在深度學習領域，GPU加速是應用的主流。當然還有一些人會獨辟蹊徑的選擇一些“非主流”的產品，比如FPGA。

　　作為新興的加速代表，F(xiàn)PGA與人工智能這個名字緊緊的捆綁在一起，業(yè)界對于FPGA的前景也充滿期待。去年5月，英特爾宣布以167億美元收購FPGA生產商Altera，這也說明了這個芯片巨頭對于FPGA市場發(fā)展的強大信心。

　　但是，對于許多人來說，F(xiàn)PGA的意義何在，F(xiàn)PGA能夠應用于生產場景中，這些問題都是他們存在于心底的疑惑。而對于FPGA的許多，筆者日前有幸聆聽了英特爾PSG BDM部門劉斌博士的演講，對于FPGA的認識有了進一步的加深。

    FPGA存在的意義是什么?

　　用戶可以從Caffe或者從TensorFlow開始Machine Learning的設計，開始神經網絡CNN的設計，在設計之后不需要真的了解FPGA是怎么開發(fā)的，F(xiàn)PGA的板卡是怎么開發(fā)的，F(xiàn)PGA用什么樣的硬件描述語言，你就可以把你的神經網絡放進FPGA里，得到FPGA的速度和功耗上的優(yōu)勢，這個是我們戰(zhàn)略里面，F(xiàn)PGA所扮演的角色。

　　為什么FPGA比較適合用于深度學習

　　首先FPGA是一個可編程的硬件，和我們大部分的處理器不同。因為處理器的硬件結構是固定的。FPGA雖然有非常穩(wěn)定的底層結構但是我們可以組合成非常多類型的數(shù)字電路，并且在里面可以利用一些硬核構成一些相對比較高層的計算結構。

　　首先FPGA的能效比非常好，其次FPGA有非常好的可編程性，即使在線的情況下，你可以更新你的硬件結構。最后，F(xiàn)PGA本身因為具備類似I/O或者說片上系統(tǒng)的部分功能，可以提供一些基礎架構上的靈活性。

    英特爾的FPGA相關產品

　　英特爾(Altera)傳統(tǒng)來講是一個半導體的廠商，所以在FPGA這個產品線里面我們其實包括以下幾種類型產品。半導體這一側我們主要有叫Max的CPLD系列，Cyclone， Arria 和Stratix的FPGA產品系列，這個是從低到高的。

　　Cyclone是比較低端的，Arria在中間，Stratix是比較高端的產品系列。每個產品系列里面又有自己的不同的具體的型號， 按照規(guī)模來劃分，那應用的場景會不太一樣。

　　Cyclone可能是應用在更工業(yè)化的更嵌入設備應用的場景里，Arria是一個功耗成本和性能的一個平衡產品，Stratix是一個超強的計算能力的產品。我們今年年底正在推出Statix 10的工程樣片，第一個工程樣片它的浮點計算能力達到9.2個Tflop，9個Tflops的產品。

　　Enpirion是我們另外一條產品線，主要是支持一個非常小尺寸的電源的工作，在server或者是在計算領域有很大應用。但產品來講除了器件以外，我們包括了開發(fā)工具，也包括板卡和IP。

　　如何利用一顆FPGA實現(xiàn)CNN加速

　　我們選擇CNN作為第一個切入點，因為CNN的網絡運用非常廣泛;另外CNN的網絡也是深度學習一個典型的情況，會不停地往前演進。

　　FPGA效率達到最高的基本原則是，我里面剛剛講到的乘加單元、存儲器單元，他們能夠盡可能的被使用到。

　　FPGA在CNN領域面臨的3大挑戰(zhàn)

　　因為FPGA還很新，那進入這個市場第一個挑戰(zhàn)是怎么樣讓FPGA工作起來。

　　第二個挑戰(zhàn)是機器學習是一個快變的一個技術領域，所以他的生態(tài)壞境、社區(qū)、軟件都是非常重要的一個方面。那我們作為后來者，特別是跟這種FPGA的團隊

　　第三個是FPGA還有一些原生的特點，比如開發(fā)周期是比較長。

　　在演講的最后，在談到為何今天應該采用英特爾FPGA來實現(xiàn)深度學習的時候，劉斌表示：“英特爾FPGA是技術和價值之選;英特爾機器學習戰(zhàn)略將先進的器件(包括FPGA)與優(yōu)化的軟件庫，高階的框架，以及數(shù)據(jù)分析平臺整合在一起;英特爾FPGA支持高效的OpenCL編程。”