0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

FPGA在深度學(xué)習(xí)領(lǐng)域的應(yīng)用

sBue_gongkongBB ? 來源:YXQ ? 2019-06-28 17:31 ? 次閱讀

深度學(xué)習(xí)機(jī)器學(xué)習(xí)的一個領(lǐng)域,都屬于人工智能AI)的范疇。深度學(xué)習(xí)主要研究的是人工神經(jīng)網(wǎng)絡(luò)算法、理論、應(yīng)用。

自從2006年Hinton等人提出來之后,深度學(xué)習(xí)高速發(fā)展,在自然語言處理、圖像處理、語音處理等領(lǐng)域都取得了非凡的成就,受到了巨大的關(guān)注。在互聯(lián)網(wǎng)概念被人們普遍關(guān)注的時代,深度學(xué)習(xí)給人工智能(AI)帶來的影響是巨大的,人們會為它隱含的巨大潛能以及廣泛的應(yīng)用價值感到不可思議。

事實(shí)上,人工智能(AI)是上世紀(jì)就提出來的概念。1957年,Rosenblatt提出了感知機(jī)模型(Perception),即兩層的線性網(wǎng)絡(luò);1986年,Rumelhart等人提出了后向傳播算法(Back Propagation),用于三層的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,使得訓(xùn)練優(yōu)化參數(shù)龐大的神經(jīng)網(wǎng)絡(luò)成為可能;1995年,Vapnik等人發(fā)明了支持向量機(jī)(Support Vector Machines),在分類問題中展現(xiàn)了其強(qiáng)大的能力。以上都是人工智能歷史上比較有代表性的事件,然而受限于當(dāng)時計(jì)算能力,AI總是在一段高光之后便要陷入灰暗時光——稱為:“AI寒冬”。

然而,隨著計(jì)算機(jī)硬件能力和存儲能力的提升,加上龐大的數(shù)據(jù)集,現(xiàn)在正是人AI發(fā)展的最好時機(jī)。自Hinton提出DBN(深度置信網(wǎng)絡(luò))以來,人工智能就在不斷的高速發(fā)展。在圖像處理領(lǐng)域,CNN(卷積神經(jīng)網(wǎng)絡(luò))發(fā)揮了不可替代的作用,在語音識別領(lǐng)域,RNN(遞歸神經(jīng)網(wǎng)絡(luò))也表現(xiàn)的可圈可點(diǎn)。而科技巨頭也在加緊自己的腳步,谷歌的領(lǐng)軍人物是Hinton,其重頭戲是Google brain,并且在去年還收購了利用AI在游戲中擊敗人類的DeepMind;Facebook的領(lǐng)軍人物是Yann LeCun,另外還組建了Facebook的AI實(shí)驗(yàn)室,Deepface在人臉識別的準(zhǔn)確率更達(dá)到了驚人的97.35%;而國內(nèi)的巨頭當(dāng)屬百度,在挖來了斯坦福大學(xué)教授Andrew Ng(Coursera的聯(lián)合創(chuàng)始人)并成立了百度大腦項(xiàng)目之后,百度在語音識別領(lǐng)域的表現(xiàn)一直十分強(qiáng)勢。

FPGA(Field Programmable Gate Array)是在PAL、GAL、CPLD等可編程邏輯器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。它是作為專用集成電路領(lǐng)域中的一種半定制電路而出現(xiàn)的,既解決了全定制電路的不足,又克服了原有可編程邏輯器件門電路數(shù)有限的缺點(diǎn)[3]。FPGA的開發(fā)相對于傳統(tǒng)PC、單片機(jī)的開發(fā)有很大不同。FPGA以并行運(yùn)算為主,以硬件描述語言來實(shí)現(xiàn);相比于PC或單片機(jī)(無論是馮諾依曼結(jié)構(gòu)還是哈佛結(jié)構(gòu))的順序操作有很大區(qū)別。FPGA開發(fā)需要從頂層設(shè)計(jì)、模塊分層、邏輯實(shí)現(xiàn)、軟硬件調(diào)試等多方面著手。FPGA可以通過燒寫位流文件對其進(jìn)行反復(fù)編程,目前,絕大多數(shù) FPGA 都采用基于 SRAM(Static Random Access Memory 靜態(tài)隨機(jī)存儲器)工藝的查找表結(jié)構(gòu),通過燒寫位流文件改變查找表內(nèi)容實(shí)現(xiàn)配置。

FPGA在GPUASIC中取得了權(quán)衡,很好的兼顧了處理速度和控制能力。一方面,F(xiàn)PGA是可編程重構(gòu)的硬件,因此相比GPU有更強(qiáng)大的可調(diào)控能力;另一方面,與日增長的門資源和內(nèi)存帶寬使得它有更大的設(shè)計(jì)空間。更方便的是,F(xiàn)PGA還省去了ASIC方案中所需要的流片過程。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:FPGA在深度學(xué)習(xí)領(lǐng)域的應(yīng)用

文章出處:【微信號:gongkongBBS,微信公眾號:工控網(wǎng)智造工程師】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    FPGA圖像處理領(lǐng)域的優(yōu)勢有哪些?

    FPGA(Field Programmable Gate Array,現(xiàn)場可編程門陣列)圖像處理領(lǐng)域具有顯著的優(yōu)勢,這些優(yōu)勢主要體現(xiàn)在以下幾個方面: 一、高并行處理能力 FPGA內(nèi)部
    發(fā)表于 10-09 14:36

    FPGA深度學(xué)習(xí)能走多遠(yuǎn)?

