2h演讲近140页PPT，这个NeurIPSTutorial真是超硬核的AI硬件教程(3)

深度神经网络概述；关键指标和设计目标；设计考量：CPU 和 GPU 平台；专用/特殊用途平台（ASICs）；Q&A；算法（DNN 模型）和硬件联合设计；其他平台；用于系统评价 DNN 处理器的工具；
从视频来看，Sze 教授十分严谨、细致地介绍了这一领域几乎所有的内容，非常适合在实际应用中需要了解各类硬件加速方法的研究者和开发者观看。机器之心对其中的主要内容进行了选编：
重点内容
演讲刚开始，Sze 教授回顾了深度学习的发展，并简要提到了一些主要的 DNN 模型。
随后，她介绍了评价模型在耗能方面的一些关键指标。她指出，指标体系实际上比人们想的要丰富和复杂得多。比如说，在评价模型的时候，要更多地关注到诸如延迟性（在交互式应用中）、能耗、硬件成本、灵活性和可扩展性等方面。

这些指标背后，都应当有具体可量化的目标。因此，在演讲中，Sze 教授将这些目标分解为多个实际的子任务目标，并量化了所需要经过的步骤和方法。并根据分解任务和分析后的结果提出应当进行优化的环节，以及具体的方法，整个讲解鞭辟入里。