AI ( 人工智能)現在完全處于圖像識別市場的主導地位，因為卷積神經網絡 (CNN) 的表現不僅遠遠超越同類競爭機器實現方案，甚至讓人類的圖像識別能力也相形見絀。基本的 CNN 算法需要大量的計算和數據重復使用，這正是 FPGA 實現方案的優(yōu)勢。

賽靈思 CTO 辦公室的杰出工程師Ralph Wittig在 2016 年 OpenPOWER 峰會上做了 20 分鐘的演講，討論了 CNN 的當前技術最新發(fā)展水平以及包括清華大學等在內各個大學的一些研究結果。

這為我們帶來了幾個與 CNN 算法實現方案功耗相關且備受關注的結論：

繼續(xù)使用片上存儲器；

使用較小的乘法器；

繼續(xù)使用定點算法 — 16 位定點解析可最大限度減少與 32 位定浮點計算有關的精確度退化問題，而且如果逐層使用動態(tài)量化，8 位計算也能產生良好的結果。

詳細內容請觀看 Ralph Wittig在 OpenPOWER 峰會上的演講視頻：

在本視頻中，Wittig 還說明了兩款 CNN 相關產品的使用情況。 這兩款產品此前在Xcell Daily中有報道：

與 CAPI 兼容的 Alpha Data ADM-PCIE-8K5 PCIe 加速板。（請參見：Alpha Data 面向 x86 和 IBM Power8/9 數據中心及云服務器的 ADM-PCIE-8K5 PCIe 加速板使用 Kintex UltraScale FPGA。）

Auviz Systems 的 AuvizDNN（深度神經網絡）庫。（請參見：深入了解 AuvizSystems 的卷積神經網絡性能加速、云端的機器學習：FPGA 上的深度神經網絡以及 Auviz 圖像處理及計算機視覺庫與賽靈思 SDAccel 相配合，可為 FPGA 實現堪比 GPU 的性能。）

擴展閱讀：

Xilinx 與 IBM 攜手通過 SuperVessel 云實現 FPGA 加速

Xilinx 拓展生態(tài)系統(tǒng)和平臺強化嵌入式視覺和工業(yè)物聯網產品組合

面向數據中心與云服務器的 PCIe 加速卡來了！

FUTURE IS HERE!