    。FPGA的優(yōu)勢就是可編程可配置,邏輯資源多,功耗低,而且賽靈思等都在極力推廣。不知道用FPGA深度學(xué)習(xí)未來會怎樣發(fā)展,能走多遠(yuǎn),你怎么看。 A:
    發(fā)表于 09-27 20:53

    FPGA人工智能中的應(yīng)用有哪些?

    FPGA(現(xiàn)場可編程門陣列)人工智能領(lǐng)域的應(yīng)用非常廣泛,主要體現(xiàn)在以下幾個方面: 一、深度學(xué)習(xí)加速 訓(xùn)練和推理過程加速:
    發(fā)表于 07-29 17:05

    FPGA深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)作為其核心算法之一,圖像識別、語音識別、自然語言處理等領(lǐng)域取得了顯著成果。然而,傳統(tǒng)的深度
    的頭像 發(fā)表于 07-24 10:42 ?460次閱讀

    深度學(xué)習(xí)算法嵌入式平臺上的部署

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)算法各個領(lǐng)域的應(yīng)用日益廣泛。然而,將深度學(xué)習(xí)算法部署到資源
    的頭像 發(fā)表于 07-15 10:03 ?944次閱讀

    深度學(xué)習(xí)中的時間序列分類方法

    時間序列分類(Time Series Classification, TSC)是機(jī)器學(xué)習(xí)深度學(xué)習(xí)領(lǐng)域的重要任務(wù)之一,廣泛應(yīng)用于人體活動識別、系統(tǒng)監(jiān)測、金融預(yù)測、醫(yī)療診斷等多個
    的頭像 發(fā)表于 07-09 15:54 ?520次閱讀

    深度學(xué)習(xí)中的無監(jiān)督學(xué)習(xí)方法綜述

    深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域的一個重要分支,近年來多個領(lǐng)域取得了顯著的成果,特別是
    的頭像 發(fā)表于 07-09 10:50 ?277次閱讀

    深度學(xué)習(xí)視覺檢測中的應(yīng)用

    能力,還使得機(jī)器能夠模仿人類的某些智能行為,如識別文字、圖像和聲音等。深度學(xué)習(xí)的引入,極大地推動了人工智能技術(shù)的發(fā)展,特別是圖像識別、自然語言處理、語音識別等領(lǐng)域取得了顯著成果。
    的頭像 發(fā)表于 07-08 10:27 ?485次閱讀

    人工智能深度學(xué)習(xí)的五大模型及其應(yīng)用領(lǐng)域

    隨著科技的飛速發(fā)展,人工智能(AI)技術(shù)特別是深度學(xué)習(xí)各個領(lǐng)域展現(xiàn)出了強(qiáng)大的潛力和廣泛的應(yīng)用價值。深度
    的頭像 發(fā)表于 07-03 18:20 ?2949次閱讀

    深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的對比

    人工智能的浪潮中,機(jī)器學(xué)習(xí)深度學(xué)習(xí)無疑是兩大核心驅(qū)動力。它們各自以其獨(dú)特的方式推動著技術(shù)的進(jìn)步,為眾多領(lǐng)域帶來了革命性的變化。然而,盡管
    的頭像 發(fā)表于 07-01 11:40 ?928次閱讀

    深度學(xué)習(xí)計(jì)算機(jī)視覺領(lǐng)域的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其中的核心技術(shù)之一,已經(jīng)計(jì)算機(jī)視覺領(lǐng)域取得了顯著的成果。計(jì)算機(jī)視覺,作為計(jì)算機(jī)科學(xué)的一個重要分支,旨在讓計(jì)算機(jī)能夠像人類一樣理解和解析圖像和視
    的頭像 發(fā)表于 07-01 11:38 ?529次閱讀

    深度解析深度學(xué)習(xí)下的語義SLAM

    隨著深度學(xué)習(xí)技術(shù)的興起,計(jì)算機(jī)視覺的許多傳統(tǒng)領(lǐng)域都取得了突破性進(jìn)展,例如目標(biāo)的檢測、識別和分類等領(lǐng)域。近年來,研究人員開始視覺SLAM算法
    發(fā)表于 04-23 17:18 ?1151次閱讀
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>下的語義SLAM

    FPGA深度學(xué)習(xí)應(yīng)用中或?qū)⑷〈鶪PU

    現(xiàn)場可編程門陣列 (FPGA) 解決了 GPU 在運(yùn)行深度學(xué)習(xí)模型時面臨的許多問題 在過去的十年里,人工智能的再一次興起使顯卡行業(yè)受益匪淺。英偉達(dá) (Nvidia) 和 AMD 等公司的股價也大幅
    發(fā)表于 03-21 15:19

    GPU深度學(xué)習(xí)中的應(yīng)用與優(yōu)勢

    人工智能的飛速發(fā)展,深度學(xué)習(xí)作為其重要分支,正在推動著諸多領(lǐng)域的創(chuàng)新。在這個過程中,GPU扮演著不可或缺的角色。就像超級英雄電影中的主角一樣,GPU
    的頭像 發(fā)表于 12-06 08:27 ?1148次閱讀
    GPU<b class='flag-5'>在</b><b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>中的應(yīng)用與優(yōu)勢

    深度學(xué)習(xí)人工智能中的 8 種常見應(yīng)用

    深度學(xué)習(xí)簡介深度學(xué)習(xí)是人工智能(AI)的一個分支,它教神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和推理。近年來,它解決復(fù)雜問題并在各個
    的頭像 發(fā)表于 12-01 08:27 ?3101次閱讀
    <b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b><b class='flag-5'>在</b>人工智能中的 8 種常見應(yīng)用