T/CESA 1120-2020 人工智能芯片 面向边缘侧的深度学习芯片测试指标与测试方法
本文件规定了对边缘侧深度学习芯片进行功能、性能测试的测试指标、测试方法和要求,适用于边缘侧深度学习芯片。本文件只规定边缘侧深度学习芯片基准测试的一般原则。 本文件适用于第三方机构对边缘侧深度学习芯片进行性能测试与评估,也适用于边缘侧深度学习芯片产品的采购、设计。 边缘侧芯片并不必须具备训练能力
AI chips-Test metrics and test method of deep learning chips for edge side
T/CESA 1121-2020 人工智能芯片 面向端侧的深度学习芯片测试指标与测试方法
本文件规定了对端侧深度学习芯片进行功能、性能测试的测试指标、测试方法和要求,适用于端侧深度学习芯片。本文件只规定端侧深度学习芯片基准测试的一般原则。 本文件适用于第三方机构对端侧深度学习芯片进行性能测试与评估,也适用于端侧深度学习芯片产品的采购、设计
AI chips-Test metrics and test method of deep learning chips for terminal side
T/CESA 1119-2020 人工智能芯片 面向云侧的深度学习芯片测试指标与测试方法
本文件规定了对云侧深度学习芯片进行功能、性能测试的测试指标、测试方法和要求，适用于云侧深度学习芯片。本文件只规定云侧深度学习芯片基准测试的一般原则。 本文件适用于第三方机构对云侧深度学习芯片进行性能测试与评估,也适用于云侧深度学习芯片产品的采购、设计。 云侧芯片并不必须具备训练能力
AI chips-Test index and test method of deep learning chips for cloud side
T/CESA 1043-2019 面向深度学习的服务器规范
本标准规定了面向深度学习的服务器的技术要求和测试方法，适用于面向深度学习的服务器的设计、制造、检验等过程
Server for deep learning specification
T/CESA 1247-2023 人工智能 计算机视觉推理用云侧深度学习芯片技术规范
本文件规定了计算机视觉领域面向云侧的深度学习推理芯片的功能及性能指标的技术要求，并描述了对应的测试方法。 本文件适用于芯片生产厂商、应用厂商及第三方机构对计算机视觉领域面向云侧的深度学习推理芯片（包含AI芯片模组和AI加速卡等形态）进行设计、采购、评测
Artificial intelligence—Specifications of cloud side deep learning chips for computer vision inference
T/CESA 1246-2022 人工智能 计算机视觉训练用云侧 深度学习芯片技术规范
本文件规定了计算机视觉领域面向云侧的深度学习训练芯片功能及性能各相关指标的技术要求，并描述了对应的测试方法。 本文件适用于芯片生产厂商、应用厂商及第三方机构对计算机视觉领域面向云侧的深度学习训练芯片（包含AI芯片模组和AI加速卡等形态）进行设计、采购、评测
Artificial intelligence —Specifications of cloud side deep learning chips for computer vision training
ITU-T F.748.12-2021 深度学习软件框架评估方法
Deep learning software framework evaluation methodology
T/CESA 1026-2018 人工智能 深度学习算法评估规范
本标准的主要借鉴国际标准DO-178C-2011 Software Consideration in Airborne Systems and Equipment Certification 的思想，针对算法的
Artificial intelligence—Assessment specification for deep learning algorithms
T/SIA 006-2018 深度学习工程师能力评估标准
1 范围 2 术语和定义 3 深度学习工程师能力评估要素 4 深度学习初级工程师 4.1基本要求 4.2专业知识要求 4.3工程能力要求 4.4业务
Deep learning engineer capability evaluation standard
ESDU 68030 B-1994 平面夹层板的剪切屈曲载荷 （各向同性面板和零弯曲刚度的正交各向异性芯 所有边缘都被夹紧 ）
The elastic buckling loads are presented graphically in terms of the overall dimensions of the panel and its flexural and through-the-thickness shear
Buckling loads in shear of flat sandwich panels. (Isotropic face plates and orthotropic cores of zero flexural stiffness@ all edges clamped.)
