术语表(DONE)#
术语表(Glossary),本词汇表包含与 AI 系统相关的词汇和定义。
A#
英文 |
中文 |
缩写 |
---|---|---|
Artificial Intelligence |
人工智能 |
AI |
Activation |
激活函数 |
|
Amdahl's Law |
阿姆达尔定律 |
|
Accounting |
计数 |
|
Action |
动作 |
|
Actor |
采样器 |
|
API Remoting |
应用程序编程接口远程处理 |
|
Accuracy |
准确度 |
|
Addictive Increase |
加性增加 |
|
Agent |
智能体 |
|
Artificial Neural Network |
人工神经网络 |
|
Application-Specific Integrated Circuit |
专用集成电路 |
ASIC |
Accelerator |
加速器 |
|
Artificial Intelligence |
人工智能 |
AI |
Allocation |
分配 |
|
Adversarial Training |
对抗训练 |
|
Automatic Feature Engineering |
自动特征工程 |
|
Adaptive Bit Rate |
比特率自适应 |
ABR |
Attention |
注意力机制 |
|
AutoML |
自动机器学习 |
|
Automatic Differentiation |
自动微分 |
|
AIOps |
智能运维 |
|
Agile Chip Development |
敏捷芯片开发 |
|
Address Coalescing |
地址合并 |
B#
英文 |
中文 |
缩写 |
---|---|---|
Batch |
批次 |
|
Batch Size |
批尺寸 |
|
Batch Job |
批处理作业 |
|
Bias |
偏移参数 |
|
Back Propagation |
反向传播 |
|
Batch Normalization |
批归一化 |
|
Block |
块 |
|
Bin Packing |
装箱 |
|
Bus |
总线 |
|
Behavior Policy |
行为策略 |
|
Bundled Mode |
捆绑模式 |
|
Benchmarks |
系统评测 |
|
Big Data System |
大数据系统 |
|
Branch Prediction |
分支预测 |
C#
英文 |
中文 |
缩写 |
---|---|---|
Classification |
分类 |
|
CrossEntropy |
交叉熵损失函数 |
|
Convolutional Neural Network |
卷积神经网络 |
CNN |
Convolution |
卷积 |
|
Convolution Layer |
卷积层 |
|
Control |
控制 |
|
Control Groups |
控制组 |
cgroups |
Caching |
缓存 |
|
Cache Line |
缓存线 |
|
Cache Misses Rate |
缓存未命中率 |
|
Cached Allocator |
缓存分配器 |
|
Channel Number |
通道数 |
|
Container |
容器 |
|
Click-through Prediction |
点击率预测 |
|
Collective Communication |
集体式通信 |
|
Confidence Interval |
置信区间 |
|
Congestion Control |
拥塞控制 |
|
Compute-Bound |
计算受限 |
|
Code Completion |
代码自动补全 |
|
Code Snippet |
代码片段 |
|
Cursor-Following |
光标跟随 |
|
Code Refactoring |
代码重构 |
|
Computation Graph |
计算图 |
|
Cell |
单元格 |
|
Control Plane Components |
控制平面组件 |
|
Continuous Integration |
持续集成 |
CI |
Continuous Delivery |
持续交付 |
CD |
Confusion Matrix |
混淆矩阵 |
|
Cost-Effective |
成本效益 |
|
Context Switching |
上下文切换 |
|
Floorplanning |
布图规划 |
|
Code Version Control |
代码版本管理 |
|
Code Book |
代码书 |
|
Copy on Write |
写时复制 |
|
Constraint Satisfaction Problem |
约束满足问题 |
D#
英文 |
中文 |
缩写 |
---|---|---|
Data Flow Graph |
数据流图 |
DFG |
Deep Learning |
深度学习 |
|
Deep Learning System |
深度学习系统 |
|
Deployment |
部署 |
|
Deep Neural Network |
深度神经网络 |
DNN |
Dropout |
丢弃法 |
|
Dropout Rate |
丢弃率 |
|
Data Augmentation |
数据增强 |
|
Defect Tolerance |
缺陷容忍 |
|
Dimension |
维度 |
|
Docker Hub |
镜像中心 |
|
Direct GPU Pass-Through |
直接 GPU 直通 |
|
Device Emulation |
设备仿真 |
|
Device |
设备 |
|
Data Privacy |
