本书从硬件、软件、算法和通信4方面讲述一个智能系统完整的开发内容，主要包括智能系统相关背景、智能系统芯片、编译系统、操作系统、操作系统软件框架、应用软件开发、机器学习、深度学习推理框架和智能系统应用开发，从而让读者能够全面地学习一个智能系统所涉及的各方面知识点，便于从宏观方面理解智能系统。
本书适合计算机体系和智能体系的初学者，便于他们了解相关的知识点，以方便后期展开更加深入的学习。本书也适合已学习计算机体系相关课程的读者，方便这些读者对以前所学的知识点回顾、加深和集成，从而对智能系统有全面认识。
本书可以作为高等学校计算机科学与技术、人工智能、软件工程、自动化和电子工程等专业的教材和参考书，或供相关工程技术人员参考。

毕盛，华南理工大学计算机科学与工程学院副教授。主要从事智能嵌入式系统和机器人等方面的研究，涉及人工智能算法在嵌入式系统硬件上的实现及改进，从而实现智能感知、认知和互联技术在嵌入式平台上有效的部署实现。

第1章 智能系统概述
1.1 智能系统介绍
1.2 智能系统的组成
1.2.1 智能系统与硬件
1.2.2 智能系统与软件
1.2.3 智能系统与通信
1.2.4 智能系统与算法
1.3 智能系统发展及挑战
第2章 智能系统芯片
2.1 概述
2.1.1 芯片架构相关概念
2.1.2 智能系统涉及的芯片类型
2.2 常见芯片内核介绍
2.2.1 x86架构
2.2.2 ARM内核
2.2.3 RISC-V内核
2.2.4 MIPS内核
2.2.5 PowerPC内核
2.2.6 Xtensa架构
2.2.7 Alpha架构
2.2.8 龙芯内核
2.3 智能加速器和类脑芯片介绍
2.3.1 神经网络加速器
2.3.2 GPU图形加速器
2.3.3 DSP
2.3.4 ISP
2.3.5 FPGA
2.3.6 神经网络类脑芯片
2.4 芯片接口介绍
2.4.1 基本接口电路
2.4.2 存储模块
2.4.3 常见接口
2.5 芯片种类介绍
2.5.1 通用计算机系统
2.5.2 嵌入式微控制器
2.5.3 嵌入式微处理器
2.6 具体芯片案例介绍
2.6.1 鲲鹏芯片
2.6.2 昇腾芯片
2.6.3 Hi3861芯片
第3章 编译系统
3.1 编译系统概述
3.2 编译器
3.2.1 编译器流程说明
3.2.2 连接过程说明
3.3 常见编译器
3.3.1 GCC编译器介绍
3.3.2 LLVM编译器介绍
3.3.3 TVM编译器
3.3.4 方舟编译器
3.3.5 毕昇编译器
第4章 操作系统
4.1 操作系统概述
4.2 操作系统基础
4.2.1 操作系统内核架构
4.2.2 操作系统调用POSIX标准
4.2.3 进程管理
4.2.4 内存管理
4.2.5 操作系统调度
4.2.6 进程间通信
4.2.7 进程间同步
4.2.8 中断管理
4.2.9 时钟管理
4.2.10 文件系统
4.2.11 设备管理
4.3 Linux操作系统
4.3.1 常见Linux发行版
4.3.2 openEular操作系统
4.3.3 Linux系统
4.3.4 基于BootLoader方式的Linux系统启动
4.3.5 Linux内核
4.3.6 Linux驱动程序
4.3.7 Linux根文件系统
4.4 LiteOS操作系统
4.4.1 LiteOS-M操作系统
4.4.2 LiteOS-A操作系统
第5章 操作系统软件框架
5.1 Android系统
5.2 鸿蒙系统
5.2.1 鸿蒙系统架构介绍
5.2.2 鸿蒙系统开发介绍
5.3 ROS系统
5.3.1 ROS的特点
5.3.2 ROS架构
5.3.3 ROS系统主要内容
第6章 应用软件开发
6.1 程序开发
6.1.1 常见开发语言
6.1.2 常见开发环境
6.1.3 代码版本管理工具
6.2 网络通信介绍
6.2.1 常见无线通信方案
6.2.2 通信方案及协议
6.2.3 常见序列化协议
6.3 软件框架及常见组件
6.3.1 后端开发
6.3.2 前端开发
第7章 机器学习
7.1 人工智能与机器学习
7.1.1 人工智能概论
7.1.2 机器学习概论
7.1.3 机器学习常用的算法
7.1.4 机器学习度量指标
7.1.5 过拟合与欠拟合
7.2 深度学习介绍
7.2.1 深度学习框架
7.2.2 卷积神经网络处理流程
7.3 深度卷积神经网络
7.3.1 卷积神经网络结构
7.3.2 经典卷积神经网络介绍
7.4 深度循环神经网络
7.4.1 RNN
7.4.2 LSTM
7.4.3 GRU
7.5 其他深度学习网络
7.5.1 深度生成模型
7.5.2 图神经网络算法
7.5.3 词向量网络
7.5.4 深度强化学习
7.5.5 元学习
7.5.6 目标检测模型
7.5.7 语义图像分割模型
7.6 深度学习网络模型生成
7.6.1 训练平台
7.6.2 数据集制作
7.6.3 训练模型
第8章 深度学习推理框架
8.1 CPU优化相关技术
8.1.1 OpenMP技术
8.1.2 单指令多数据流
8.1.3 1×1标准卷积计算加速实例
8.2 深度学习推理引擎技术
8.2.1 编译器方案
8.2.2 基于芯片内核的优化方案
8.2.3 基于专用芯片的优化方案
8.2.4 深度学习算法改进方案
8.3 昇腾AI软件栈
8.3.1 昇腾AI软件栈总览
8.3.2 神经网络软件架构
8.3.3 流程编排器
8.3.4 数字视觉预处理
8.3.5 张量加速引擎
8.3.6 运行管理器
8.3.7 任务调度器
8.3.8 框架管理器
8.4 深度学习模型部署
第9章 智能系统应用开发
9.1 常见传感器系统
9.1.1 姿态传感器
9.1.2 激光传感器
9.1.3 视觉传感器
9.1.4 语音传感器
9.2 智能控制系统介绍
9.2.1 驱动控制系统
9.2.2 运动控制系统
9.2.3 任务控制系统
9.3 智能系统实例
9.3.1 数据集制作
9.3.2 目标检测模型MobileNet-SSD
9.3.3 模型部署
9.3.4 控制决策
参考文献