新聞中心

EEPW首頁(yè) > 嵌入式系統(tǒng) > 設(shè)計(jì)應(yīng)用 > 用于先進(jìn)視頻處理解決方案的現(xiàn)場(chǎng)可編程邏輯門陣列(FPGA)產(chǎn)品與技術(shù)

用于先進(jìn)視頻處理解決方案的現(xiàn)場(chǎng)可編程邏輯門陣列(FPGA)產(chǎn)品與技術(shù)

—— (白皮書(shū)編號(hào):WP022)
作者: 時(shí)間:2021-03-22 來(lái)源:電子產(chǎn)品世界 收藏

部署先進(jìn)的網(wǎng)絡(luò)基礎(chǔ)設(shè)施不僅可以解決數(shù)據(jù)傳輸量激增的問(wèn)題,而且還能在諸如邊緣、核心和云端等網(wǎng)絡(luò)的不同部分進(jìn)行數(shù)據(jù)處理。不足為奇的是大部分?jǐn)?shù)據(jù)要么是視頻,要么是圖像,并且這些數(shù)據(jù)正以指數(shù)級(jí)速度增長(zhǎng),并將在未來(lái)幾年內(nèi)保持持續(xù)增長(zhǎng)。因此,需要更多的計(jì)算資源來(lái)應(yīng)對(duì)數(shù)據(jù)的大量增長(zhǎng)(如圖1所示)。

本文引用地址:http://m.butianyuan.cn/article/202103/423732.htm

由于應(yīng)用的類型多種多樣,因此在數(shù)據(jù)中心中存在著各種各樣的視頻或圖像處理工作負(fù)載。基于專用集成電路(ASIC)的解決方案通??商峁└叩男阅埽菬o(wú)法進(jìn)行升級(jí)以支持未來(lái)的算法;基于中央處理器(CPU)的解決方案要比其更加靈活,但其時(shí)鐘主頻已經(jīng)固定,而且已不再可能大幅提升處理器性能;圖形處理器(GPU)是提供視頻/圖像處理解決方案的另一種候選方案,但其功耗明顯高于基于現(xiàn)場(chǎng)可編程邏輯門陣列(FPGA)的解決方案。FPGA在視頻處理和壓縮領(lǐng)域內(nèi),是一種具有吸引力的選擇,因?yàn)樗鼈兲峁┝藢?shí)現(xiàn)創(chuàng)新視頻處理算法所需的、平衡的資源。此外,F(xiàn)PGA提供了一種靈活的解決方案,可以縮短產(chǎn)品上市時(shí)間,并能在解決方案的整個(gè)生命周期內(nèi)實(shí)現(xiàn)持續(xù)升級(jí)和部署新的功能。

表1 互聯(lián)網(wǎng)用戶和數(shù)據(jù)流的增長(zhǎng)

年份

互聯(lián)網(wǎng)用戶

設(shè)備與連接

寬帶速度

視頻數(shù)據(jù)流量

2017

34億

180億

39.0 Mbps

占總量的75%

2022

48億

285億

75.4 Mbps

占總量的83%

來(lái)源:思科(Cisco)公司

1616393825282721.png

圖1 全球互聯(lián)網(wǎng)視頻數(shù)據(jù)流(來(lái)源:思科)

33% CAGR 2017-2022:2017-2022年間的復(fù)合年增長(zhǎng)率33%

Exabytes per Month:每月的Exabytes數(shù)量

基于FPGA的視頻解決方案的示例

本白皮書(shū)將介紹三種典型的視頻應(yīng)用,以展示基于FPGA的解決方案在廣播行業(yè)中的優(yōu)勢(shì)。這些優(yōu)勢(shì)包括縮短處理時(shí)間、降低功耗,以及為服務(wù)提供商和終端用戶節(jié)省成本。

本白皮書(shū)將介紹基于FPGA的解決方案在以下三種應(yīng)用中的優(yōu)勢(shì):

