Deep Learning System & AI System
文字课程内容正在一节节补充更新，每晚会抽空继续更新正在 AISys ，希望您多多鼓励和参与进来！！！
文字课程开源在 AISys，系列视频托管B站和油管，PPT开源在github，欢迎取用！！！
非常希望您也参与到这个开源项目中，联系方式[Github Issues] 区留言哦
欢迎大家使用的过程中发现bug或者勘误直接提交PR到开源社区哦
项目背景
这个开源项目英文名字叫做 Deep Learning System 或者 AI System(AISys)，中文名字叫做 深度学习系统 或者 AI系统。
本开源项目主要是跟大家一起探讨和学习人工智能、深度学习的系统设计，而整个系统是围绕着 ZOMI 在工作当中所积累、梳理、构建 AI 系统全栈的内容。希望跟所有关注 AI 开源项目的好朋友一起探讨研究，共同促进学习讨论。
课程内容大纲
课程主要包括以下五大模块：
第一部分，AI基础知识和AI系统的全栈概述的AI系统概述，以及深度学习系统的系统性设计和方法论，主要是整体了解AI训练和推理全栈的体系结构内容。
第二部分，硬核篇介绍AI芯片，这里就很硬核了，从芯片基础到AI芯片的范围都会涉及，芯片设计需要考虑上面AI框架的前端、后端编译，而不是停留在天天喊着吊打英伟达，被现实打趴。
第三部分，进阶篇介绍AI编译器原理，将站在系统设计的角度，思考在设计现代机器学习系统中需要考虑的编译器问题，特别是中间表达乃至后端优化。
第四部分，实际应用推理系统，讲了太多原理身体太虚容易消化不良，还是得回归到业务本质，让行业、企业能够真正应用起来，而推理系统涉及一些核心算法和注意的事情也分享下。
第五部分，介绍AI框架核心技术，首先介绍任何一个AI框架都离不开的自动微分，通过自动微分功能后就会产生表示神经网络的图和算子，然后介绍AI框架前端的优化，还有最近很火的大模型分布式训练在AI框架中的关键技术。
第六部分，汇总篇介绍大模型，大模型是全栈的性能优化，通过最小的每一块AI芯片组成的AI集群，编译器使能到上层的AI框架，中间需要大量的集群并行、集群通信等算法在软硬件的支持。
课程设立目的
本课程主要为本科生高年级、硕博研究生、AI系统从业者设计，帮助大家：
-
完整了解AI的计算机系统架构，并通过实际问题和案例，来了解AI完整生命周期下的系统设计。
-
介绍前沿系统架构和AI相结合的研究工作，了解主流框架、平台和工具来了解AI系统。
先修课程: C++/Python，计算机体系结构，人工智能基础
课程部分
一. AI系统概述
| 编号 | 名称 | 具体内容 |
|---|---|---|
| 1 | AI 系统 | 算法、框架、体系结构的结合，形成AI系统 |
二. AI芯片体系结构
| 编号 | 名称 | 具体内容 |
|---|---|---|
| 1 | AI 计算体系 | 神经网络等AI技术的计算模式和计算体系架构 |
| 2 | AI 芯片基础 | CPU、GPU、NPU等芯片体系架构基础原理 |
| 3 | 图形处理器 GPU | GPU的基本原理，英伟达GPU的架构发展 |
| 4 | 英伟达 GPU 详解 | 英伟达GPU的TensorCore、NVLink深度剖析 |
| 5 | 国外 AI 处理器 | 谷歌、特斯拉等专用AI处理器核心原理 |
| 6 | 国内 AI 处理器 | 寒武纪、燧原科技等专用AI处理器核心原理 |
三. AI编译原理
| 编号 | 名称 | 具体内容 |
|---|---|---|
| 1 | 传统编译器 | 传统编译器GCC与LLVM，LLVM详细架构 |
| 2 | AI 编译器 | AI编译器发展与架构定义，未来挑战与思考 |
| 3 | 前端优化 | AI编译器的前端优化(算子融合、内存优化等) |
| 4 | 后端优化 | AI编译器的后端优化(Kernel优化、AutoTuning) |
| 5 | 多面体 | 待更ing... |
| 6 | PyTorch2.0 | PyTorch2.0最重要的新特性：编译技术栈 |
四. AI推理系统
| 编号 | 名称 | 具体内容 |
|---|---|---|
| 1 | 推理系统 | 推理系统整体介绍，推理引擎架构梳理 |
| 2 | 轻量网络 | 轻量化主干网络，MobileNet等SOTA模型介绍 |
| 3 | 模型压缩 | 模型压缩4件套，量化、蒸馏、剪枝和二值化 |
| 4 | 转换&优化 | AI框架训练后模型进行转换，并对计算图优化 |
| 5 | Kernel优化 | Kernel层、算子层优化，对算子、内存、调度优化 |
五. AI框架核心技术
| 编号 | 名称 | 具体内容 |
|---|---|---|
| 1 | AI框架基础 | AI框架的作用、发展、编程范式 |
| 2 | 自动微分 | 自动微分的实现方式和原理 |
| 3 | 计算图 | 计算图的概念，图优化、图执行、控制流表达 |
六. 大模型训练
待整理...(2023.07.15)
| 编号 | 名称 | 具体内容 |
|---|---|---|
| 4 | 分布式集群 | AI集群服务器架构、软硬件通信方式 |
| 5 | 分布式算法 | 大模型挑战，Transformer和MOE结构的大模型 |
| 6 | 分布式并行 | 数据并行、模型并行、混合并行的原理和策略 |
贡献者
备注
这个仓已经到达疯狂的8G啦（ZOMI把所有制作过程、高清图片都原封不动提供），如果你要git clone会非常的慢，因此建议到 Releases · chenzomi12/DeepLearningSystem 来下载你需要的内容。