究院高级研究员，主要研究面向计算机网络的机器学习和视频系统。

内容简介

本书的内容及特点可以简要概括为以下几点。 第一，兼顾前沿与经典，带领读者进行启发式思考。本书总结与剖析前沿的系统和人工智能相结合的研究与工程工作，包括Systems for AI和AI for Systems，帮助读者更好地寻找、定义有意义的系统研究与工程问题。同时兼顾系统经典问题，从时间跨度上让读者感受经典系统问题与方法久经考验的魅力。本书既介绍了人工智能系统领域解决方法和优化，又阐述了系统问题的抽象和定义，希望可以启发读者思考，鼓励读者开展新的系统研究与工程工作。 第二，做中学。通过穿插于书中的练习实验，并通过操作及应用主流的框架、平台、工具等，鼓励读者动手实现、实际优化，而不仅仅是停留在理论层面或只了解工具的使用方法，进而提高解决实际问题的能力。本书不仅介绍了业界主流的人工智能系统研究工作，还借助了来自微软亚洲研究院的研究员和工程师在人工智能和计算机系统交叉领域的研究成果、开源系统与实践经验。 第三，体系化。本书围绕深度学习系统全栈进行阐述，同时涵盖深度学习系统的设计原则、工作综述、方法论和工程实践等。通过问题与场景导向，打破计算机子领域界限，各章节涉及计算机、软件工程、人工智能等多学科知识点，让读者能够更加熟悉计算机系统子领域之间的关系，形成跨算法系统和软硬件栈的视角。