2011Altera推出OpenCL，支持FPGA

出現(xiàn)大規(guī)模的基于FPGA的CNN算法研究(Farabet et al.)

2016在微軟Catapult項目的基礎(chǔ)上，出現(xiàn)基于FPGA的數(shù)據(jù)中心CNN算法加速(Ovtcharov et al.)

4. 未來展望

深度學(xué)習(xí)的未來不管是就FPGA還是總體而言，主要取決于可擴展性。要讓這些技術(shù)成功解決未來的問題，必須要拓展到能夠支持飛速增長的數(shù)據(jù)規(guī)模和架構(gòu)。FPGA技術(shù)正在適應(yīng)這一趨勢，而硬件正朝著更大內(nèi)存、更少的特征點數(shù)量、更好的互連性發(fā)展，來適應(yīng)FPGA多重配置。英特爾收購了Altera，IBM與Xilinx合作，都昭示著FPGA領(lǐng)域的變革，未來也可能很快看到FPGA與個人應(yīng)用和數(shù)據(jù)中心應(yīng)用的整合。另外，算法設(shè)計工具可能朝著進一步抽象化和體驗軟件化的方向發(fā)展，從而吸引更廣技術(shù)范圍的用戶。

4.1. 常用深度學(xué)習(xí)軟件工具

在深度學(xué)習(xí)最常用的軟件工具中，有些工具已經(jīng)在支持CUDA的同時，認(rèn)識到支持OpenCL的必要性。這將使得FPGA更容易實現(xiàn)深度學(xué)習(xí)的目的。雖然據(jù)我們所知，目前沒有任何深度學(xué)習(xí)工具明確表示支持FPGA，不過下面的表格列出了哪些工具正朝支持OpenCL方向發(fā)展：