●   視頻流

●   使用視頻編輯軟件來(lái)創(chuàng)作視頻內(nèi)容

●   人工智能(AI)和深度學(xué)習(xí)–圖像識(shí)別是該應(yīng)用的主要部分,其需要高性能的計(jì)算資源

視頻流傳送

為了使媒體流變得快速和高效,對(duì)視頻進(jìn)行轉(zhuǎn)碼的需求已急劇增加。目前大多數(shù)產(chǎn)品都采用了一種基于軟件的方法,但該方法無(wú)法滿足高帶寬、廣播級(jí)視頻流的處理要求。視頻流和/或云服務(wù)提供商面臨著由基于軟件的解決方案所帶來(lái)的低吞吐量、高功耗、長(zhǎng)延遲和占用空間大等挑戰(zhàn)。根據(jù)思科的一份題為《思科可視網(wǎng)絡(luò)指數(shù):預(yù)測(cè)與趨勢(shì)——2017-2022年白皮書(shū)》的報(bào)告,視頻流數(shù)據(jù)流量正在增加,并且到2022年時(shí)將占據(jù)整個(gè)互聯(lián)網(wǎng)數(shù)據(jù)流的82%。在包括視頻點(diǎn)播、流媒體直播和視頻監(jiān)控等所有應(yīng)用中,視頻數(shù)據(jù)流量將逐年穩(wěn)步增長(zhǎng)。

諸如Netflix和YouTube等視頻流應(yīng)用的興起推動(dòng)了對(duì)視頻轉(zhuǎn)碼的需求。傳統(tǒng)廣播和視頻流媒體之間最顯著的區(qū)別在于內(nèi)容量和頻道數(shù)。為了支持從電腦到智能手機(jī)等各種接收設(shè)備,內(nèi)容必須被轉(zhuǎn)碼成不同的分辨率和壓縮格式。因此,視頻流將消耗大量的計(jì)算資源。

1616393852729964.png

圖2 視頻轉(zhuǎn)碼工作流程

Acquisition:獲取

content creator dramatically growing:內(nèi)容創(chuàng)作者的數(shù)量在急劇增加

Editing:編輯

Uploading:上傳

Streaming Company:流媒體公司

Cloud Service Provider:云服務(wù)提供商

Transcoding:轉(zhuǎn)碼

different compression:不同的壓縮率

different resolution:不同的分辨率

different bitrates:不同的比特率

Distribution:發(fā)布

iPhone:iPhone手機(jī)

Andriod:安卓手機(jī)

PC Browser:電腦瀏覽器

流媒體和云服務(wù)提供商需要一種解決方案來(lái)緩解對(duì)計(jì)算需求的壓力。Achronix Speedster?7t系列FPGA器件中搭載了IBEX這種最先進(jìn)的視頻處理半導(dǎo)體知識(shí)產(chǎn)權(quán)(IP)能夠解決這一重大問(wèn)題。這種基于FPGA的解決方案可以提供高吞吐量的、低功耗的和占用空間小的系統(tǒng),而且無(wú)需犧牲靈活性。盡管基于ASIC的解決方案功能強(qiáng)大,但只能支持在設(shè)計(jì)時(shí)定義的功能集,而不能支持現(xiàn)場(chǎng)更新。

視頻內(nèi)容創(chuàng)作

在過(guò)去,高清分辨率(HD)格式在視頻內(nèi)容創(chuàng)作中占據(jù)主導(dǎo)地位。最近,標(biāo)準(zhǔn)分辨率已被提升至4K,甚至到8K,這使得視頻編碼或解碼面臨挑戰(zhàn)。用于這些較高分辨率的壓縮格式主要有Apple ProRes、Avid DNx和SONY XAVC。由于這些壓縮格式是專有的,因此ASIC或GPU并不能原生支持這些格式,而且CPU提供的性能也不佳。因此,在較高分辨率下創(chuàng)作視頻內(nèi)容時(shí),F(xiàn)PGA是最佳的解決方案。

1616393876517161.png

圖3 視頻編輯工作流程

Import:導(dǎo)入

Editing Software:編輯軟件

Import(Decode):導(dǎo)入(解碼)

Export(Encode):導(dǎo)出(編碼)

