本书为高等学校理工类专业人工智能通识课程教材，共十章内容，主要包括：第一章人工智能概述，介绍人工智能领域的发展过程，分析人工智能核心三要素的重要性，介绍未来发展趋势。第二章了解华为昇腾，全方面介绍华为昇腾的软硬件情况及软件开发环境。第三章Python编程基础，介绍基本的Python编程知识。第四章机器学习基础实验，介绍机器学习基础知识，实践经典的机器学习方法：k近邻分类器实验，SVM分类器实验，线性回归实验。第五章深度学习基础实验，介绍深度学习基础理论，进行基础实验：梯度下降实验，多层感知器实验，基础BP网络实验。第六章智能语音处理实验，介绍智能语音处理基础知识，进行典型智能语音处理实验：智能语音识别实验，智能语音合成实验。第七章自然语言处理实验，介绍自然语言处理基础知识，进行典型自然语音处理实验：机器翻译实验，文本分类实验，智能问答实验。第八章计算机视觉实验，介绍计算机视觉基础知识，进行典型计算机视觉实验：图像语义分割实验，图像目标检测实验，图像文本生成实验。第九章大语言模型部署实验，进行大模型部署实验。第十章智能语音助手系统实验，综合智能语音处理技术以及自然语言处理技术进行智能语音助手系统开发的综合性实验。 本书可作为高等学校理工类专业人工智能通识课程教材，也可供相关专业工程技术人员学习参考。

陈璞花，西安电子科技大学人工智能学院副教授，硕士生导师。2009年7月获得电子科技大学环境工程专业学士学位，2016年12月获得西安电子科技大学电路与系统专业博士学位，2017年2月留校任教。目前为人工智能与模式识别研究所骨干成员，智能感知与图像处理教育部重点实验室骨干成员，智能感知与计算国际联合研究中心骨干成员，智能感知与计算国际合作联合实验室骨干成员，教育部"长江学者支持计划”创新团队骨干成员，国家"111”计划智能信息处理创新引智基地骨干成员，陕西省大数据智能感知与计算2011协同创新中心骨干成员。主要研究方向为机器学习、模式识别、智能影像解译等。担任IEEE Transactions on Neural Networks and Learning Systems, IEEE Transactions on Geoscience Remote Sensing, ISPRS Journal of Photogrammetry and Remote Sensing等国际著名期刊审稿人。主持国家级、省部级项目5项，主持及参与企业院校合作项目10余项，主持及参与校级教改类、科研类项目10余项。发表国际高水平论文六十余篇，申请及授权八十余项国家发明专利。西安电子科技大学本科课程《人工智能概论》通识课负责人，《智能信息感知技术》专业课负责人，出版人工智能领域教材4部，建设大学生mooc《人工智能导论》。

第1章 人工智能概述 1
1.1 人工智能发展历史及现状 1
1.1.1 人工智能发展历史 1
1.1.2 人工智能领域现状 4
1.1.3 人工智能发展伦理法律现状 7
1.2 人工智能三要素 8
1.2.1 数据：人工智能的燃料 8
1.2.2 算法：人工智能的发动机 9
1.2.3 算力：人工智能的动力引擎 10
1.3 人工智能未来发展趋势 10
1.4 本章小结 12

第2章 了解华为昇腾 13
2.1 华为昇腾生态简介 13
2.1.1 昇腾生态的定位与目标 13
2.1.2 华为昇腾生态：构建全栈全
场景AI产业基石 13
2.1.3 技术底座：从芯片到场景的
全栈贯通 18
2.1.4 生态协同：开放体系激活
产业创新 20
2.2 华为昇腾系列芯片 21
2.2.1 华为芯片架构 21
2.2.2 华为芯片基本型号及特点 22
2.3 如何进行华为昇腾算法开发 24
2.3.1 基于昇腾的算法开发流程 24
2.3.2 软件安装流程 30
2.4 本章小结 44


第3章 Python编程
基础 35
3.1 Python 编程基础语法 35
3.1.1 基本语法结构 35
3.1.2 常用运算符 36
3.1.3 输入与输出 37
3.1.4 其他实用内置函数 38
3.1.5 模块和导入 38
3.1.6 数字处理技巧 38
3.1.7 文件操作 38
3.1.8 类和对象 39
3.1.9 异常处理 39
3.2 Python流程控制 40
3.2.1 条件控制语句 40
3.2.2 循环控制语句 41
3.2.3 循环控制关键字 41
3.2.4 嵌套循环 42
3.2.5 pass语句 42
3.2.6 综合示例 42
3.3 Python数据结构 43
3.3.1 列表数据表示 43
3.3.2 元组数据表示 44
3.3.3 字典数据表示 45
3.3.4 集合数据表示 46
3.3.5 字符串数据表示 47
3.3.6 其他数据结构操作 49
3.4 Python常用库 50
3.4.1 数据处理与分析库 50
3.4.2 数据可视化库 51
3.4.3 机器学习与深度学习库 52
3.4.4 其他实用库 57
3.5 本章小结 58

