本书为《网络综合布线系统工程技术实训教程》配套的实训指导书，也可作为短课时教材，在第2版的基础上修订而成。本书重点安排了9个实训单元，包括网络拓扑图的规划与设计实训、综合布线系统工程设计实训、综合布线工程配线端接技术实训、光纤熔接技术实训、综合布线工程安装施工技术实训、综合布线工程常见故障检测与维修技术实训、综合布线工程管理与竣工资料实训、电工配线端接技术实训及综合实训。本书作为专门的实训指导书，每个单元都包含了该实训项目的基本概念、基本操作方法、工程应用、实训设备、实训步骤等操作内容

根据中职院校的培养目标、培养特点和培养要求，本书由浅入深、全面系统地讲解综合布线的必备知识和实用技能。本书共9个项目，包括初识综合布线系统、认识综合布线产品、工作区子系统的设计与实施、配线子系统的设计与实施、干线子系统的设计与实施、电信间子系统的设计与实施、设备间子系统的设计与实施、进线间子系统和建筑群子系统的设计与实施，以及综合布线系统工程的测试与验收。为了让读者更好地巩固所学知识，本书为每个项目都配备了项目实训和课后习题。本书可作为中职院校信息技术类专业的教材，也可作为从事综合布线

本书以意法半导体公司新推出的基于ArmCortex-M0+的STM32G071MCU为硬件平台，以意法半导体公司的STM32CubeMX和Arm公司的KeilμVision(Arm版本)集成开发环境(以下简称Keil)为软件平台，以Cortex-M0+处理器结构、高级微控制总线结构、Cortex-M0+处理器指令集和应用、C语言应用开发、外设驱动与控制，以及RT-Thread操作系统为主线，由浅入深、由易到难地系统介绍了基于STM32G071MCU的32位嵌入式系统开发流程和实现方法。

本书深入浅出地介绍了如何从零开始一步步设计出一个入门级的CPU，以及在这个过程中应该掌握哪些知识、遵守哪些设计原则、规避哪些设计风险、可以使用哪些开发技巧。全书从逻辑上分为三个部分，第一部分(第1-3章)介绍产业界进行CPU研发的过程以及本地与远程FPGA实验平台、FPGA上板实现、Verilog应用实例等CPU设计中必要的基础知识。第二部分(第4-10章)从一个仅实现5条指令的单周期CPU设计开始，逐步引入流水线设计，添加指令，增加异常和中断的支持，并完成AXI总线接口、TLBMMU

本书以Linux发行版本Ubuntu为平台，用项目教学的方式进行介绍。全书共五个项目，分别介绍了嵌入式系统、计算器项目的设计与实现、基于ZigBee传输技术的无线QQ项目设计、基于STM32的温湿度监测系统，以及基于NB-IoT技术的智慧消防系统设计（课程实践部分），其中，项目一到项目四着重训练基础，项目五为课程的综合实践部分，本书图文并茂，内容深入浅出。 本书可作为高职高专院校相关专业的教材，同时可作为初学者学习Linux的一本入门书籍。

在生成式人工智能的时代，我们见证了模型推理对存储空间和计算能力的巨大需求，这对大语言模型和视觉生成模型的实际应用提出了前所未有的挑战。在这样的背景下，高效模型压缩和模型设计技术显得尤为重要，它们是降低模型计算和存储需求的关键，使得模型的快速部署和高效运行成为可能。本书系统地介绍了高效模型压缩和模型设计的方法，在编写上兼顾理论和实践。本书主体部分详细介绍了模型压缩的方法论，包括高效模块设计、模型剪枝、模型量化、模型二值化、神经网络架构搜索、知识蒸馏几大部分。另外，简要介绍了定制化硬件加速

本书由中科院计算所、软件所的专家学者倾心写就，以“图像风格迁移”应用为例，全面介绍智能计算系统的软硬件技术栈。第2版以大模型为牵引进行更新，第1章回顾人工智能、智能计算系统的发展历程，第2、3章在介绍深度学习算法知识的基础上增加了大模型算法的相关知识，第4章介绍深度学习编程框架PyTorch的发展历程、基本概念、编程模型和使用方法，第5章介绍编程框架的工作原理，第6章回顾深度学习所用的处理器结构从通用逐步走向专用的过程，第7章介绍深度学习处理器的体系结构应当如何应对大模型处理中的计算、

本书以鲲鹏智能计算为主线，共12章，分别为绪论、计算机与服务器、鲲鹏通用计算平台、鲲鹏openEuler操作系统、鲲鹏openGauss数据库、鲲鹏openLooKeng数据虚拟化引擎、鲲鹏云计算技术、鲲鹏应用迁移与开发、鲲鹏通用计算平台基础管理、openEuler操作系统及虚拟化应用实践、基于鲲鹏通用计算平台的Web实践，以及基于鲲鹏智能计算平台的深度学习案例实践。

本书内容简洁、技术实用，旨在帮助读者了解并熟悉鲲鹏智能计算的相关技术及应用。本书适合IT相关行业的专

本书共分为三个部分，分别为理论基础、实验和案例。这三个部分层层递进，介绍深度学习的基础知识与常用方法，全面细致地提供了深度学习的原理和在深度学习框架下的实践步骤。第一部分主要通过7个章节来介绍深度学习的基础知识，包括深度学习在不同领域的应用，不同深度学习框架的对比，以及机器学习、神经网络等方面的讲解。第二部分主要包括常用深度学习框架的基础讲解以及计算机视觉、自然语言处理、强化学习和可视化技术领域的一些实验讲解。第三部分则是提供8个案例，来介绍深度学习在图像分类、目标检测、目标识别、图像分割

本书共9章，主要内容有：深度学习模型性能评估、模型可视化、轻量级模型设计、模型剪枝、模型量化、迁移学习与知识蒸馏、自动化模型设计、模型优化与部署工具。