一种FPGA集群轻量级深度学习计算架构设计及实现

TN971%TP18; 传感器技术的发展带来了边缘、端设备功能的迅速迭代升级,也带来了战场前端的数据量成倍增长.针对边缘、端设备数据量的急剧增长和芯片计算处理能力的矛盾,结合Map/Reduce框架,提出了一种基于现场可编程门阵列(Field Programmable Gate Array,FPGA)计算集群资源的深度学习架构,能够实现多个深度学习算法的并行快捷部署和应用.该轻量级深度学习计算架构同时满足军事应用对"端"的智能处理能力提出的新要求,即不仅局限于数据采集和智能的应用,还必须具备分布式并行智能实时计算的能力.该FPGA集群轻量级深度学习计算框架部署不同类型算法容...

Full description

Saved in:
Bibliographic Details
Published in:电讯技术 2024, Vol.64 (1), p.14-21
Main Authors: 刘红伟, 潘灵, 吴明钦, 韩毅辉, 侯云, 席国江
Format: Article
Language:Chinese
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:TN971%TP18; 传感器技术的发展带来了边缘、端设备功能的迅速迭代升级,也带来了战场前端的数据量成倍增长.针对边缘、端设备数据量的急剧增长和芯片计算处理能力的矛盾,结合Map/Reduce框架,提出了一种基于现场可编程门阵列(Field Programmable Gate Array,FPGA)计算集群资源的深度学习架构,能够实现多个深度学习算法的并行快捷部署和应用.该轻量级深度学习计算架构同时满足军事应用对"端"的智能处理能力提出的新要求,即不仅局限于数据采集和智能的应用,还必须具备分布式并行智能实时计算的能力.该FPGA集群轻量级深度学习计算框架部署不同类型算法容易,实时性高(ms级任务响应),可扩展性好,在多种类异构传感器、大场景大数据吞吐量的军事场景及森林防火等民用场景有广泛的应用前景.
ISSN:1001-893X
DOI:10.20079/j.issn.1001-893x.221208003