本书深入浅出地介绍后摩尔时代的并行计算核心技术，读者能较轻松地在短时间内学懂主要内容。全书理论与实践并重，兼顾数学模型、结构模型、编程模型，与通常的并行计算图书相比具有以下特色：①从概念上明确算势与算力的联系与区别，强调在后摩尔时代背景下从潜在能力(算势)到实际能力(算力)的充分转化的重要性；②注重量化分析和理论推导，单列一章对计算性能模型和存储性能模型进行了介绍；③注重并行应用程序的设计，单列一章介绍并对比分析了共享存储编程和非共享存储编程的基本原理；④注重融会贯通，培养整体观念，分

本书图文并茂、通俗易懂，详细讲解常用的算法知识，又融入了大量的竞赛实例和解题技巧，可帮助读者熟练应用各种算法解决实际问题。 本书总计9章。第1章讲解C++基础知识，涉及语法、数组、字符串、结构体和指针；第2章带读者感受算法之美，涉及算法复杂度、函数和递归；第3章讲解线性表的应用，涉及顺序表、链表、栈和队列，以及STL中的常用函数和容器；第4章讲解树的应用，涉及树、二叉树、二叉树遍历、哈夫曼树和二叉搜索树；第5章讲解图论基础，涉及图的存储和图的遍历；第6章带读者进行算法入门，涉及贪心算法和分治算法

本书主要涉及智能供应链优化领域的算法理论知识与行业实践案例，涵盖了供应链管理的基础内容，通过实际案例具象化介绍如何运用运筹优化算法解决企业遇到的供应链管理问题，并详细阐述了各个案例的问题产生背景、建模过程、算法设计、求解代码。其中，案例按照供应链规划、计划和执行三个维度组织，规划篇从点到线再到面，逐步讲述了供应链网络的设计过程；计划篇以商品为对象，按照其从入库、在库到出库的不同存在形式，分别描述了入库前的品类规划、在库时的库存管理、出库后的包裹计划；执行篇则聚焦于供应链组成要素的日常运营过程，讲

《机器视觉检测与识别技术及应用：基于深度学习》致力于深入剖析机器视觉检测与识别技术的内在机理、实用策略及其多元化应用，旨在为读者搭建起一个坚实而全面的理论知识与实践经验的桥梁。内容涉猎广泛，既涵盖图像处理、特征提取、目标检测，又深入探索图像分割、人脸识别、物体识别等，从基础概念到高级算法，全面又深入。在深度解读各个主题的同时，本书注重理论与实践的紧密结合，相关章节均配以典型的案例分析，展示这些技术在现实场景中的具体应用。通过阅读本书，读者将深入理解机器视觉技术的运作原理，并学会如何将这些技

本书以Altera公司全新推出的Quartus Prime 18.1为设计平台，结合大量的实例来介绍基于Verilog HDL的FPGA/CPLD数字系统的设计方法。本书由浅入深地介绍了采用Quartus Prime 18.1进行数字系统开发的设计流程、设计思想和设计技巧。书中实例丰富，既有简单的数字逻辑电路实例、数字系统设计实例，也有复杂的数字控制系统设计实例。

本书介绍了超级计算机算力和AI算力的异同，从CPU流水线开始，描述主要的众核处理器架构和功能部件设计。在GPU和NPU等加速器部分，介绍了GPU为何能从单纯的图形任务处理器变成通用处理器。GPU在设计逻辑、存储体系、线程管理，以及面向AI的张量处理器方面成为最近几年全世界科技行业最瞩目的明星。本书对华为等厂商推出的NPU芯片设计也做了架构描述，中国也拥有独立自主知识产权的高算力芯片，并且支持多芯片、高带宽互连。本书也回顾了近20年来主流的CPU、GPU芯片架构的特点，介绍了存储与互连总

本书系统地阐述了计算机视觉中NeRF（神经辐射场）技术与 3DGS（三维高斯喷溅）技术的背景、原理与细节。为了深入解读这两种技术如何在速度优化、质量优化、动态场景生成、弱条件生成等方面实现技术创新，本书对它们的核心技术问题与解决方案进行了分类讲解。另外，针对NeRF与3DGS在实际应用过程中可能遇到的挑战进行了深入的分析与讨论。本书旨在帮助读者全方位地理解与认识这两种正在快速发展的技术，并为其进一步的学习、研究以及三维视觉应用的实践提供坚实的基础。

本书基于PyTorch深度学习框架，结合计算机视觉中的主流任务，介绍了深度学习相关算法的计算机视觉上的应用。
本书主要内容分为两部分。第一部分为PyTorch框架使用的相关知识，以及计算机视觉和深度学习的入门知识。第二部分重点介绍深度学习在计算机视觉上的应用，包括：经典的深度卷积网络、深度注意力网络，以及基于自注意力的Transformer系列网络在图像分类中的应用；R-CNN系列、YOLO系列、SSD系列目标检测网络的算法思想及在目标检测中的应用；FCN、U-Net等全卷积网络在图像语义

在人工智能的浩瀚星空中，深度学习犹如一颗耀眼的明星，引领着计算机视觉技术的发展。《PyTorch深度学习与计算机视觉实践》带领读者领略深度学习在计算视觉领域的魅力，详解使用PyTorch 2.0进行计算机视觉应用实战的技巧。本书配套示例源码、PPT课件。
《PyTorch深度学习与计算机视觉实践》共分15章，内容包括深度学习与计算机视觉、PyTorch 2.0深度学习环境搭建、从0开始PyTorch 2.0、一学就会的深度学习基础算法、基于PyTorch卷积层的MNIST分类实战

本书是关于计算机算法基础的权威指南。在本书中，作者提示了计算机如何通过算法解决问题。读者将理解什么是计算机算法，如何描述它们，以及如何来评估它们。这些计算机算法将提供：利用计算机搜索信息的简单方式；解决各种排序问题的方法；利用有向无环图和最短路径法来解决基本问题的方法(可用于建模公路网络，任务间的依赖以及金融关系；解决字符串(例如DNA结构)问题的方法；密码学背后的基本原理；数据压缩的基础知识；以及甚至一些没有人能够理解如何在计算机上用相当长的时间来解决的问题。