深度学习：基于FPGA的解决方案更具优势

近几年来人工智能相关信息登上了各大媒体头条，自动驾驶，无人车也不再显得那么陌生，其实这一切都源于机器学习，深度学习和人工神经网络等相关学科的兴起。机器学习（Machine Learning, ML）是一门多领域交叉学科，涉及概率论，统计学，算法复杂度理论等多门学科。深度学习是机器学习研究中一个新的领域，本身是神经网络算法的衍生，在图像，语音等富媒体的分类和识别上取得了非常好的效果，各大研究机构和高科技公司都投入了大量的人力来做相关的研究和开发，例如百度公司于2013年成立了深度学习研究院（Institute of Deep Learning, IDL）为研究创新竭尽全力。

深度学习的研究需要更高性能计算平台，今日TeraDeep公司宣布其基于FPGA的Accel深度学习技术取得了新的性能突破，测试过程采用的是AlexNet图片分类算法，硬件平台采用的则是基于Xilinx Kintex UltraScale KU115 FPGA的ADM-PCIe-8K5高性能PCIe加速器板卡。官方给出的测试结果显示这一解决方案能够实现每秒750次的图片推断处理过程。与最新的基于GPU的解决方案相比系统性能至少提升了2倍，系统功耗降低了5倍，与基于Intel Xeon E5 CPU的解决方案相比系统性能提升了10倍，系统功耗也降低了5倍，从对比中我们可以看到基于FPGA的解决方案所带来的好处是更高性能，更低的系统功耗和延迟。

图1 Alpha Data公司推出的ADM-PCIe-8K5高性能PCIe加速器板卡

ADM-PCIe-8K5高性能PCIe加速器板卡是由Alpha Data公司推出的一款PCIe接口的高性能计算加速板卡。板上集成了两个独立通道的DDR4存储器总共16GB以及FLASH存储，支持重复烧写板卡配置程序。同时还有一对网络SFP+接口插槽，提供2x 10G以太网通信能力，以及一对Firefly连接器，最高可支持4x 16Gbps高速数据传输。

该板卡可以应用的领域包括：

视频图像处理

机器学习

高性能计算（High Performance Computing, HPC）

网络加速

TeraDeep是一家专注于深度学习研究和开发的公司，在神经网络和计算加速技术方面取得了众多突破。同时TeraDeep公司也为用户提供完整的硬件到软件的嵌入式系统解决方案，TeraDeep公司正与合作伙伴共同开发下一代高性能计算异构处理器架构。