数据隐私 |
|
Decoder |
解码器 |
|
Deep Neural Network |
深度神经网络 |
|
Deallocation |
释放 |
|
Deterministic Policy |
决定性策略 |
|
Distilation |
蒸馏 |
|
Distributed Reinforcement Learning |
分布式强化学习 |
|
Data-Parallelism |
数据并行 |
|
Data Driven |
数据驱动 |
|
Debugging |
调试 |
|
Development Experience |
开发体验 |
|
Directly Responsible Individuals |
直接责任人 |
|
Dissaggregation |
分解 |
|
Dissaggregation Memory |
分解内存 |
|
Domain Expert |
领域专家 |
|
Dependability |
可靠性 |
E#
英文 |
中文 |
缩写 |
---|---|---|
Early Stop |
早停法 |
|
Edge |
边缘 |
|
Edge Device |
端侧设备 |
|
Ensemble Learning |
集成学习 |
|
Environment |
环境 |
|
Evict |
驱逐 |
|
Error Correction Code |
纠错码 |
ECC |
Encoding |
编码 |
|
Encodder |
编码器 |
|
Ensemble |
融合 |
|
Emitter |
发射器 |
|
Exploration |
探索 |
|
Exploit |
利用 |
|
Edge |
边缘 |
|
Enhanced Security |
增强的安全性 |
|
Economy of Scale |
规模经济 |
|
Exokernel |
外核 |
F#
英文 |
中文 |
缩写 |
---|---|---|
Feasible Region |
可行域 |
|
Fit |
拟合 |
|
Forward Calculation |
前向计算 |
|
Forward Propagation |
前向传播 |
|
Full Connection Layer |
全连接层 |
|
Flexibility |
灵活性 |
|
Floorplanning |
布图规划 |
|
Flow Control |
流量控制 |
|
Fusion |
融合 |
|
Fragmentation |
碎片 |
|
Field-Programmable Gate Array |
现场可编程门阵列 |
|
Forward Propagation |
前向传播 |
|
Fault Injection |
缺陷注入 |
|
Fuzzing |
模糊测试 |
|
Fault |
故障 |
|
Floating-point |
浮点数 |
|
Fixed-point |
定点数 |
G#
英文 |
中文 |
缩写 |
---|---|---|
Gradient |
梯度 |
|
梯度下降 |
GD |
|
GPU |
图形处理器 |
|
Gaussian Process |
高斯过程 |
GP |
Geometric |
几何 |
H#
英文 |
中文 |
缩写 |
---|---|---|
High Performance Computing |
高性能计算 |
HPC |
High Throughput |
高吞吐 |
|
High Efficiency |
高效率 |
|
Hyper-parameters Optimization |
超参数优化 |
|
Heterogeneous hardware |
异构硬件 |
|
Hotfix |
热修复 |
|
Heartbeat |
心跳机制 |
|
Huffman Encoding |
霍夫曼编码 |
I#
英文 |
中文 |
缩写 |
---|---|---|
Input |
输入 |
|
Inference |
推理 |
|
Inference System |
推理系统 |
|
Input Layer |
输入层 |
|
Introspective |
内省 |
|
Instruction Set Architecture |
指令集架构 |
ISA |
Image |
镜像 |
|
Intermediate Representation |
中间表达 |
IR |
Integrated Development Environment |
集成开发环境 |
IDE |
Intellisense |
智能感知 |
|
Intelligent Code Completion |
智能代码完成 |
|
Imperative Execution |
命令式执行 |
|
Incremental Scheduling |
增量调度 |
|
Incident |
事件 |
J#
英文 |
中文 |
缩写 |
---|---|---|
Job |
作业 |
|
Just In Time Compiling |
即时编译 |
K#
英文 |
中文 |
缩写 |
---|---|---|
Kernel |
内核 |
|
Knowledge Distillation |
知识精炼 |
|
Kernel Bypassing |
内核旁路 |
L#
英文 |
中文 |
缩写 |
---|---|---|
Latency |
延迟 |
|
Learning Performance |
学习性能 |
|
Loss Function |
损失函数 |
|
Loss |
损失函数的值 |
|
Long Short-term Memory |
长短时记忆 |
LSTM |
Locality |
局部性 |
|
Linear Algebra |
线性代数 |
|
Loop |
循环 |
|
