FPGA a été depuis la naissance ont d' énormes avantages dans le domaine des calculs complexes à grande vitesse, au moyen de la programmation des outils de conception assistée par ordinateur Verilog, les concepteurs peuvent facilement construire la puce FPGA dans une structure générale d'une architecture de calcul parallèle grand-échelle cette architecture CPU polyvalente à grande vitesse ne peut être comparé être traitement des données extrêmement complexes. Cependant, FPGA comme une architecture matérielle reconfigurable, dans le passé depuis longtemps sont utilisés comme des alternatives aux petites quantités de l'ASIC.
Dans le processus de calcul de l'analyse de reconnaissance de motif d'image de valeur, de la compréhension de la parole, etc., généralement en quelques millisecondes pour tous les pixels d'un point d'image par calcul de convolution point, l' analyse, la comparaison du résultat calculé, des conclusions fiables . chercheurs algorithme généralement traités avec une donnée statique de logiciels ordinaire, ont obtenu des résultats théoriques, mais l'application pratique d'une telle vitesse de réponse lente ne peut pas répondre aux besoins de l' ingénierie pratique. Les vingt dernières années, la théorie des algorithmes de reconnaissance de formes d'analyse d'image, la compréhension de la parole, etc. a progressivement mûri, a attiré l'intérêt de l'industrie, un grand nombre de financement de la recherche sur la façon dont la conception de l' architecture informatique parallèle peut être des données complexes vitesse de traitement, et la recherche et le développement d' un système pratique AI. Ainsi , les deux dernières décennies, la puce FPGA et la méthode de conception / vérification Verilog a connu un développement rapide.
Dans le traitement d'image, comme la reconnaissance faciale, la reconnaissance des empreintes digitales, la reconnaissance vocale du robot performances AI est également très accrocheur. Dans ce type de système informatique dans de nombreux calculs extrêmement complexes du robot, surtout par l'architecture FPGA pour atteindre. En outre FPGA peut, différents types d'interfaces interface informatique ou parallèle, comme PCIe autre facilement connecté avec une variété de mémoire, laquelle le robot peut être intégré au réseau informatique et les connaissances générales, la configuration très grande, sensibles connaissance AI du système.
Racine que je sache, de nombreux chercheurs AI habitués à utiliser l' algorithme du logiciel, la plupart d'entre eux les gens ne comprennent la parole avec une image statique ou son statique (voix enregistrée) ou la traduction de travail. Tout au long du processus, bien que la vitesse de calcul du traitement des données est plus lente, mais l' analyse des résultats toujours fiables. Mais dans l'application pratique d'entre eux, si lente vitesse de traitement est manifestement pas beaucoup de valeur pratique, car dans bien des cas, la réponse ne peut être utilisé pour des applications pratiques. Avec la transition vers le travail la conception d' un système pratique, je recommande les ingénieurs systèmes logiciels doivent apprendre à utiliser FPGA, et d' accélérer la façon de faire des calculs complexes avec FPGA. En fait, pour les ingénieurs logiciels, informatique et diplômé en génie, aussi longtemps que les bases de circuits numériques, apprendre le langage Verilog HDL est pas difficile à apprendre la programmation niveau Verilog RTL pour construire une architecture informatique parallèle synthèse itérative est pas difficile, seulement il faut un mois ou deux pour commencer.
Et pour les nombreuses années de travail dans l'ingénieur matériel système embarqué ou seulement une interface simple ingénieur d' expérience de conception FPGA, mais pas un des algorithmes de traitement expert en matière de programmation de logiciels d'étude à temps plein, mais ils doivent prendre un moment pour comprendre l'algorithme, les ingénieurs de l' algorithme à l' aide la configuration de circuit d'un changement plus rationnelles, calculé canal de façon spacieuse devient le goulot d' étranglement. À l'époque AI, en particulier AI est entré dans l'application d'une nouvelle ère, un véritable ingénieur du matériel ne doit pas seulement se familiariser avec le langage Verilog, apprendre à écrire un synthétisable en Verilog structure parallèle, des calculs complets algorithme exigences dans l'intervalle de temps spécifié montant et apprendre à concevoir du matériel, de sorte que le matériel et le logiciel avec des algorithmes, l'algorithme nécessite une variété de tâches informatiques fait plus efficacement. Le calcul de l'algorithme original totalement mis en œuvre dans le logiciel, le matériel et le logiciel deviennent procédé à la réalisation de la transformation de toute la structure pour calculer la structure d'un traitement à grande vitesse peut être configurée spécifiquement pour un domaine particulier de produits de l' intelligence artificielle, alors le matériel a un plus grand marché, ce qui est très intéressant!
Tous doivent être à la fois doux et dur tout, les concepteurs d'aujourd'hui des systèmes embarqués en termes d'AI, pour devenir un bon ingénieur. En d' autres termes, le matériel au peuple de logiciels à la direction du tour, apprendre la connaissance du matériel, ingénieurs matériel, les ingénieurs logiciels doivent se rapprocher de la compréhension du processus d'exécution de l'algorithme, la conception d' une nouvelle architecture informatique et le chemin de données pour les algorithmes AI. En effet , le logiciel est maintenant programmé AI n'est pas simplement écrire un programme pour obtenir un résultat de calcul, le calcul doit également tenir compte de la vitesse ne suffit pas assez vite. Donc , essentiellement , comment concevoir une structure rationnelle du noyau de l' accélération matérielle de calcul parallèle pour assurer la pleine réalisation du problème dans les exigences de l' algorithme en temps réel.
FPGA lui - même comme un dispositif logique programmable, la plus importante caractéristique que la partie de logique programmable. Il dispose d' un CPU traditionnel avec la mise en œuvre de l'ordre de la différence essentielle, par rapport à l' ASIC et ont une meilleure flexibilité, avant l'essor de l' industrie AI, a été le moyen de pré-vérification de conception ASIC.
Cependant, le développement des dispositifs FPGA d'aujourd'hui a franchi les fonctions programmables maintenant des dispositifs FPGA communs ont tendance à avoir plus élevé que la puce de bande passante d' E / S et la bande passante de la mémoire, par exemple jusqu'à interfaces de 40Gbps, telles que la mémoire ultra-haut débit et HBM2 interfaces telles que FPGA a une très large gamme d'applications dans le domaine des communications.
Maintenant, parce que beaucoup de produits AI sur l'interopérabilité de la bande passante mémoire et a une très forte demande, dans le cas de moins de quantité de calcul, les scénarios d'application FPGA peuvent avoir une très grande percée, tant à faible volume, itération rapide du produit qui sont devenus la meilleure façon de développer FPGA, ASIC ou GPU plutôt, etc., afin que les développeurs FPGA, aussi longtemps que nous connaissons avec la technologie AI, familier avec les exigences d'application AI, vous pouvez toujours naviguer dans l'industrie de l'IA, et de créer sans cesse nouvelle légende.
