"《智能计算系统——从软件框架到硬件实现（微课视频版）》系统梳理了从高层框架到底层硬件的完整技术栈，全面剖析智能计算软硬件协同体系。 全书共7章：第1章构建系统整体认知框架，奠定理论与结构基础；第2章解析主流框架（如 PyTorch、TensorFlow）及中间表示（TorchScript、ONNX）；第3章讲解编译器体系（重点为 TVM 与 LLVM 集成）；第4章探讨算法库的设计与性能优化；第5章系统介绍运行时、驱动与底层机制；第6章聚焦底层硬件架构（GPU/NPU、互连、PIM 等）；第7章涵盖调试与性能分析工具与方法。 通过理论与架构细节并重的方式，《智能计算系统——从软件框架到硬件实现（微课视频版）》构建了框架→中间表示→编译器→算法库→运行时→驱动与固件→硬件的完整闭环，旨在帮助读者掌握智能计算系统全栈设计与优化能力。 《智能计算系统——从软件框架到硬件实现（微课视频版）》可作为学习智能计算系统开发与维护、算法优化与模型部署、芯片与加速器架构的参考书，也可作为高等院校人工智能、计算机、电子信息等专业的教材，还可供研究人工智能方向的专业研究人员和工程技术人员阅读。 "

前言 一、 为什么要写本书 随着人工智能特别是深度学习技术的广泛应用，AI 系统的复杂性正在不断提高。以往，模型训练往往是开发者关注的核心，但如今，如何将模型高效、稳定、安全地部署到不同平台上，如何在多种硬件环境中调度资源、优化性能，已成为深度学习工程中的关键课题。 深度学习的系统运行涉及从框架前端到中间表示、从编译器到运行时、从驱动固件到底层硬件架构的多层协同。过去相关 图书往往偏重某一层： 要么聚焦算法和模型训练，忽略系统实现； 要么介绍某一类工具的用法，缺乏系统观和底层机制解释。这种割裂使得许多读者在学习与实践中面临“模型能训练，系统难落地”的困境。 本书旨在打破这一割裂，构建一条完整的深度学习系统技术路径。作者从最常见的深度学习框架出发，逐步深入编译优化、运行时调度、底层驱动、异构硬件与性能分析，力图让读者建立起一套贯穿“从模型到硬件”的系统化理解。 二、 内容特色 1. 全栈贯通，体系完整 本书围绕深度学习系统的五大核心层次： 框架前端→中间表示与编译器→算法库→运行时系统与驱动→硬件平台，搭建出一条完整的技术路径，帮助读者理解深度学习模型在不同系统层之间的流动与执行机制。 2. 聚焦实践，注重工程性 作者长期从事AI平台系统研发与优化，书中大量内容来自实际工程项目积累与总结。全书注重理论与实践结合，配有典型系统架构图、模块流程图和性能优化方法，可直接指导读者在开发中应用。 3. 覆盖主流，紧跟发展 书中涵盖PyTorch、TensorFlow、开放式神经网络交换（Open N...