（文章來源：OFweek電子工程網(wǎng)）

作為GPU在算法加速上強(qiáng)有力的競(jìng)爭(zhēng)者，FPGA是否立即支持不同硬件，顯得尤為重要。FPGA與GPU不同之處在于硬件配置靈活，且FPGA在運(yùn)行深入學(xué)習(xí)中關(guān)鍵的子程序（例如對(duì)滑動(dòng)窗口的計(jì)算）時(shí)，單位能耗下通常能比GPU提供更好的表現(xiàn)。不過，設(shè)置FPGA需要具體硬件的知識(shí)，許多研究者和應(yīng)用科學(xué)家并不具備，正因如此，F(xiàn)PGA經(jīng)常被看作一種行家專屬的架構(gòu)。最近，F(xiàn)PGA工具開始采用包括OpenCL在內(nèi)的軟件級(jí)編程模型，使其越來越受經(jīng)主流軟件開發(fā)訓(xùn)練的用戶青睞。

對(duì)考察一系列設(shè)計(jì)工具的研究者而言，其對(duì)工具的篩選標(biāo)準(zhǔn)通常與其是否具備用戶友好的軟件開發(fā)工具、是否具有靈活可升級(jí)的模型設(shè)計(jì)方法以及是否能迅速計(jì)算、以縮減大模型的訓(xùn)練時(shí)間有關(guān)。隨著FPGA因?yàn)楦叱橄蠡O(shè)計(jì)工具的出現(xiàn)而越來越容易編寫，其可重構(gòu)性又使得定制架構(gòu)成為可能，同時(shí)高度的并行計(jì)算能力提高了指令執(zhí)行速度，F(xiàn)PGA將為深度學(xué)習(xí)的研究者帶來好處。

對(duì)應(yīng)用科學(xué)家而言，盡管有類似的工具級(jí)選擇，但硬件挑選的重點(diǎn)在于最大化提高單位能耗的性能，從而為大規(guī)模運(yùn)行降低成本。所以，F(xiàn)PGA憑借單位能耗的強(qiáng)勁性能，加上為特定應(yīng)用定制架構(gòu)的能力，就能讓深度學(xué)習(xí)的應(yīng)用科學(xué)家受益。

FPGA能滿足兩類受眾的需求，是一個(gè)合乎邏輯的選擇。本文考察FPGA上深度學(xué)習(xí)的現(xiàn)狀，以及目前用于填補(bǔ)兩者間鴻溝的技術(shù)發(fā)展。因此，本文有三個(gè)重要目的。首先，指出深度學(xué)習(xí)領(lǐng)域存在探索全新硬件加速平臺(tái)的機(jī)會(huì)，而FPGA是一個(gè)理想的選擇。其次，勾勒出FPGA支持深度學(xué)習(xí)的現(xiàn)狀，指出潛在的限制。最后，對(duì)FPGA硬件加速的未來方向提出關(guān)鍵建議，幫助解決今后深度學(xué)習(xí)所面臨的問題。

傳統(tǒng)來說，在評(píng)估硬件平臺(tái)的加速時(shí)，必須考慮到靈活性和性能之間的權(quán)衡。一方面，通用處理器（GPP）可提供高度的靈活性和易用性，但性能相對(duì)缺乏效率。這些平臺(tái)往往更易于獲取，可以低廉的價(jià)格生產(chǎn)，并且適用于多種用途和重復(fù)使用。另一方面，專用集成電路（ASIC）可提供高性能，但代價(jià)是不夠靈活且生產(chǎn)難度更大。這些電路專用于某特定的應(yīng)用程序，并且生產(chǎn)起來價(jià)格昂貴且耗時(shí)。

FPGA是這兩個(gè)極端之間的折中。FPGA屬于一類更通用的可編程邏輯設(shè)備（PLD），并且簡(jiǎn)單來說，是一種可重新配置的集成電路。因此，F(xiàn)PGA既能提供集成電路的性能優(yōu)勢(shì)，又具備GPP可重新配置的靈活性。FPGA能夠簡(jiǎn)單地通過使用觸發(fā)器（FF）來實(shí)現(xiàn)順序邏輯，并通過使用查找表（LUT）來實(shí)現(xiàn)組合邏輯。

現(xiàn)代的FPGA還含有硬化組件以實(shí)現(xiàn)一些常用功能，例如全處理器內(nèi)核、通信內(nèi)核、運(yùn)算內(nèi)核和塊內(nèi)存（BRAM）。另外，目前的FPGA趨勢(shì)趨向于系統(tǒng)芯片（SoC）設(shè)計(jì)方法，即ARM協(xié)處理器和FPGA通常位于同一芯片中。目前的FPGA市場(chǎng)由Xilinx主導(dǎo)，占據(jù)超過85％的市場(chǎng)份額。此外，F(xiàn)PGA正迅速取代ASIC和應(yīng)用專用標(biāo)準(zhǔn)產(chǎn)品（ASSP）來實(shí)現(xiàn)固定功能邏輯。 FPGA市場(chǎng)規(guī)模預(yù)計(jì)在2016年將達(dá)到100億美元。