Linux Containers |
Linux 容器 |
LXC |
Life Cycle |
生命周期 |
|
Label |
标签 |
|
Low Latency |
低延迟 |
|
Long Tail Traffic |
长尾延迟 |
|
Locality |
局部性 |
|
Low-Rank Factorization |
低秩分解 |
|
Load Balance |
负载均衡 |
LB |
Learner |
学习器 |
|
Logistic Regression |
逻辑回归 |
LR |
Learning Curve |
学习曲线 |
|
Learning Rate |
学习率 |
|
Layering |
层次化 |
|
Library Operating Systems |
库操作系统 |
LibOS |
Live-variable Analysis |
存活变量分析 |
M#
英文 |
中文 |
缩写 |
---|---|---|
Machine Learning Model |
机器学习模型 |
|
Machine Learning System |
机器学习系统 |
|
Model Zoo |
模型动物园 |
|
MSE |
均方差损失函数 |
|
Moore's law |
摩尔定律 |
|
Memory Hierarchy |
内存层级结构 |
|
Maximum Payload |
最大有效载荷 |
|
Multi-Tenancy |
多租户 |
|
Mediated Pass-Through |
中介直通 |
|
Model Compression |
模型压缩 |
|
Model Selection |
模型选择 |
|
Model Space |
模型空间 |
|
Multiplicative Decrease |
乘性减少 |
|
Mobile |
移动端 |
|
Model Size |
模型尺寸 |
|
Model Compression |
模型压缩 |
|
Model Quantization |
模型量化 |
|
Multiply–Accumulate Operation |
乘积累加运算 |
MAC |
Multilayer Perceptron |
多层感知器 |
|
Micro-Batch |
微批次 |
|
Model-Parallelism |
模型并行 |
|
Memory-Bound |
内存受限 |
|
Multiple Instruction Multiple Data |
多指令流多数据流 |
MIMD |
Multiply Accumulate |
乘加运算 |
MAC |
Monolithic |
单片 |
|
Modularity |
模块化 |
|
Moore's law |
摩尔定律 |
|
Max Thermal Design Power |
最大热设计功率 |
|
Multiprocessing |
多道处理 |
|
Multithreading |
多线程 |
|
Microkernel |
微内核 |
|
Microkernelification |
微内核化 |
N#
英文 |
中文 |
缩写 |
---|---|---|
Neural Net |
神经网络 |
NN |
Namespace |
命名空间 |
|
Neural Architecture Search |
神经网络结构搜索 |
NAS |
Non-Deterministic Policy |
非决定性策略 |
|
Neural Language Model |
神经语言模型 |
NLM |
O#
英文 |
中文 |
缩写 |
---|---|---|
Optimizer |
梯度下降优化器、优化算法 |
|
Over Fitting |
过拟合 |
|
Output Layer |
输出层 |
|
Output |
输出 |
|
Operating System |
操作系统 |
|
Online Service |
在线服务 |
|
Operator |
算子 |
|
On-Chip Memory |
片上存储器 |
|
Online Service |
在线服务 |
|
On-Premises Deployment |
本地部署 |
|
Opportunistic Job |
机会任务 |
|
On-Call |
候命 |
|
Offloading |
卸载 |
|
Open Instruction Sets |
开放的指令集 |
|
Out-of-order Execution |
乱序执行 |
P#
英文 |
中文 |
缩写 |
---|---|---|
Pooling |
池化 |
|
Pooling Layer |
池化层 |
|
Policy |
策略 |
|
Prefetch |
预取 |
|
Parallelism |
并行性 |
|
Precision Calibration |
精度校准 |
|
Parameter Pruning |
参数裁剪 |
|
Pruning |
剪枝 |
|
Parser |
解析器 |
|
Power Consumption |
功耗 |
|
Parameter Server |
参数服务器 |
|
Peer-to-Peer Communication |
点对点通信 |
|
Pipeline-Parallelism |
流水并行 |
|
Pipeline Stage |
流水阶段 |
|
Perceptron |
感知机 |
|
Performance |
表现 |
|
Performance/Watt |
性能每瓦特 |
|
Performance/TCO |
性能每总计拥有成本 |
|
Packge Management System |
包管理器系统 |
|
Pay-as-You-Go |
按需付费 |
Q#
英文 |
中文 |
缩写 |
---|---|---|
