Bin 的专栏

OpenCLOpenCL（全称Open Computing Language，开放运算语言）是第一个面向异构系统通用目的并行编程的开放式、免费标准，也是一个统一的编程环境，便于软件开发人员为高性能计算服务器、桌面计算系统、手持设备编写高效轻便的代码，而且广泛适用于多核心处理器(CPU)、图形处理器(GPU)、Cell类型架构以及数字信号处理器(DSP)等其他并行处理器，在游戏、娱乐、科

国内知名的深鉴科技的几位初创写的一篇，拿了**今年FPGA会议的best paper**，今天来看一看到底有些什么内容。文章围绕在FPGA下设计LSTM执行引擎，主要考虑的点是稀疏的计算架构。说实话，稀疏计算已经说的快熟（lan）了，关键还是这样的架构要在牺牲通用性下，得到足够强劲的收益；在一些专用的计算场景下，确实可以做到很好的效果，但也并不是一个免费的午餐。

今年去参加了ASPLOS 2017大会，这个会议总体来说我感觉偏系统和偏软一点，涉及硬件的相对少一些，对我这个喜欢算法以及硬件架构的菜鸟来说并不算非常契合。中间记录了几篇相对比较有趣的paper，今天简单写一篇。SC-DCNN: Highly-Scalable Deep Convolutional Neural Network using Stochastic Computing 单位作者： 我

A 288μW Programmable Deep-Learning Processor with 270KB On-Chip Weight Storage Using Non-Uniform Memory Hierarchy for Mobile Intelligence单位：Michigan，CubeWorks（密歇根大学，CubeWorks公司）又是一款做DNN加速的面向IOT的专用芯片，主要

最近ISSCC2017大会刚刚举行,看了关于Deep Learning处理器的Session 14，有一些不错的东西，在这里记录一下。A 2.9TOPS/W Deep Convolutional Neural Network SoC in FD-SOI 28nm for Intelligent Embedded Systems单位：STMicroelectronics（意法半导体） 这是一篇很综合

DNPU: An 8.1TOPS/W Reconfigurable CNN-RNN Processor for General-Purpose Deep Neural Networks单位：KAIST（韩国科学技术院，电子工程-半导体系统实验室）KAIST是ISSCC的常客，一年要在上面发好几篇芯片论文，16年ISSCC上Session 14有一半的paper是出自KAIST的，只能说怎一个牛字了得

A 28nm SoC with a 1.2GHz 568nJ/Prediction Sparse Deep-Neural-Network Engine with >0.1 Timing Error Rate Tolerance for IoT Applications单位：Harvard（哈佛大学）这是一篇专门为DNN加速设计的芯片，在CNN加速芯片设计当道的今天也算是非常另类了~~不过能在ISSC

A 0.62mW Ultra-Low-Power Convolutional-Neural-Network Face-Recognition Processor and a CIS Integrated with Always-On Haar-Like Face Detector单位：KAIST（韩国科学技术院）——ISSCC上大神级的机构···DNN的加速器，面向不同的应用有着不同的能效需求：0.

ENVISION: A 0.26-to-10 TOPS/W Subword-Parallel Dynamic-Voltage-Accuracy-Frequency-Scalable CNN Processor in 28nm FDSOI单位：EAST-MICAS, KU Leuven（鲁汶大学）本文是我觉得本次ISSCC2017 session 14中最好的一篇，给人的启示有很多，比如一款SOC可以

从图中可以看出（参考《OpenCL 编程入门》）：1. 异构计算设备，可以是CPU或GPU。现在也有支持OpenCL的FPGA设备和至强融核协处理设备（MIC）。2. OpenCL的API通过Context（环境上下文）联系在一起。3. 运行设备端的程序，经过了编译->设置参数->运行等步骤。

一般来说，并行编程有两种大类型——分散收集（scatter-gather）与分而治之（divide-and-conquer）。分散收集（scatter-gather）：数据被分为子集，发送到不同的并行资源中，然后对结果进行组合，也就是数据并行；分而治之（divide-and-conquer）：问题被分为子问题，在并行资源中运行，也就是任务并行。

OpenCL (Open Computing Language，开放计算语言) 是一个为异构平台编写程序的框架，此异构平台可由CPU，GPU或其他类型的处理器组成。OpenCL提供了基于任务分割和数据分割的并行计算机制。OpenCL 应用程序含有两部分（host和kernel）。OpenCL 主程序是纯软件例程，以标准C/C++编写，可以运行在任何类型的微处理器上。例如，这类处理器可以是FPGA中的嵌入式软核处理器、硬核ARM处理器或者外置x86处理器。如图所示。在这一主软件例程执行期间的某一点，某一功能