Amadeus怎样使用FPGA来打破Moore的法律门槛
发布时间：2022-04-04 17:01:53 所属栏目：要闻 来源：互联网
导读：计算机行业由一个简单的公式驱动，这些公式，各种规定的计算能力每18个月将增加一次。这是摩尔定律的本质，它意味着软件能够利用处理器性能加倍，而无需客户在硬件上花费两倍。 尽管如此，芯片制造商越来越困难，以便以维持摩尔定律所需的步伐继续创新。随着
|
计算机行业由一个简单的公式驱动，这些公式，各种规定的计算能力每18个月将增加一次。这是摩尔定律的本质，它意味着软件能够利用处理器性能加倍，而无需客户在硬件上花费两倍。 尽管如此，芯片制造商越来越困难，以便以维持摩尔定律所需的步伐继续创新。随着组织开始开发机器学习和人工智能（AI）应用程序，这已成为最明显的，传统处理器 - 或CPU - 未能提供所需的性能水平。 相反，查看乘坐AI的组织开始使用替代硬件，如图形处理单元（GPU），最近，现场可编程门阵列（FPGA），这承诺提供更好的性能水平。 Amadeus在苏黎世的Eth ech的一支硬件工程师团队致力于研究基于机器学习的决策的推理应用中的使用FPGA。 GPU往往是人们需要克服与使用传统CPU的延迟问题进行高性能AIAPplications时的第一个人。然而，虽然GPU解决了延迟问题，但Melet表示，它们往往是饥饿的动力，因此不是很有功率效率。因此，挑战不仅能够快速地运行AI算法，还可以通过有效地使用电力来实现高性能。 这提供了硬件合成引擎和用于模拟设计的工具，并将程序上传到FPGA上。工程师使用硬件描述语言“程序”FPGA，然后将其合成为二进制FPGA图像文件。这是用于编程FPGA的文件。 MELET说，在AWS上编程FPGA实例有点像将程序放入随机存取内存（RAM）：“当机器启动时，它是非常快速的。”Vivado用于将二进制文件复制到FPGA上。 对程序的任何修改都需要修改硬件描述语言，综合二进制图像并重新编程FPGA。虽然可以模拟FPGA以避免编程错误，在MEMet的经验中，这是非常慢的。 但是，他补充说：“在FPGA上，你有无限的粒度。您可以并行处理不同数据的不同指令。“ 通过在AWS上运行相同的算法，Eth和Amadeus的团队能够展示相当大的节省成本。他们发现，在FPGA实例上运行其决策树算法比在CPU或GPU实例上运行的等效工作负载显着更具成本效益。根据MELET，FPGA实例比在AWS GPU实例上运行等效工作量便宜七倍; CPU版本昂贵28倍。 对于MELET，该研究表明，使用FPGA可以更快地处理AI数据，有效地且以较低的成本，因此是可行的。“我们知道我们可以加速的那种算法，”他补充道。 “很多人都在大学学习五金工程师，所以他们有一定的理解程度，”他说。“他们发现他们直到现在地没有用过这些技能。现在可以在生产中使用用于原型设计集成电路的FPGA的技能。这让他们更新他们的知识。“ 这是早期，但Melet预计芯片制造商和初创公司可以开发和改进软件堆栈，工具和库，以使软件工程师更容易编程FPGA。 （编辑：常州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
热点阅读