国产肉体XXXX裸体137大胆,国产成人久久精品流白浆,国产乱子伦视频在线观看,无码中文字幕免费一区二区三区 国产成人手机在线-午夜国产精品无套-swag国产精品-国产毛片久久国产

新聞中心

EEPW首頁 > 嵌入式系統(tǒng) > 設計應用 > 基于FPGA加速機器學習算法

基于FPGA加速機器學習算法

作者: 時間:2017-10-14 來源:網(wǎng)絡 收藏
AI因為其CNN(卷積神經(jīng)網(wǎng)絡)算法出色的表現(xiàn)在圖像識別領域占有舉足輕重的地位。基本的CNN算法需要大量的計算和數(shù)據(jù)重用,非常適合使用來實現(xiàn)。上個月,Ralph Wittig(Xilinx CTO Office的卓越工程師) 在2016年OpenPower峰會上發(fā)表了約20分鐘時長的演講并討論了包括清華大學在內的中國各大學研究CNN的一些成果。

在這項研究中出現(xiàn)了一些和CNN算法實現(xiàn)能耗相關的幾個有趣的結論:
①限定使用片上Memory;
②使用更小的乘法器;
③進行定點匹配:相對于32位定點或浮點計算,將定點計算結果精度降為16位。如果使用動態(tài)量化,8位計算同樣能夠產(chǎn)生很好的結果。
在演講中Wittig還提到了CNN相關的兩款產(chǎn)品:CAPI-compatible Alpha DataADM-PCIE-8K5 PCIe加速卡和Auviz Systems提供的AuvizDNN(深度神經(jīng)網(wǎng)絡)開發(fā)庫。
ADM-PCIE-8K5 PCIe加速卡
Alpha DataADM-PCIE-8K5 PCIe加速卡用于X86和IBM Power8/9數(shù)據(jù)中心和云服務,加速卡基于Xilinx Kintex UltraScale KU115 ,支持Xilinx SDAcess基于OpenCL、C/C++的開發(fā)和基于Vivado HLx的HDL、HLS設計流程。

圖1 Alpha DataADM-PCIE-8K5 PCIe加速卡
Alpha DataADM-PCIE-8K5 PCIe加速卡片上帶32GB DDR4-2400內存(其中16GB含ECC),雙通道SFP+支持雙通道10G以太網(wǎng)接入。提供包括高性能PCIe/DMA在內的板級支持包(BSP) 、OpenPOWER架構的CAPI、參考設計、即插即用的O/S驅動和成熟的API等設計資源。
AuvizDNN開發(fā)庫
深度學習技術使用大量的已知數(shù)據(jù)來找出一組權重和偏置值來匹配預期結果。處理被稱之為訓練,訓練的結果是大量的模型,這一事實促使工程師們尋求使用GPU之類的專用硬件來進行訓練和分類計算。
隨著未來數(shù)據(jù)量的巨幅增長,將會搬到云端完成。這樣就急需一種既可以加速算法,又不會大規(guī)模增加功耗的處理平臺,在這種情況下,F(xiàn)PGA開始登場。
隨著一些列的先進開發(fā)環(huán)境投入使用,軟件開發(fā)工程師將他們的設計在Xilinx FPGA上實現(xiàn)變得更加容易。Auviz Systems開發(fā)的AuvizDNN庫為用戶提供優(yōu)化的函數(shù)接口,用戶可以針對不同的應用創(chuàng)建自定義的CNN。這些函數(shù)可以方便的通過Xilinx SDAcess這樣的集成開發(fā)環(huán)境調用。在創(chuàng)建對象和數(shù)據(jù)池后,就會調用函數(shù)創(chuàng)建每一個卷積層、然后是致密層,最后是 softmax層,如下圖2所示。

圖2 實現(xiàn)CNN的函數(shù)調用順序


關鍵詞: 機器學習 FPGA

評論


相關推薦

技術專區(qū)

關閉