Remote Edit:遠(yuǎn)程編輯

Export:導(dǎo)出

在新的趨勢(shì)下,遠(yuǎn)程后期制作的概念正變得越來(lái)越普遍。然而,現(xiàn)有的電腦并沒(méi)有足夠的能力來(lái)實(shí)時(shí)處理高分辨率的內(nèi)容(例如8K)。因此,編輯人員開(kāi)始借助云基礎(chǔ)設(shè)施來(lái)獲得更好的計(jì)算性能。此外,由于需要保持社交距離,新冠肺炎疫情也加速了這一趨勢(shì)?;谠坪虵PGA的解決方案為編輯人員提供了巨大的好處。Achronix Speedster7t系列FPGA器件進(jìn)行架構(gòu)創(chuàng)新,例如二維片上網(wǎng)絡(luò)(NoC),使其特別適合于加速編碼和解碼算法。

人工智能與深度學(xué)習(xí)

人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是眾所周知的領(lǐng)域,它們?cè)谶^(guò)去幾年中得到了迅速的發(fā)展。除了這些領(lǐng)域,圖像識(shí)別也逐漸成為一個(gè)全新的重要領(lǐng)域,這得益于人工智能/機(jī)器學(xué)習(xí)(AI / ML)的創(chuàng)新。例如,先進(jìn)駕駛員輔助系統(tǒng)(ADAS)使用深度學(xué)習(xí)算法來(lái)處理捕獲的圖像。安裝在車上的行車記錄儀使用H.264壓縮技術(shù)記錄視頻,然后將視頻流轉(zhuǎn)碼為諸如JPEG或PNG等合適的圖像格式,以用于深度學(xué)習(xí)圖像識(shí)別。根據(jù)應(yīng)用場(chǎng)景,可以同時(shí)完成丟幀、更改分辨率或其他圖像處理任務(wù)。

在零售業(yè)的安全攝像頭或物流業(yè)的包裹分揀中也有類似的應(yīng)用案例,其數(shù)據(jù)流與上述示例相同 —— 這些應(yīng)用中的攝像頭使用H.264或H.265等壓縮比相對(duì)較高的壓縮格式記錄視頻,然后將編碼的視頻流傳輸?shù)皆贫嘶驍?shù)據(jù)中心。在云端,視頻流由原始格式轉(zhuǎn)碼為適合深度學(xué)習(xí)的格式,將視頻文件轉(zhuǎn)換為圖像資料庫(kù)。

1616393899864094.png

圖4 典型的深度學(xué)習(xí)圖像數(shù)據(jù)流

Transcoding:轉(zhuǎn)碼

Different compression:不同的壓縮率

Video=Image:視頻=圖像

AI:人工智能

Deep Learning:深度學(xué)習(xí)

Image Recognition:圖像識(shí)別

從歷史來(lái)看,F(xiàn)PGA一直擅長(zhǎng)將電影轉(zhuǎn)碼為圖像。此外,使用FPGA中的深度學(xué)習(xí)算法對(duì)圖像預(yù)先進(jìn)行預(yù)處理,不僅可以提高吞吐量,而且還能減少系統(tǒng)級(jí)的數(shù)據(jù)事務(wù)量。Achronix Speedster7t的創(chuàng)新架構(gòu)及其帶有的專用機(jī)器學(xué)習(xí)處理器(MLP),使之成為實(shí)現(xiàn)定制的和既定的深度學(xué)習(xí)算法的理想選擇。

FPGA代表性視頻用例的性能

我們分別使用FPGA和CPU來(lái)實(shí)現(xiàn)上述三個(gè)典型應(yīng)用案例,并對(duì)一些關(guān)鍵指標(biāo)進(jìn)行對(duì)比,如下表所示。

表2 FPGA與CPU的性能比較

壓縮格式


編碼器

解碼器

備忘錄

H.264, H.265

典型參數(shù)

?

典型參數(shù)表示8位、420、2K。英特爾QSV、GPU硬核功能仍然強(qiáng)大,尤其是在編碼器端。

次要參數(shù)

?

