隨著人工智能（AI）的不斷發(fā)展，它已經(jīng)從早期的人工特征工程進(jìn)化到現(xiàn)在可以從海量數(shù)據(jù)中學(xué)習(xí)，機(jī)器視覺(jué)、語(yǔ)音識(shí)別以及自然語(yǔ)言處理等領(lǐng)域都取得了重大突破。CNN（Convolutional Neural Network，卷積神經(jīng)網(wǎng)絡(luò)）在人工智能領(lǐng)域受到越來(lái)越多的青睞，它是深度學(xué)習(xí)技術(shù)中極具代表性的網(wǎng)絡(luò)結(jié)構(gòu)之一，尤其在圖像處理領(lǐng)域取得了很大的成功。隨著網(wǎng)絡(luò)變得越來(lái)越大、越來(lái)越復(fù)雜，我們需要大量的計(jì)算資源來(lái)對(duì)其進(jìn)行訓(xùn)練，因此人們紛紛將注意力轉(zhuǎn)向FPGA（Field Programmable Gate Array，現(xiàn)場(chǎng)可編程門(mén)陣列）器件，F(xiàn)PGA不僅具有軟件的可編程性和靈活性，同時(shí)又有ASIC高吞吐和低延遲的特性，而且由于具有豐富的I/O接口，F(xiàn)PGA還非常適合用作協(xié)議和接口轉(zhuǎn)換的芯片。

近日KORTIQ公司推出了一款Xilinx FPGA的CNN加速器IP——AIScale，它能夠利用實(shí)現(xiàn)訓(xùn)練好的CNN網(wǎng)絡(luò)，比如行業(yè)標(biāo)準(zhǔn)的ResNet、AlexNet、Tiny Yolo和VGG-16等，并將它們進(jìn)行壓縮輸出二進(jìn)制描述文件，可以部署到Xilinx全系列可編程邏輯器件上。Zynq SoC和Zynq UltraScale+ MPSoC器件PS可以提供數(shù)據(jù)給AIScale CNN加速器（PL），經(jīng)過(guò)分類(lèi)處理將輸出數(shù)據(jù)給PS。壓縮后的CNN網(wǎng)絡(luò)占用資源相對(duì)小很多，可以部署在片上存儲(chǔ)器中，可以更快更靈活的切換CNN網(wǎng)絡(luò)。

圖1：AIScale在計(jì)算機(jī)視覺(jué)應(yīng)用案例示意圖

AIScale加速器的核心是AIScale RCC（Re-configurable Compute Core），用戶(hù)根據(jù)需求可以靈活自定義AIScale RCC模塊的數(shù)量，AIScale RCC支持卷積預(yù)處理、池化/采樣、加權(quán)和全連接層等處理。資源更豐富的Zynq SoC和UltraScale+ MPSoC可以集成更多的AIScale RCC模塊，這會(huì)給AIScale加速器帶來(lái)更大的性能提升。當(dāng)然也可以根據(jù)成本、系統(tǒng)功耗、性能需求集成一定的AIScale RCC模塊，選擇合適的Xilinx FPGA器件。

圖2：多個(gè) AIScale RCC模塊級(jí)聯(lián)連接

KORTIQ公司目前專(zhuān)注于嵌入式和計(jì)算機(jī)視覺(jué)領(lǐng)域，設(shè)計(jì)工業(yè)4.0和物聯(lián)網(wǎng)（IoT）等，未來(lái)將會(huì)為AIScale CNN加速器提供更多更先進(jìn)的特性，比如圖像分類(lèi)、物體識(shí)別和追蹤、人臉和語(yǔ)音識(shí)別、自然語(yǔ)言處理等，將先進(jìn)的人工智能網(wǎng)絡(luò)應(yīng)用到自動(dòng)化生產(chǎn)、控制等場(chǎng)景中，提高相關(guān)行業(yè)的生產(chǎn)力為用戶(hù)帶來(lái)更好的服務(wù)。