【儀器儀表商情網(wǎng) 核心技術(shù)】最近幾年數(shù)據(jù)量和可訪問(wèn)性的迅速增長(zhǎng)，使得人工智能的算法設(shè)計(jì)理念發(fā)生了轉(zhuǎn)變。人工建立算法的做法被計(jì)算機(jī)從大量數(shù)據(jù)中自動(dòng)習(xí)得可組合系統(tǒng)的能力所取代，使得計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理等關(guān)鍵領(lǐng)域都出現(xiàn)了重大突破。深度學(xué)習(xí)是這些領(lǐng)域中所最常使用的技術(shù)，也被業(yè)界大為關(guān)注。然而，深度學(xué)習(xí)模型需要極為大量的數(shù)據(jù)和計(jì)算能力，只有更好的硬件加速條件，才能滿足現(xiàn)有數(shù)據(jù)和模型規(guī)模繼續(xù)擴(kuò)大的需求?，F(xiàn)有的解決方案使用圖形處理單元(GPU)集群作為通用計(jì)算圖形處理單元(GPGPU)，但現(xiàn)場(chǎng)可編程門(mén)陣列(FPGA)提供了另一個(gè)值得探究的解決方案。日漸流行的FPGA設(shè)計(jì)工具使其對(duì)深度學(xué)習(xí)領(lǐng)域經(jīng)常使用的上層軟件兼容性更強(qiáng)，使得FPGA更容易為模型搭建和部署者所用。FPGA架構(gòu)靈活，使得研究者能夠在諸如GPU的固定架構(gòu)之外進(jìn)行模型優(yōu)化探究。同時(shí)，FPGA在單位能耗下性能更強(qiáng)，這對(duì)大規(guī)模服務(wù)器部署或資源有限的嵌入式應(yīng)用的研究而言至關(guān)重要。本文從硬件加速的視角考察深度學(xué)習(xí)與FPGA，指出有哪些趨勢(shì)和創(chuàng)新使得這些技術(shù)相互匹配，并激發(fā)對(duì)FPGA如何幫助深度學(xué)習(xí)領(lǐng)域發(fā)展的探討。

1.簡(jiǎn)介

機(jī)器學(xué)習(xí)對(duì)日常生活影響深遠(yuǎn)。無(wú)論是在網(wǎng)站上點(diǎn)擊個(gè)性化推薦內(nèi)容、在智能手機(jī)上使用語(yǔ)音溝通，或利用面部識(shí)別技術(shù)來(lái)拍照，都用到了某種形式的人工智能技術(shù)。這股人工智能的新潮流也伴隨著算法設(shè)計(jì)的理念轉(zhuǎn)變。過(guò)去基于數(shù)據(jù)的機(jī)器學(xué)習(xí)大多是利用具體領(lǐng)域的專業(yè)知識(shí)來(lái)人工地“塑造”所要學(xué)習(xí)的“特征”，計(jì)算機(jī)從大量示例數(shù)據(jù)中習(xí)得組合特征提取系統(tǒng)的能力，則使得計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別和自然語(yǔ)言處理等關(guān)鍵領(lǐng)域?qū)崿F(xiàn)了重大的性能突破。對(duì)這些數(shù)據(jù)驅(qū)動(dòng)技術(shù)的研究被稱為深度學(xué)習(xí)，如今正受到技術(shù)界兩個(gè)重要群體的關(guān)注：一是希望使用并訓(xùn)練這些模型、從而實(shí)現(xiàn)極高性能跨任務(wù)計(jì)算的研究者，二是希望為現(xiàn)實(shí)世界中的新應(yīng)用來(lái)部署這些模型的應(yīng)用科學(xué)家。然而，他們都面臨著一個(gè)限制條件，即硬件加速能力仍需加強(qiáng)，才可能滿足擴(kuò)大現(xiàn)有數(shù)據(jù)和算法規(guī)模的需求。