UltraScale+

视频:可完成各项任务的 UltraScale+ FPGA 配置

了解如何以几个便捷的步骤配置您的 UltraScale+ FPGA。本视频将介绍如何创建一个编程文件以及如何将该文件放入 UltraScale+ FPGA 中。

视频:在 UltraScale+ 中提供最低内核电压

本视频展示 UltraScale+ 产品组合的最低内核电压提供情况,与 7 系列器件相比,可实现 2.4 倍的功耗性能比。使用 Vlow 选项,客户可以选择在性能提高 1.2 倍的情况下功耗降低 50%,也可以选择以相同的电源预算支持增大 2 倍的器件或提高 1.6 倍的性能。

视频:全球第一个完整的 FlexE 1.0 解决方案

全球第一个完整的FlexE 1.0解决方案,展示UltraScale+ FPGA上的绑定、分级和通道化。该解决方案演示了多客户端如何使用FlexE传输,突显出FlexE能承载较大的数据管道。

这是个什么竞赛?
中国计算机学会计算机视觉专委会(CCF CV)主办。
Xilinx(赛灵思公司),银河水滴科技(北京)有限公司承办。

工业自动化,智能化的市场需求越来越高,视频/图像的处理准确性和速度成为实现高度智能化和自动化的第一步骤。赛灵思 FPGA 在嵌入式视觉领域具有高性能,高实时性的强大优势,同时其软件硬件及 I/O 全可编程的便利性为开发人员提供了强大而灵活的开发平台,因此我们希望通过本次竞赛寻找出那些可以在最短的时间内,更快,更准确,更多地完成视频/图像的智能识别和检测工作的智能开发团!

  竞赛将历时 6 个月,最后采用现场比赛的方式决出名次。

  评委将由学术界和工业界的多位知名专家、学者组成。专家评审团成员不参加与自己相关或所在团队的比赛任务评审,采取回避原则。

谁可以参赛?
全球范围内各高校实验室、研究机构、团体、企事业单位等的人员组成的参赛队伍均可参赛

有啥大奖?
1. 一等奖 1 名
万元奖金以及赛灵思 Ultrascale+ MPSOC (A53+GPU+FPGA) 开发套件;

2. 二等奖 2 名

开发者预览版——EC2实例(F1)携手可编程硬件

你是否曾经在通用型工具与专用型工具之间左右为难?通用型工具可以解决多种不同的难题,但却未必是特定问题的最佳解决选项。相反,专用型工具擅长处理特定问题,但工具的使用频率往往不会很高。

工程师们在设计架构及指令集时同样需要考虑这一问题。他们始终追求能在更加通用的工作负载范围内,提供更佳性能表现的解决方案。然而新型工作负载与工作条件不断涌现,只有定制化硬件才是性能最佳之选。这就要求我们在其中找到平衡点:是要极出色的性能水平,还是要保证以年甚至季度为周期进行衡量的开发生命周期?

走入FPGA时代
作为一种备受瞩目的解决方案,我们迎来了基于定制化硬件的现场可编程门阵列机制,或者简称为FPGA。相较于单纯着眼于一种特定功能的专用型芯片,FPGA拥有更为出色的灵活性。其能够在现场完成编程,而后再接入PC主板的插槽当中。每块FPGA中包含一组固定且数量可观的简单逻辑门。对FPGA进行编程“基本上”就是将这些逻辑门彼此对接,从而建立起必要的逻辑功能(包括AND、OR以及XOR等等)或者存储元素(触发器与移位寄存器)。不同于CPU的串行本质(即数个并行元素)以及固定大小的指令集与数据路径(通常为32位或64位),FPGA能够以编程方式并行执行更多操作,而这些操作本身几乎不设任何宽度或者规模限制。

亚马逊 EC2 F1实例采用了赛灵思最新 16nm UltraScale+ FPGA

赛灵思公司(Xilinx, Inc. (NASDAQ:XLNX))宣布,亚马逊云服务(AWS, Amazon Web Service)在亚马逊弹性云计算(Amazon EC2)F1 新实例中采用了赛灵思16nm UltraScale+ 现场可编程门阵列(FPGA),以加速基因、金融分析、视频处理、大数据、安全和机器学习推断等工作负载。

除Amazon EC2 F1实例之外,AWS还宣布了FPGA开发者亚马逊机器映像(FPGA Developer Amazon Machine Image(AMI))开发工具,AMI为包括赛灵思Vivado® Design Suite和Vivado许可证在内的开发工具和脚本预先构建。

赛灵思公司企业战略高级副总裁Steve Glaser:“我们认为FPGA在云端将成为主流应用。而AWS上周的发布,进一步证明了这一趋势正在发生且势不可挡。”

了解 Xilinx FPGA 如何通过深度学习图像分类示例来加速重要数据中心工作负载机器学习。该演示可通过 Alexnet 神经网络模型加速图像(从 ImageNet 获得)分类。它可通过开源框架 Caffe 实现,也可采用 Xilinx xDNN 库加速,从而可实现全面优化,为 8 位推理带来最高计算效率。

Amazon联手Xilinx搞了件大事,可重构计算将复兴

作者: 李一雷 半导体行业观察

在今年11月中旬举办的“2016年超算大会上”,FPGA大厂Xilinx发布了可重配置加速栈(ReconfigurableAcceleration Stack)。配合可重构的FPGA,这个架构能解决可重构计算中的编程困难问题,并加速可重构计算生态的建设。

日前,Amazon云服务AWS更是基于Xilinx高端Ultrascale+ FPGA推出了使用在云端的FPGA解决方案。众多巨头的参与,让诞生几十年的可重构计算再度成为业界关注的焦点。但是你真的懂得可重构计算吗?

可重构计算的起源

自从计算机诞生以来,科学家们就意识到计算机架构对于其处理能力有着至关重要的影响。事实上,从来不存在一种对所有运算任务都是最优解的计算机架构。这是因为计算机的运算单元由芯片构成,而在芯片的面积固定的情况下计算机架构就决定了如何分配芯片的资源。

举例来说,机器学习应用(尤其是CNN)会比较注重并行运算,因此最适合的架构是能处理并行运算的多核架构,而每个核的运算能力并不需要特别强。另一方面,在一些科学及工业运算上,计算是无法并行执行的,于是最适合的架构是单核架构并把这个核做到非常强。

同步内容