次要參數(shù)表示10位、422、3K或5K。英特爾QSV、GPU硬核不支持它。

幀內(nèi)

專有編解碼器,諸如Apple ProRes、Avid DNx、SONY XAVC、Panasonic AVC-Intra。圖像格式,諸如JPEG和PNG等。

表注

↑ FPGA提供更佳的性能。

? FPGA和CPU提供同等的性能,但FPGA是卸載CPU負(fù)擔(dān)的首選解決方案。

↓ FPGA和CPU提供同等的性能,但CPU是首選解決方案。

視頻流傳輸

在視頻流傳輸應(yīng)用中,常用的壓縮格式是H.264或H.265,因?yàn)榻K端(接收端)設(shè)備原生支持這些格式。諸如位深或色度和分辨率等參數(shù)通常為8位、4:2:0和1920×1080或1280×720。在解碼器方面,基于FPGA的實(shí)現(xiàn)比基于CPU的系統(tǒng)提供更高的吞吐量。在數(shù)據(jù)層面,F(xiàn)PGA效率更高,因?yàn)槿绻麑PU用于純數(shù)據(jù)處理之外的其他任何與數(shù)據(jù)相關(guān)的任務(wù)時(shí),它通常都沒(méi)有得到充分的利用。然而在編碼器方面,硬化的CPU編碼器內(nèi)核是專門針對(duì)這些典型參數(shù)而設(shè)計(jì)的,并提供了足夠的性能。

為了獲得兩全其美的效果,將FPGA和CPU解決方案相結(jié)合,并由FPGA來(lái)處理繁重的工作負(fù)載是理想的解決方案。FPGA上的高效功能可以被移植到可重新配置的硬件上去運(yùn)行。例如,運(yùn)動(dòng)估計(jì)算法是一種適合FPGA的工作負(fù)載。另一方面,CPU更適合處理比特率控制算法。

一些服務(wù)提供商要求在軟件解決方案中實(shí)現(xiàn)與x264相同的視頻質(zhì)量和流媒體格式。FPGA和CPU的組合解決方案可以有效地滿足這些要求。使用這種方法,每種功能都被合理地分配,較繁重的處理負(fù)載被轉(zhuǎn)移到FPGA,與純軟件解決方案相比,這種方法能提供類似或更好的視頻質(zhì)量和流媒體格式,而且編碼時(shí)間顯著減少。

下表列出了使用這種方法的x264評(píng)測(cè)結(jié)果,第一行顯示了在FPGA上的運(yùn)動(dòng)估計(jì)函數(shù)(x264_8_me_search_erf)的結(jié)果。運(yùn)動(dòng)估計(jì)是CPU最繁重的工作負(fù)載之一,占據(jù)總處理時(shí)間的21.2278%。

表3 x264評(píng)測(cè)結(jié)果(通過(guò)評(píng)測(cè)軟件獲得)

樣本

百分比

符號(hào)名稱

3679706

21.2278

x264_8_me_search_ref

2078100

11.9883

x264_8_pixel_ads_mvs_ssse3

1453998

8.3880

x264_8_pixel_sad_x3_8x16_sse2

1176121

6.7849

x264_8_picel_sad_x3_16x16_avx2

1156301

6.6706

x264_8_pixel_sad_x3_8x8_sse2

1095731

6.3211

x264_8_pixel_ads2_avx2

868943

5.0128

x264_8_pixel_sad_x3_16x8_avx2

779812

4.4986

x264_8_pixel_ads1_avx2

318990

1.8402

x264_8_pixel_ads_avx2

275943

1.5919

x264_8_quant_4x4_trellis

255712

1.4752

x264_8_trellis_cabc_4x4_psy_ssse3

231397

1.3349

x264_8_pixel_satd_8x8_interval_avx2

187422

1.0812

x264__8_mc_chroma_avx2

168559

0.9724

x264_8_pixel_satd_16x8_interval_avx2

168484

0.9720

x264_8_pixel_sad_8x8_mmx2

視頻內(nèi)容創(chuàng)作

用于內(nèi)容創(chuàng)作的視頻編輯軟件支持多種壓縮格式,其中包括Apple ProRes、Avid DNx、Sony XAVC和Panasonic AVC-Intra,這些格式都帶有基于內(nèi)幀結(jié)構(gòu)的專有壓縮方案。此外,還有一些支持RAW模式的格式,諸如Apple ProRes RAW、RED RAW、ARRI RAW和Blackmagic RAW,這些格式都得到了攝像機(jī)制造商的支持。由于這些格式(以及新型的和不斷出現(xiàn)的格式)具有不斷變化的特性,因此基于ASIC的解決方案并不實(shí)用,而需要基于FPGA的解決方案。

