Amadeus如何使用FPGA来打破Moore的法律门槛 澳大利亚公司抓住业务 - IT差距 Mingis关于Tech:RSA 2018的课程 布拉德福德大学部署了HPC,以帮助研究全球遗产 MySpace数据丢失:Botched Server迁移提示用户对丢失歌曲命运的疑虑 OpenReach呼吁CSPS帮助制定全纤维策略 阿特拉斯人推出了Jira Ops,收购了295米的Opsgenie Home Office Brexit应用程序将在Apple设备上使用 对网络泄露的企业毫无准备 英国在扩大的投资中引导欧洲 最新的麦斯科斯更新克满企业码头,空白的外部屏幕 Windows 10的新支持策略是SMB的单打 快速乘以物联网网络攻击使用众所周知的弱点 微软的宏伟SWIFTKEY计划终于进入了焦点 Massive March Patch星期二放松杀毒风险限制,但有问题 警察倒下了两个暗网市场 挪威工业和国家必须结合抵消网络威胁 Slack为Enterprise Grid用户添加了企业密钥管理 英国物联网研究中心解决网络风险 中东CIO乐观,因为预算增加和数字变换扩大 Microsoft在查找bsod bug后持有Windows 10功能升级 新春更新发生了什么,Windows 10版本1803? DCMS用新的农村全纤维计划震动BDUK 朋友圈发的GM知行商学院是什么模式?怎么样加入? 鸭子和封面:关闭Windows自动更新并阻止Win10 1809升级 上诉法院法官拒绝在地平线上拒绝邮局要求 IBM对自动化的投资在GDPR的第一年偿还了 Microsoft Stamps October的Windows 10功能升级为企业 - 值得 Mingis关于Tech:2018年合作状况 SEC官员称Ethereum不是一种安全,释放它监督 报告:AI助理和聊天禁止在企业中获得牵引力 MI5和MET升级使用分析来解决恐怖主义 特拉华州测试基于区块链的业务归档系统 Microsoft Drops Windows 10 Enterprise的支持扩展名 BT开关在Adastral Park的Quantum Network Link IBM Demos量子普通在人工智能中飞跃 Mingis关于Tech:uem和移动管理的未来 Microsoft瞄准同轴电缆AI开发人员 字母Q1结果:由于欧盟精致所需的收入,收入缺乏预期 iPhone 8和x将Apple推入智能手机领先三星 数据隐私的自我主权ID关键 Microsoft要求KB 4090913修复上个月的Win10 1709 USB错误 Gartner说,Windows 10 Pro是企业的死胡同 NHS推出护理家庭可​​用性门户 阿联酋封锁的Skype将打败企业以及人员 面试:克罗伊登如何将GDS课程应用于数字服务交付 Microsoft提升办公室2019年价格10% Facebook的数据崩溃是Android用户的叫醒服务 补丁更新:每月汇总预览需要WIN7,8.1以及WIN10 1607,1703的更新 Gocardless迁移到云并获得谷歌工程能力
您的位置:首页 >物联网 >

Amadeus如何使用FPGA来打破Moore的法律门槛

计算机行业由一个简单的公式驱动,这些公式,各种规定的计算能力每18个月将增加一次。这是摩尔定律的本质,它意味着软件能够利用处理器性能加倍,而无需客户在硬件上花费两倍。

尽管如此,芯片制造商越来越困难,以便以维持摩尔定律所需的步伐继续创新。随着组织开始开发机器学习和人工智能(AI)应用程序,这已成为最明显的,传统处理器 - 或CPU - 未能提供所需的性能水平。

相反,查看乘坐AI的组织开始使用替代硬件,如图形处理单元(GPU),最近,现场可编程门阵列(FPGA),这承诺提供更好的性能水平。

“在过去的10年里,Moore的法律已经达到了门槛。所有依赖CPU的公司都面临这个门槛,需要改变他们接近计算的方式,“Amadeus的研究中心高级经理Pierre-etienne Melet说。

他说,软件工程的复杂技术有助于限制摩尔法的绩效高度的影响。但是今天基于GPU,FPGA和ASICS(应用专用集成电路)的硬件创新也有不断增长的认识,这承诺加速计算上的计算密集型应用。