第4章 机器学习基础
实验 59
4.1 机器学习基础理论 59
4.1.1 机器学习的概念及方法 60
4.1.2 机器学习的评价方法 62
4.2 K近邻分类器实验 65
4.2.1 方法简介 65
4.2.2 实验目的及内容 66
4.2.3 核心代码解析 66
4.2.4 实验结果记录与分析 68
4.3 SVM分类器实验 70
4.3.1 方法简介 70
4.3.2 实验目的及内容 70
4.3.3 核心代码解析 71
4.3.4 实验结果记录与分析 77
4.4 线性回归实验 78
4.4.1 方法简介 78
4.4.2 实验目的及内容 78
4.4.3 核心代码解析 78
4.4.4 实验结果分析 81
4.5 本章小结 82

第5章 深度学习基础
实验 83
5.1 深度学习基础理论 83
5.1.1 神经网络基础知识 84
5.1.2 神经网络核心知识 86
5.2 梯度下降实验 91
5.2.1 方法简介 91
5.2.2 实验目的及内容 92
5.2.3 核心代码解析 92
5.2.4 实验结果记录与分析 98
5.3 感知机实验 98
5.3.1 方法简介 98
5.3.2 实验目的及内容 99
5.3.3 核心代码解析 99
5.3.4 实验结果记录与分析 103
5.4 基础BP网络实验 104
5.4.1 方法简介 104
5.4.2 实验目的及内容 106
5.4.3 核心代码解析 106
5.4.4 实验结果分析 111
5.5 本章小结 112

第6章 智能语音处理
实验 113
6.1 智能语音处理基础理论 113
6.1.1 智能语音预处理操作 114
6.1.2 智能语音处理典型任务 116
6.2 智能语音识别实验 120
6.2.1 方法简介 120
6.2.2 实验目的及内容 122
6.2.3 核心代码解析 123
6.2.4 实验结果分析 125
6.3 智能语音合成实验 127
6.3.1 方法简介 127
6.3.2 实验目的及内容 129
6.3.3 核心代码解析 130
6.3.4 实验结果分析 135
6.4 本章小结 136

第7章 自然语言处理
实验 137

7.1 自然语言处理基础理论 137
7.1.1 语言模型基础知识 138
7.1.2 自然语言处理典型任务 141
7.2 机器翻译实验 143
7.2.1 方法简介 144
7.2.2 实验目的与内容 146
7.2.3 核心代码解析 147
7.2.4 实验结果分析 157
7.3 文本情感分类实验 158
7.3.1 方法简介 158
7.3.2 实验目的及内容 160
7.3.3 核心代码解析 161
7.3.4 实验结果记录与分析 164
7.4 智能问答实验 165
7.4.1 方法简介 165
7.4.2 实验目的及内容 166
7.4.3 核心代码解析 167
7.4.4 实验结果分析 171
7.5 本章小结 172

第8章 计算机视觉
实验 173
8.1 计算机视觉基础理论 173
8.1.1 计算机视觉知识 174
8.1.2 计算机视觉典型任务 176
8.2 图像语义分割实验 181
8.2.1 方法简介 181
8.2.2 实验目的及内容 182
8.2.3 核心代码解析 182
8.2.4 实验结果分析 185
8.3 图像目标检测实验 186
8.3.1 方法简介 186
8.3.2 实验目的及内容 186
8.3.3 核心代码解析 186
8.3.4 实验结果分析 190
8.4 图像文本识别实验 190
8.4.1 方法简介 191
8.4.2 实验目的及内容 191
8.4.3 核心代码解析 192
8.4.4 实验结果分析 201
8.5 本章小结 202

第9章 大模型部署
实验 203
9.1 大模型关键技术 203
9.1.1 模型基本架构 203
9.1.2 模型预训练 205
9.1.3 模型微调 207
9.2 大语言模型的部署要点 209
9.2.1 大语言模型的基本特点 209
9.2.2 模型部署的挑战 210
9.2.3 模型部署的前置条件 210
9.2.4 部署模式对比 211
9.3 大语言模型的部署流程 211
9.3.1 开发平台 212
9.3.2 环境配置 214
9.3.3 模型加载与执行 215
9.4 大语言模型的应用案例 217
9.4.1 关联DeepSeek-R1模型 217
9.4.2 智能体提示词设计 218
9.4.3 智能体测试代码 218
9.4.4 测试示例与结果 220
9.5 本章小结 222

第10章 智能语音助手系统
实验 223
10.1 系统架构设计 223
10.1.1 智能语音助手系统架构 223
10.1.2 系统前端交互层 224
10.1.3 核心处理层 224
10.1.4 后端服务层 224
10.1.5 硬件适配层 225
10.2 核心模块代码解析 225
10.2.1 语音助手核心模块概述 225
10.2.2 语音识别模块 226
10.2.3 自然语言处理模块 227
10.2.4 对话管理模块 228
10.2.5 语音合成模块 229
10.3 硬件部署环节解析 230
10.3.1 硬件部署简介 230
10.3.2 模型部署类型 230
10.4 系统测试 231
10.4.1 系统测试的必要性 231
10.4.2 系统测试分析 232
10.5 本章小结 233