在過(guò)去,主要的分辨率為HD/2K,CPU具有足夠的速度來(lái)處理這些視頻流。但是,隨著4K或8K分辨率變得越來(lái)越普遍,僅靠CPU加軟件的解決方案不能夠提供實(shí)時(shí)處理。另一方面,基于FPGA的解決方案可以輕松地實(shí)時(shí)處理4K和8k分辨率視頻。

內(nèi)部基準(zhǔn)測(cè)試表明,即使與中級(jí)FPGA芯片相比,基于FPGA解決方案的處理速度也比最新的CPU加軟件解決方案快五倍。雖然GPU可以提供與FPGA類似的性能,但其功耗更高、解決方案占用空間更大。

1616393930299671.png

圖5 僅使用CPU(無(wú)FPGA卸載)的處理方案性能

FPGA解決方案的好處不僅僅在于加速,而且還能降低CPU的繁忙程度。在只有CPU的解決方案中,所有CPU周期都被4K或8K內(nèi)容的編碼所消耗,而使用FPGA來(lái)卸載編碼任務(wù)可以釋放CPU周期。因此,F(xiàn)PGA加速器為該應(yīng)用提供了最佳的解決方案,通過(guò)減少4K和8K視頻制作所需的處理時(shí)間,來(lái)提高視頻編輯人員的創(chuàng)作效率。

1616393950775061.png

圖6 使用FPGA卸載的CPU利用率

人工智能與深度學(xué)習(xí)

如前所述,在處理H.264/H.265解碼方面,F(xiàn)PGA提供了與CPU相當(dāng)或更高的性能。如果解碼器和內(nèi)幀編碼器(例如JPEG或PNG)都位于同一FPGA中,那么基于FPGA的解決方案將提供比CPU更佳的性能。此外,在深度學(xué)習(xí)應(yīng)用中,在將圖像數(shù)據(jù)發(fā)送到深度學(xué)習(xí)處理之前,通常會(huì)進(jìn)行一些圖像預(yù)處理。在同一個(gè)FPGA上可以執(zhí)行所有的處理,包括解碼、圖像處理和編碼等(如圖7所示),并且與CPU相比,F(xiàn)PGA可以提供高吞吐量、低延遲和更少的數(shù)據(jù)事務(wù)。深度學(xué)習(xí)技術(shù)在現(xiàn)在和未來(lái)都將被廣泛應(yīng)用于各個(gè)行業(yè)或領(lǐng)域,而基于FPGA的解決方案將助力這一發(fā)展。

1616393974777288.png

圖7 使用深度學(xué)習(xí)進(jìn)行視頻和圖像處理的典型數(shù)據(jù)流

Decoding:解碼

Image Processing:圖像處理

Encoding:編碼

針對(duì)性能而優(yōu)化的Speedster7t架構(gòu)

Speedster7t FPGA是專為滿足最高性能的數(shù)據(jù)加速應(yīng)用而設(shè)計(jì)的,該架構(gòu)非常適合解決本白皮書(shū)中提到的所有應(yīng)用挑戰(zhàn)。具體而言,Achronix開(kāi)發(fā)了一種全新的創(chuàng)新型二維片上網(wǎng)絡(luò),它力助在I/O帶寬、外部存儲(chǔ)帶寬和片上性能之間提供一種平衡架構(gòu),以確??傮w最高的吞吐量。在傳統(tǒng)的FPGA架構(gòu)中,用戶需要設(shè)計(jì)電路來(lái)連接加速器,從而導(dǎo)致并不理想的布局和布線?,F(xiàn)在更新的FPGA架構(gòu)使用一種網(wǎng)絡(luò),在邏輯陣列內(nèi)的處理單元與各種片上高速接口和存儲(chǔ)器端口之間傳輸數(shù)據(jù)流(如圖8所示)。