“在我们的创新集团中,我们开始看看FPGA如何用于加速机器学习,”Seletsmelet。

Amadeus在苏黎世的Eth ech的一支硬件工程师团队致力于研究基于机器学习的决策的推理应用中的使用FPGA。

GPU往往是人们需要克服与使用传统CPU的延迟问题进行高性能AIAPplications时的第一个人。然而,虽然GPU解决了延迟问题,但Melet表示,它们往往是饥饿的动力,因此不是很有功率效率。因此,挑战不仅能够快速地运行AI算法,还可以通过有效地使用电力来实现高性能。

从功率效率的角度来看,MELet表示FPGA与GPU相比,该数量级较低的功耗,这可能使它们有效地运行AI算法的良好候选者。

超越了电力效率的论点,Melet表示GPU不是运行某些数据重型AI应用的最佳选择。“GPU并行过程”,“他说。“这意味着只能在数据集中运行单个GPU指令。”

如何在AWS中编程FPGA实例

“当您在Amazon Web服务(AWS)上拍摄了FPGA的实例时,它配备了Xilinx Vivado Design Suite,”Amadeus应用研究中心高级经理Pierre-etienne Melet说。

这提供了硬件合成引擎和用于模拟设计的工具,并将程序上传到FPGA上。工程师使用硬件描述语言“程序”FPGA,然后将其合成为二进制FPGA图像文件。这是用于编程FPGA的文件。

MELET说,在AWS上编程FPGA实例有点像将程序放入随机存取内存(RAM):“当机器启动时,它是非常快速的。”Vivado用于将二进制文件复制到FPGA上。

对程序的任何修改都需要修改硬件描述语言,综合二进制图像并重新编程FPGA。虽然可以模拟FPGA以避免编程错误,在MEMet的经验中,这是非常慢的。

但是,他补充说:“在FPGA上,你有无限的粒度。您可以并行处理不同数据的不同指令。“

与GPU方法相比,这是福利,但显然是缺点。从技能角度来看,编程GPU比较成熟。人们了解如何做到它和软件开发工具处于丰富。然而,Melet Notes,“FPGA不太柔韧;编程更为古代“。

这是由于其遗产。过去,硬件工程师使用FPGA来原型集成电路。在将它们融入硅之前,工程师将使用FPGA测试其设计。MELET表示,这意味着编程FPGA更复杂,声称与软件工程相比它是不同的思维。

但是,在与ETH进行的研究中,该团队发现,当算法被编程到FPGA上运行时,最终结果可能比在最先进的GPU上运行相同的程序时更好。

研究涉及使用CPU实例,GPU实例和FPGA实例在AWS上运行决策树算法。该团队发现,在AWS FPGA实例上运行相同的算法,吞吐量的吞吐量比在AWS CPU实例上运行相同的算法时提供了130倍。FPGA还提供了GPU实例的吞吐量的四倍。实际上,与在AWS上使用GPU实例相比,MELET表示可以在FPGA上处理更多数据的过程。

通过在AWS上运行相同的算法,Eth和Amadeus的团队能够展示相当大的节省成本。他们发现,在FPGA实例上运行其决策树算法比在CPU或GPU实例上运行的等效工作负载显着更具成本效益。根据MELET,FPGA实例比在AWS GPU实例上运行等效工作量便宜七倍; CPU版本昂贵28倍。

对于MELET,该研究表明,使用FPGA可以更快地处理AI数据,有效地且以较低的成本,因此是可行的。“我们知道我们可以加速的那种算法,”他补充道。

FPGA代表了一个新的软件工程前沿。第一个挑战将是具有正确技能的人缺乏。

在Amadeus,MELET发现了许多签约,他在学院和大学学习了硬件工程技术。

“很多人都在大学学习五金工程师,所以他们有一定的理解程度,”他说。“他们发现他们直到现在地没有用过这些技能。现在可以在生产中使用用于原型设计集成电路的FPGA的技能。这让他们更新他们的知识。“

这是早期,但Melet预计芯片制造商和初创公司可以开发和改进软件堆栈,工具和库,以使软件工程师更容易编程FPGA。

下一步

了解有关可适应数据中心的未来

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。