FPGAはマルチコアPCを実行できますか？

FPGAを使用してアルゴリズムを高速化する方法がわかりません。現在、4つの計算を並行して実行できるように、クアッドコアラップトップで時間のかかるリアルタイムアルゴリズムを実行しています。

FPGAのパフォーマンスがさらに向上する可能性があることに最近気付きました。私はそれがどのように機能するか理解していません。FPGAがアルゴリズムを高速化する方法と、ザイリンクスまたはアルテラのFPGAソリューションに切り替えるか、クアッドコアラップトップで計算を実行する必要があるかを説明してください。

追加の詳細：アルゴリズムは、ウェーブレットパケット変換を介して入力された入力を使用して20の人工ニューラルネットワークを実行します

すばらしい回答をありがとうございました。

私の同僚はこれをベンチマークし、FPGAに収まる約100以上の独立した整数タスクがあれば、FPGAはPCよりも優れているという結論に達しました。浮動小数点タスクの場合、GPGPUはFPGA全体に勝っています。狭いマルチスレッドまたはSIMD操作の場合、CPUは非常に最適化され、FPGAが通常達成するよりも高いクロック速度で実行されます。

その他の注意事項：タスクは独立している必要があります。タスク間にデータの依存関係がある場合、計算のクリティカルパスが制限されます。FPGAはブール評価と整数演算、およびハードウェアの低レイテンシインターフェイスには適していますが、メモリ依存のワークロードや浮動小数点には適していません。

ワークロードをDRAMに保持する必要がある場合、それはプロセッサではなくボトルネックになります。

FPGAは、プロセッサとはまったく異なる動作をします。

プロセッサの場合、ハードウェアに何をすべきかを伝えるソフトウェアを作成します。FPGAでは、「ハードウェアの外観」を内部的に記述します。それはまるであなたのアルゴリズムのために特別に作られたチップを作っているかのようです。

これにより、多くのことが高速化され、消費電力を削減できます。ただし、欠点もあります。開発に時間がかかり、さらに複雑になります。あなたは完全に異なる方法で考える必要があり、ソフトウェアで直接動作するアルゴリズムを使用することはできません。

人工ニューラルネットワークの場合、FPGAは最適な選択肢です。この分野では多くの進行中の研究があります。

アルゴリズムに大きく依存しますが、原理は非常に簡単に説明できます。

アルゴリズムで多くの8ビット数を合計する必要があるとします。CPUは、各命令をフェッチし、RAMまたはキャッシュメモリからオペランドを取得し、合計を実行し、結果をキャッシュに保存し、次の操作を続行する必要があります。パイプラインは役立ちますが、コアと同じ数の同時操作しか実行できません。

FPGAを使用する場合、並列で動作する単純な加算器を多数実装し、おそらく数千の合計を並列処理できます。単一の操作には時間がかかる場合がありますが、並列度は非常に高くなります。

GPGPUを使用して同様のタスクを実行することもできます。これらのタスクは、より単純なコアで構成されているためです。

コンピューティング機器の専門化には、おおよそ3つのレベルがあります。

CPU（ラップトップのように）は、それらの中で最も一般的です。それはすべてを行うことができますが、この汎用性は低速と高電力消費という代償を伴います。CPUは外出先でプログラムされ、命令はRAMから取得されます。CPU用のプログラムは、迅速で安価で、作成が簡単で、変更も非常に簡単です。

FPGA（Field Programmable Gate Arrayを意味します）は中間層です。その名前が示すように、「現場で」、つまり工場の外でプログラムできます。FPGAは通常1回プログラムされますが、このプロセスは内部構造のセットアップとして説明できます。このプロセスの後、選択した1つのタスクに特化した小さなコンピューターのように動作します。これが汎用CPUよりも優れている理由です。FPGAのプログラミングは非常に困難で高価であり、FPGAのデバッグは非常に困難です。

ASIC（特定用途向け集積回路を意味します）は究極のスペシャリストです。これは、たった1つのタスクのために設計および製造されたチップです-非常に高速かつ効率的に実行するタスクです。ASICを再プログラムする可能性はありません。工場が完全に定義されたままであり、仕事が不要になった場合は役に立ちません。ASICの設計は大企業だけが行うことができるものであり、それらをデバッグすることは非常に困難です。

「コア」で考える場合は、次のように見てください。CPUには4、6、または8個の大きなコアがあり、すべてを実行できます。ASICSには多くの場合、数千のコアがありますが、非常に小さなもので、1つのことしかできません。

あなたはビットコインマイニングコミュニティを見ることができます。SHA256ハッシュを実行します。

• CPUコアi7：0.8-1.5 Mハッシュ/秒
• FPGA：5-300Mハッシュ/秒
• ASIC：1つの小さなチップあたり12000Mハッシュ/秒、1つの160チップデバイスに対して2000000M（そう、2T）ハッシュ/秒

もちろん、これらのASICの赤ちゃんは、大量生産された場合にほぼ2000ドルかかりますが、専門家との取引がどのように行われるかについてのアイデアを与えてくれます。

唯一の質問は、FPGAを使用すると、設計にかかるコストよりも多くのコストを削減できるかどうかです。もちろん、1台のラップトップで実行する代わりに、20台のPCで実行してみてください。

はい、FPGAは特定のタスクで最新のCPU（Intel i7など）を上回ることができますが、ニューラルネットワークのパフォーマンスを向上させる簡単で安価な方法があります。

安いということは、FPGA ICのコストではなく、FPGAの非常に高速なメモリ（ニューラルネットワークに必要）と開発プロセス全体の合計努力を意味します。

1. SSEを使用する -パフォーマンスが2〜3倍の非常に単純なニューラルネットワークの実装を見てきました。ラップトップに専用GPUがない場合、これは良い考えかもしれません。

   Vincent VanhouckeとAndrew SeniorによるCPU上のニューラルネットワークの速度の改善

2. つかいます GPGPU（単位グラフィックス処理の汎用コンピューティングは） -私はあなたがのGeForce 730M状媒体クラスのノートパソコンのGPU上100-200xパフォーマンスの向上をarchieveことができると思います。

   ここは ニューラルネットワークの実装（およびフリーコード）をます。Nvidia CUDAを使用します。

   GPGPUアプローチは非常にスケーラブルです。ある時点でより多くのコンピューティングパワーが必要であることに気付いた場合-より強力なGPUを備えたデスクトップコンピューターまたは4992コア（高価な）を備えたNvidia Tesla K80さえ使用できます。