Quantization |
量化 |
|
Queries Per Second |
每秒查询数 |
QPS |
Q Network |
Q 网络 |
|
Quality of Experience |
体验指标 |
QoE |
R#
英文 |
中文 |
缩写 |
---|---|---|
Raw Dataset |
原始数据集 |
|
Random Forest |
随机森林 |
|
Reinforcement Learning |
强化学习 |
RL |
Reliability |
可靠性 |
|
Regularization |
正则化 |
|
Recurrent Neural Network |
循环神经网络 |
RNN |
Regression |
回归 |
|
Reliability |
可靠性 |
|
Request |
请求 |
|
Replica |
副本 |
|
Remote Procedure Call |
远程过程调用 |
RPC |
Reward |
奖励 |
|
Replay Buffer |
重放缓冲区 |
|
Runtime |
运行期 |
|
Rule Of The Thumb |
经验法则 |
|
Randomly Accessed Pages |
随机访问磁盘页 |
|
Redundancy |
冗余 |
S#
英文 |
中文 |
缩写 |
---|---|---|
Scheduling |
调度 |
|
Search Space |
搜索空间 |
|
Service-Level Agreement |
服务等级协议 |
SLA |
Seq2Seq |
序列到序列 |
|
Scalability |
可扩展性 |
|
SGD |
随机梯度下降 |
|
Single Instruction Multiple Data |
单指令多数据流 |
SIMD |
Spatially Expanded Network |
空间扩展网络 |
|
Stream |
流 |
|
State |
状态 |
|
Shape Inference |
形状推导 |
|
Sparsity |
稀疏性 |
|
Sample |
样本 |
|
Sub-Second |
次秒 |
|
Supervised Learning |
有监督学习 |
SL |
Space |
空间 |
|
Sharing |
共享 |
|
Spatial locality |
空间局部性 |
|
System Call |
系统调用 |
|
Systematic |
系统的 |
|
Syntax Highlighting |
语法高亮 |
|
Program Synthesis |
程序综合 |
|
Symbolic Execution |
符号执行 |
|
Scheduler Extender |
调度器扩展 |
|
Scheduler |
调度器 |
|
Single Instruction Multiple Threads |
单指令多线程 |
SIMT |
Side Effect |
副作用 |
|
Systolic Array |
脉动阵列 |
|
Separation of Concerns |
关注点分离 |
|
Slowdown |
减速 |
|
Shutdown |
停止 |
|
Speculative Prefetching |
推测预取 |
|
Source-to-source Compiler |
源到源编译器 |
|
State Machine |
状态机 |
T#
英文 |
中文 |
缩写 |
---|---|---|
Tensor |
张量 |
|
Tensor Core |
张量核 |
|
Tensor Shape |
张量形状 |
|
Time-Multiplexed |
时分复用 |
|
Tile |
块 |
|
Tail Latency |
尾部延迟 |
|
Trick |
技巧 |
|
Temporal locality |
时间局部性 |
|
Target Policy |
目标策略 |
|
Telemetry |
遥测 |
|
Trade Offs |
权衡取舍 |
|
Transformer |
变换器 |
|
Transformer Engine |
变换器引擎 |
|
Trial |
试验 |
|
Temperature |
温度 |
|
Total Cost of Ownership |
总计拥有成本 |
TCO |
Type System |
类型系统 |
U#
英文 |
中文 |
缩写 |
---|---|---|
Union Mount |
联合挂载 |
|
Utilization |
利用率 |
|
Unsupervised Learning |
无监督学习 |
|
Unified Management |
统一管理 |
|
Up-front Commitment |
预先承诺 |
V#
英文 |
中文 |
缩写 |
---|---|---|
Validation Accuracy |
验证精度 |
|
Virtual Machine |
虚拟机 |
|
Virtual Memory |
虚拟内存 |
|
Vectorization |
向量化 |
|
Visual Programming Language |
可视化编程语言 |
VPL |
W#
英文 |
中文 |
缩写 |
---|---|---|
Weights |
权重参数 |
|
Weight Update |
梯度更新 |
|
Warp |
束 |
|
Weighted Mean |
加权平均 |
|
Warp Voting |
束投票 |
|
Warp Divergence |
束发散 |
X#
英文 |
中文 |
缩写 |
---|
Y#
英文 |
中文 |
缩写 |
---|
Z#
英文 |
中文 |
缩写 |
---|---|---|
Zero-Copy |
零拷贝 |