1FT6041-4AF71-3AG1

1FT6041-4AF71-3AG1 

1FT6041-4AF71-3AG1传统来说，在评估硬件平台的加速时，必须考虑到灵活性和性能之间的权衡。一方面，通用处理器（GPP）可提供高度的灵活性和易用性，但性能相对缺乏效率。这些平台往往更易于获取，可以低廉的价格生产，并且适用于多种用途和重复使用。另一方面，专用集成电路（ASIC）可提供高性能，但代价是不够灵活且生产难度更大。这些电路专用于某特定的应用程序，并且生产起来价格昂贵且耗时。
FPGA是这两个极端之间的折中。FPGA属于一类更通用的可编程逻辑设备（PLD），并且简单来说，是一种可重新配置的集成电路。因此，FPGA既能提供集成电路的性能优势，又具备GPP可重新配置的灵活性。FPGA能够简单地通过使用触发器（FF）来实现顺序逻辑，并通过使用查找表（LUT）来实现组合逻辑。现代的FPGA还含有硬化组件以实现一些常用功能，例如全处理器内核、通信内核、运算内核和块内存（BRAM）。另外，目前的FPGA趋势趋向于系统芯片（SoC）设计方法，即ARM协处理器和FPGA通常位于同一芯片中。目前的FPGA市场由Xilinx主导，占据超过85％的市场份额。此外，FPGA正迅速取代ASIC和应用专用标准产品（ASSP）来实现固定功能逻辑。 FPGA市场规模预计在2016年将达到100亿美元。
对于深度学习而言，FPGA提供了优于传统GPP加速能力的显著潜力。GPP在软件层面的执行依赖于传统的冯·诺依曼架构，指令和数据存储于外部存储器中，在需要时再取出。这推动了缓存的出现，大大减轻了昂贵的外部存储器操作。该架构的瓶颈是处理器和存储器之间的通信，这严重削弱了GPP的性能，尤其影响深度学习经常需要获取的存储信息技术。相比较而言，FPGA的可编程逻辑原件可用于实现普通逻辑功能中的数据和控制路径，而不依赖于冯·诺伊曼结构。它们也能够利用分布式片上存储器，以及深度利用流水线并行，这与前馈性深度学习方法自然契合。现代FPGA还支持部分动态重新配置，当FPGA的一部分被重新配置时另一部分仍可使用。这将对大规模深度学习模式产生影响，FPGA的各层可进行重新配置，而不扰乱其他层正在进行的计算。这将可用于无法由单个FPGA容纳的模型，同时还可通过将中间结果保存在本地存储以降低高昂的全球存储读取费用。

1FT6041-4AF71-3AG1

· 成就客户—我们致力于每位客户的满意和成功。
· 创业创新—我们追求对客户和公司都至关重要的创新，同时快速而高效地推动其实现。
· 诚信正直—我们秉持信任、诚实和富有责任感，无论是对内部还是外部。 
· 多元共赢—我们倡导互相理解，珍视多元性，以全球视野看待我们的文化。
--------------------
联系人：欧工
手机：18030229050                
电话：0592-5709821
  
QQ 3151326358
邮箱 3151326358@qq

140DAI55300 Quantum
140DAI55300C Quantum
140DAI74000 Quantum
140DAI74000C Quantum
140DAI75300 Quantum
140DAI75300C Quantum
140DDI15310 Quantum
140DDI15310C Quantum
140DDI35300 Quantum
140DDI35300C Quantum
140DDI35310 Quantum
140DDI35310C Quantum
140DDI36400 Quantum
140DDI36400C Quantum
140DDI67300 Quantum
140DDI67300C Quantum
140DDI84100 Quantum
140DDI84100C Quantum
140DDI85300 Quantum
140DDI85300C Quantum
140DII33000 Quantum
140DII33000C Quantum
140DSI35300 Quantum
140DSI35300C Quantum