fpga adc read_adc lvds fpga接口_fpga中adc是(2)

Intel市值 165 Billon （截止到2016-11-19），老大哥经历过低谷，开始慢慢爬起

2016年半导体厂商营收排名：Top20

--------------------------------------------------------------------------------------------------------------------

更新2016-11-22

如果看Nvidia股票近5年的走势话，和深度学习热度十分吻合，不知谁因谁果，但我更偏向于2012年Hinton课题组拿下ImageNet比赛的冠军，引爆了深度学习的热潮，从而推动了GPU的发展。fpga adc read于此同时GPU的发展也带来了深度学习性能的提升。既然GPU在深度学习领域如鱼得水，那么怎么会将GPU与FPGA进行对比呢？在深度学习爆发之前为什么没有呢(大家各走各的阳关道)？

我想期初（2012-2014）GPU在深度学习领域的地位无可撼动，可以说是拿着探照灯也找不到对手，而且那时大家是深挖深度学习的潜能出成果，无暇顾及太多。还没吃饱自然不会想到胖。随着深度学习的发展，功耗和硬件结构成为摆在眼前的问题，这时研究者们开始思考有没有其他的硬件也可以进行深度学习？放眼望去，只有FPGA具有的并行性或许可以，但结构和GPU相差甚远，完全是两个体系。

功耗方面，电子元器件的功耗与C（寄生电容）、V（工作电压）和f^2（工作频率成正比），可以写为P=CVf^2, GPU作为多核来讲，可以将其功耗与Core看成是线性关系，即P=NCVf^2, 核越多功耗就越大。除此之外，GPU板卡的功耗还来自与大量访问片外存储SDRAM造成的功耗，这些功耗主要包括寄有功耗（Background）\读写（Write/Read）功耗、激活（Active）功耗、刷新功耗（Refresh）、端接功耗（DQ terminal）等。

硬件结构上，大家希望可以研制出深度学习处理器，这样在处理性能和功耗上都会是一个飞跃，所以这也是很多深度学习芯片公司纷纷成立的原因（深受VC推崇），这完全是一片蓝海，很蓝很广。研制深度学习芯片离不开FPGA，但是万一深度学习芯片研制成功了，Nvidia的股票会如何呢，FPGA又会如何呢？

现在FPGA为什么会得到重视，就是抛开FPGA原有的领域，在深度学习领域似乎有那么点光，有光就意味着有希望。如同2012年前，GPU只是游戏发烧友口中的电脑配置的代名词，时至今日，GPU从游戏界走到了学术界，走到了工业界。说不定FPGA或者AI芯片也会，有机会就要抓住他。从来不要低估一颗冠军的心。

FPGA的开发问题：现在已经可以在FPGA上通过OpenCL实现Caffe的framework，假以时日，会有不错的成绩（困难会被慢慢推倒）。

bertendsp.com/pdf/whitepaper/BWP001_GPU_vs_FPGA_Performance_Comparison_v1.0.pdf

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-40311-2.html