KS D ISO TR 15969:2011 表面化学分析.深度剖面.溅涂深度的测量
이 표준은 스퍼터 깊이 분포 분석에서 스퍼터 깊이 측정을 위한 지침들을 제공한다. 이 표준
Surface chemical analysis－Depth profiling－Measurement of sputtered depth
DD ISO/TR 15969:2001 表面化学分析.深度剖面.溅涂深度的测量
Surface chemical analysis. Depth profiling. Measurement of sputtered depth
BS DD ISO/TR 15969:2001 表面化学分析.深度剖面.溅蚀深度的测量
This Technical Report gives guidelines for measuring the sputtered depth in sputtered depth profiling. The methods of sputtered depth measurement
Surface chemical analysis - Depth profiling - Measurement of sputtered depth
BS PD ISO/TR 15969:2021 表面化学分析 深度剖面 溅射深度的测量
Surface chemical analysis. Depth profiling. Measurement of sputtered depth
IEEE P2841/D2, February 2022 IEEE 深度学习评估框架和流程草案
The recommendations on evaluating and improving algorithm reliability for shortening the development cycle of deep learning algorithm and improving
IEEE Draft Framework and Process for Deep Learning Evaluation
T/CESA 1120-2020 人工智能芯片 面向边缘侧的深度学习芯片测试指标与测试方法
本文件规定了对边缘侧深度学习芯片进行功能、性能测试的测试指标、测试方法和要求,适用于边缘侧深度学习芯片。本文件只规定边缘侧深度学习芯片基准测试的一般原则。 本文件适用于第三方机构对边缘侧深度学习芯片进行性能测试与评估,也适用于边缘侧深度学习芯片产品的采购、设计。 边缘侧芯片并不必须具备训练能力
AI chips-Test metrics and test method of deep learning chips for edge side
T/CESA 1121-2020 人工智能芯片 面向端侧的深度学习芯片测试指标与测试方法
本文件规定了对端侧深度学习芯片进行功能、性能测试的测试指标、测试方法和要求,适用于端侧深度学习芯片。本文件只规定端侧深度学习芯片基准测试的一般原则。 本文件适用于第三方机构对端侧深度学习芯片进行性能测试与评估,也适用于端侧深度学习芯片产品的采购、设计
AI chips-Test metrics and test method of deep learning chips for terminal side
T/CESA 1119-2020 人工智能芯片 面向云侧的深度学习芯片测试指标与测试方法
本文件规定了对云侧深度学习芯片进行功能、性能测试的测试指标、测试方法和要求，适用于云侧深度学习芯片。本文件只规定云侧深度学习芯片基准测试的一般原则。 本文件适用于第三方机构对云侧深度学习芯片进行性能测试与评估,也适用于云侧深度学习芯片产品的采购、设计。 云侧芯片并不必须具备训练能力
AI chips-Test index and test method of deep learning chips for cloud side
T/CESA 1043-2019 面向深度学习的服务器规范
本标准规定了面向深度学习的服务器的技术要求和测试方法，适用于面向深度学习的服务器的设计、制造、检验等过程
Server for deep learning specification
T/CESA 1247-2023 人工智能 计算机视觉推理用云侧深度学习芯片技术规范
本文件规定了计算机视觉领域面向云侧的深度学习推理芯片的功能及性能指标的技术要求，并描述了对应的测试方法。 本文件适用于芯片生产厂商、应用厂商及第三方机构对计算机视觉领域面向云侧的深度学习推理芯片（包含AI芯片模组和AI加速卡等形态）进行设计、采购、评测
Artificial intelligence—Specifications of cloud side deep learning chips for computer vision inference
T/CESA 1246-2022 人工智能 计算机视觉训练用云侧 深度学习芯片技术规范
本文件规定了计算机视觉领域面向云侧的深度学习训练芯片功能及性能各相关指标的技术要求，并描述了对应的测试方法。 本文件适用于芯片生产厂商、应用厂商及第三方机构对计算机视觉领域面向云侧的深度学习训练芯片（包含AI芯片模组和AI加速卡等形态）进行设计、采购、评测
Artificial intelligence —Specifications of cloud side deep learning chips for computer vision training
ITU-T F.748.12-2021 深度学习软件框架评估方法
Deep learning software framework evaluation methodology
T/CESA 1026-2018 人工智能 深度学习算法评估规范
本标准的主要借鉴国际标准DO-178C-2011 Software Consideration in Airborne Systems and Equipment Certification 的思想，针对算法的
Artificial intelligence—Assessment specification for deep learning algorithms
T/SIA 006-2018 深度学习工程师能力评估标准
1 范围 2 术语和定义 3 深度学习工程师能力评估要素 4 深度学习初级工程师 4.1基本要求 4.2专业知识要求 4.3工程能力要求 4.4业务
Deep learning engineer capability evaluation standard
ESDU 68030 B-1994 平面夹层板的剪切屈曲载荷 （各向同性面板和零弯曲刚度的正交各向异性芯 所有边缘都被夹紧 ）
The elastic buckling loads are presented graphically in terms of the overall dimensions of the panel and its flexural and through-the-thickness shear
Buckling loads in shear of flat sandwich panels. (Isotropic face plates and orthotropic cores of zero flexural stiffness@ all edges clamped.)
KS D ISO TR 15969:2011 表面化学分析.深度剖面.溅涂深度的测量
이 표준은 스퍼터 깊이 분포 분석에서 스퍼터 깊이 측정을 위한 지침들을 제공한다. 이 표준
Surface chemical analysis－Depth profiling－Measurement of sputtered depth
DD ISO/TR 15969:2001 表面化学分析.深度剖面.溅涂深度的测量
Surface chemical analysis. Depth profiling. Measurement of sputtered depth
BS DD ISO/TR 15969:2001 表面化学分析.深度剖面.溅蚀深度的测量
This Technical Report gives guidelines for measuring the sputtered depth in sputtered depth profiling. The methods of sputtered depth measurement
Surface chemical analysis - Depth profiling - Measurement of sputtered depth
BS PD ISO/TR 15969:2021 表面化学分析 深度剖面 溅射深度的测量
Surface chemical analysis. Depth profiling. Measurement of sputtered depth
IEEE P2841/D2, February 2022 IEEE 深度学习评估框架和流程草案
The recommendations on evaluating and improving algorithm reliability for shortening the development cycle of deep learning algorithm and improving
IEEE Draft Framework and Process for Deep Learning Evaluation
编辑：北检院编辑部
