FPGA实现深度学习系列之FPGA的优势和劣势

网络上已经有很多的文章来描述，FPGA在实现深度学习的优势和劣势。当然描述有对有错。如果你说是完全的劣势。那么旷视，商汤等公司还在使用FPGA完成深度学习，而没有转向GPU呢？

我在这里就简明扼要的去描述FPGA在深度学习上的优势和劣势。

优势：（终端部署）

1，FPGA和CPU没有啥好比较的，在深度学习终端部署，CPU完全不能考虑，tensorflow lite 虽然能压缩模型到一个很小的范围。但是依旧是实时性不够好。FPGA相对于GPU来说，相同算力情况下，有成本优势。在很多的网络上标示FPGA的成本不比GPU的低。这个答案是正确的。那么问题点在哪里呢？？因为FPGA不擅长浮点运算。如果能够有效的压缩的话，成本会迅速降低。

计算，可不是FPGA的长项。如果是这种计算，FPGA的人工成本就太高了。 还好，卷积神经网络没那么复杂。

2，另外一个就是FPGA的灵活性。在深度学习高速迭代的情况下，FPGA比NPU强一些，可以灵活的选择器件功能。基础结构完成后，可以迅速修改。