1616394002277485.png

圖8 在傳統(tǒng)的FPGA架構(gòu)中連接加速器

Status Control:狀態(tài)控制

Parameters:參數(shù)

Address decode and routing:地址解碼和布線

Back pressure:背壓

Request arbitration:請(qǐng)求仲裁

Response arbitration:響應(yīng)仲裁

Response back pressure:響應(yīng)背壓

Response routing:響應(yīng)布線

Accelerator:加速器

1616394022764961.png

圖9 先進(jìn)的FPGA減少了所需的電路數(shù)量

硬連線架構(gòu)極大地改善了處理的延遲和能效,但是缺乏應(yīng)對(duì)需求變化的靈活性。Speedster7t系列FPGA器件中的第一款芯片AC7t1500提供了一系列高速接口,包括可分配的(fracturable)以太網(wǎng)控制器(支持高達(dá)400G的速率)、PCI Gen 5端口和多達(dá)32個(gè)SerDes通道,速率高達(dá)112 Gbps。AC7t1500器件是首款部署多通道GDDR6存儲(chǔ)器接口的FPGA,它滿足了需要高速緩存海量數(shù)據(jù)的編碼器的需求。除了在可編程邏輯陣列中采用的面向位的布線結(jié)構(gòu)外,這些外圍設(shè)備還通過(guò)一個(gè)智能二維片上網(wǎng)絡(luò)進(jìn)行互連。因此,Speedster7t FPGA是第一款能夠?qū)崿F(xiàn)上述視頻處理用例的器件,該FPGA器件利用一種平衡架構(gòu),在計(jì)算密度和數(shù)據(jù)傳輸能力方面帶來(lái)重大改進(jìn)。

Speedster7t架構(gòu)通過(guò)提供總帶寬超過(guò)20 Tbps的多級(jí)片上網(wǎng)絡(luò)(NoC)層級(jí)化結(jié)構(gòu),消除了由于需要將高速I/O通道直接連接到以較低時(shí)鐘速率運(yùn)行的可編程邏輯所造成的瓶頸。與采用FPGA邏輯陣列實(shí)現(xiàn)互連方式相比,NoC不僅在速率上有了大幅的提升,而且NoC還能在不消耗任何FPGA可編程資源的情況下傳輸大量數(shù)據(jù)。內(nèi)部NoC不僅提供了更高的帶寬,而且Speedster7t FPGA中的智能連接機(jī)制也簡(jiǎn)化了將數(shù)據(jù)從NoC端口傳輸?shù)竭壿嬯嚵兄械娜蝿?wù)。

這種架構(gòu)可支持進(jìn)一步的設(shè)計(jì)創(chuàng)新,例如支持上述機(jī)器學(xué)習(xí)用例的面向矩陣的算術(shù)單元。通過(guò)使用諸如深度學(xué)習(xí)或較為簡(jiǎn)單的統(tǒng)計(jì)方法等技術(shù),設(shè)備可以分析數(shù)據(jù)流的模式,以觀察和增強(qiáng)數(shù)據(jù)包在網(wǎng)絡(luò)中的傳輸,并對(duì)不斷變化的情況做出快速反應(yīng)。概括而言,以下三項(xiàng)Speedster7t的架構(gòu)創(chuàng)新為上述用例提供了更好的FPGA設(shè)計(jì):

高速存儲(chǔ)接口

Speedster7t架構(gòu)師對(duì)存儲(chǔ)接口的選擇反映出了以太網(wǎng)和NoC連接可提供的巨大帶寬。一種可能的方法是在一系列產(chǎn)品設(shè)計(jì)中采用即將推出的HBM2接口。盡管這樣的接口可以提供所需的性能等級(jí),但HBM2是一種價(jià)格昂貴的選擇,這將迫使客戶去等待必要的組件和集成技術(shù)進(jìn)入市場(chǎng)。

