fpga卷积神经网络加速器,FPGA卷积神经网络综述

如何使用FPGA加速机器学习算法

如何使用FPGA加速机器学习算法　当前，AI因为其CNN(卷积神经网络)算法出色的表现在图像识别领域占有举足轻重的地位。基本的CNN算法需要大量的计算和数据重用，非常适合使用FPGA来实现。

上个月，RalphWittig(XilinxCTOOffice的卓越工程师)在2016年OpenPower峰会上发表了约20分钟时长的演讲并讨论了包括清华大学在内的中国各大学研究CNN的一些成果。

在这项研究中出现了一些和CNN算法实现能耗相关的几个有趣的结论：①限定使用片上Memory;②使用更小的乘法器;③进行定点匹配：相对于32位定点或浮点计算，将定点计算结果精度降为16位。

如果使用动态量化，8位计算同样能够产生很好的结果。

在演讲中Wittig还提到了CNN相关的两款产品：CAPI-compatibleAlphaDataADM-PCIE-8K5PCIe加速卡和AuvizSystems提供的AuvizDNN(深度神经网络)开发库。

ADM-PCIE-8K5PCIe加速卡AlphaDataADM-PCIE-8K5PCIe加速卡用于X86和IBMPower8/9数据中心和云服务，加速卡基于XilinxKintexUltraScaleKU115FPGA，支持XilinxSDAcess基于OpenCL、C/C++的开发和基于VivadoHLx的HDL、HLS设计流程。

图1AlphaDataADM-PCIE-8K5PCIe加速卡AlphaDataADM-PCIE-8K5PCIe加速卡片上带32GBDDR4-2400内存(其中16GB含ECC)，双通道SFP+支持双通道10G以太网接入。

提供包括高性能PCIe/DMA在内的板级支持包(BSP)、OpenPOWER架构的CAPI、FPGA参考设计、即插即用的O/S驱动和成熟的API等设计资源。

AuvizDNN开发库深度学习技术使用大量的已知数据来找出一组权重和偏置值来匹配预期结果。

处理被称之为训练，训练的结果是大量的模型，这一事实促使工程师们寻求使用GPU之类的专用硬件来进行训练和分类计算。随着未来数据量的巨幅增长，机器学习将会搬到云端完成。

这样就急需一种既可以加速算法，又不会大规模增加功耗的处理平台，在这种情况下，FPGA开始登场。随着一些列的先进开发环境投入使用，软件开发工程师将他们的设计在XilinxFPGA上实现变得更加容易。

AuvizSystems开发的AuvizDNN库为用户提供优化的函数接口，用户可以针对不同的应用创建自定义的CNN。这些函数可以方便的通过XilinxSDAcess这样的集成开发环境调用。

在创建对象和数据池后，就会调用函数创建每一个卷积层、然后是致密层，最后是softmax层。

用fpga写神经网络行么

程序员为什么要学深度学习

费良宏：程序员为什么要学深度学习？深度学习本身是一个非常庞大的知识体系。

本文更多想从程序员的视角出发，让大家观察一下深度学习对程序员意味着什么，以及我们如何利用这样一个高速发展的学科，来帮助程序员提升软件开发的能力。

本文根据费良宏在2016QCon全球软件开发大会（上海）上的演讲整理而成。前言1973年，美国上映了一部热门的科幻电影《WestWorld》，三年之后又有一个续集叫做《FutureWorld》。

这部电影在80年代初被引进到中国叫《未来世界》。那部电影对我来讲简直可以说得上是震撼。影片中出现了很多机器人，表情丰富的面部下面都是集成电路板。这让那时候的我觉得未来世界都是那么遥远、那么神秘。

时间到了2016年，很多朋友可能都在追看HBO斥巨资拍摄的同一题材的系列剧《WestWorld》。

如果前两部电影还是局限在机器人、人工智能这样的话题，2016年的新剧则在剧情和人工智能的思考方面有了很大的突破。

不再渲染机器人是否会威胁到人类，而是在探讨“Dreamsaremainlymemories”这一类更具哲理的问题。

“记忆究竟如何影响了智能”这个话题非常值得我们去思考，也给我们一个很好的启示——今天，人工智能领域究竟有了怎样的发展和进步。今天我们探讨的话题不仅仅是简单的人工智能。

如果大家对深度学习感兴趣，我相信各位一定会在搜索引擎上搜索过类似相关的关键字。我在Google上以deeplearning作为关键字得到了2,630万个搜索的结果。

这个数字比一周之前足足多出了300多万的结果。这个数字足以看得出来深度学习相关的内容发展的速度，人们对深度学习的关注也越来越高。从另外的一个角度，我想让大家看看深度学习在市场上究竟有多么热门。

从2011年到现在一共有140多家专注人工智能、深度学习相关的创业公司被收购。仅仅在2016年这种并购就发生了40多起。

其中最疯狂的是就是Google，已经收购了11家人工智能创业公司，其中最有名的就是击败了李世石九段的DeepMind。排名之后的就要数Apple、Intel以及Twitter。

以Intel公司为例，仅在今年就已经收购了3家创业公司，Itseez、Nervana和Movidius。这一系列大手笔的并购为了布局人工智能以及深度学习的领域。

当我们去搜索深度学习话题的时候，经常会看到这样的一些晦涩难懂的术语：Gradientdescent（梯度下降算法）、Backpropagation（反向传播算法）