與此不同,Speedster7t系列則采用了GDDR6標(biāo)準(zhǔn),該標(biāo)準(zhǔn)為當(dāng)今片外存儲(chǔ)器提供了最高的性能。Speedster7t FPGA是市場(chǎng)上首款支持該接口的器件,每個(gè)片上GDDR6存儲(chǔ)控制器可維持512 Gbps的帶寬。在單個(gè)AC7t1500器件中最多可帶有八個(gè)GDDR6控制器,因此一個(gè)Speedster7t FPGA器件可提供高達(dá)4 Tbps的總存儲(chǔ)帶寬。

對(duì)PCIe Gen 5的支持

除了以太網(wǎng)和存儲(chǔ)控制器,Speedster7t FPGA上提供的對(duì)PCIe Gen 5的支持還能夠與主機(jī)處理器緊密集成,以支持高性能加速器應(yīng)用。PCI Gen 5控制器使其能夠讀取和寫(xiě)入存儲(chǔ)在FPGA存儲(chǔ)層級(jí)結(jié)構(gòu)中的數(shù)據(jù),包括許多位于邏輯陣列內(nèi)的塊RAM,以及連接到FPGA存儲(chǔ)控制器的外部GDDR6和DDR4 SRAM。在FPGA邏輯陣列中實(shí)例化的數(shù)據(jù)傳輸控制器(例如DMA引擎),可以類似地通過(guò)PCIe Gen 5總線訪問(wèn)與主機(jī)處理器共享的內(nèi)存。無(wú)需消耗FPGA邏輯陣列內(nèi)的任何資源即可實(shí)現(xiàn)這種高帶寬連接,并且設(shè)計(jì)時(shí)間幾乎為零。用戶只需啟用PCIe和GDDR6接口,即可通過(guò)NoC發(fā)送事務(wù)數(shù)據(jù)。

PCIe子系統(tǒng)與任何GDDR6或DDR4存儲(chǔ)接口之間的直接連接如下圖10所示。

1616394047917522.png

圖10 無(wú)需消耗FPGA邏輯陣列即可實(shí)現(xiàn)PCIe和GDDR6之間的數(shù)據(jù)傳輸

機(jī)器學(xué)習(xí)處理器(MLP)

對(duì)于計(jì)算密集型任務(wù),在Speedster7t FPGA上部署的Speedster7t機(jī)器學(xué)習(xí)處理器(MLP)是靈活的且可分配的算術(shù)單元。機(jī)器學(xué)習(xí)處理器是高密度乘法器陣列,帶有支持多種數(shù)字格式的浮點(diǎn)和整數(shù)MAC模塊。機(jī)器學(xué)習(xí)處理器帶有集成的存儲(chǔ)模塊,可以在不使用任何FPGA資源的情況下執(zhí)行操作數(shù)和存儲(chǔ)級(jí)聯(lián)功能。機(jī)器學(xué)習(xí)處理器適用于一系列矩陣數(shù)學(xué)運(yùn)算,從5G無(wú)線電控制器的波束成形計(jì)算到加速深度學(xué)習(xí)應(yīng)用,如視頻處理系統(tǒng)所需的數(shù)據(jù)流模式和數(shù)據(jù)包內(nèi)容分析。

1616394075158118.png

圖11 機(jī)器學(xué)習(xí)處理器原理框圖

結(jié)論

雖然ASIC的性能通常很高,但它只支持設(shè)計(jì)時(shí)設(shè)想的功能集,不能進(jìn)行現(xiàn)場(chǎng)升級(jí);CPU是最靈活且最易于設(shè)計(jì)的,但是其時(shí)鐘頻率已經(jīng)難以提升,其性能大幅提升的時(shí)代已經(jīng)結(jié)束;隨著工作負(fù)載逐年增加,CPU已無(wú)法滿足需求。FPGA在性能和靈活性之間提供了良好的平衡。由于需要大量的并行處理,因此視頻編碼、解碼和圖像處理算法都更適合于用FPGA來(lái)實(shí)現(xiàn)。總之,基于FPGA的解決方案可以縮短上市時(shí)間,具有高度的可定制性,并且可以有效地用于實(shí)現(xiàn)不斷發(fā)展的算法。



關(guān)鍵詞:

評(píng)論


相關(guān)推薦

技術(shù)專區(qū)

關(guān)閉