初级知识库

提供FPGA设计开发的初级知识包括基本的器件结构、产品动态,方案介绍等等,为FPGA开发人员提供FPGA最基础的知识。

详细的多维度测评 看看哪个Python版本速度最快

哪个版本的 Python 最快?当然,这些问题由多种因素决定,其中的主要的因素是什么呢?我们又如何为自己的应用寻找最快的 Python 版本呢?带着这些问题,Hackermoon 上一位叫 Anthony Shaw 的作者为我们做了一些测试。

Anthony Shaw :Dimension Data 的 Talent 集团总监,Python 软件基金会成员,Apache 基金会成员

以下是对作者原文的翻译:

使用 Python 性能测试套件

正如之前我在 speed.python.org 网站提到的,Python 核心开发团队非常重视性能问题,这对于比较官方基准和 CPython 版本非常有用。

如图,测试结果很难直观读取

其中不包含 PyPy

你可以通过执行 pip install performance 命令来下载测试套件,然后执行如下命令:

摘要: 本文讲述如何确定卷积神经网络的卷积核大小、个数,卷积层数。

卷积神经网络的卷积核大小、卷积层数、每层map个数都是如何确定下来的呢?看到有些答案是刚开始随机初始化卷积核大小,卷积层数和map个数是根据经验来设定的,但这个里面应该是有深层次原因吧,比如下面的手写字卷积神经网络结构图1,最后输出为什么是12个map,即输出12个特征?然后图2又是输出10个特征了?


在达到相同感受野的情况下,卷积核越小,所需要的参数和计算量越小。
具体来说。卷积核大小必须大于1才有提升感受野的作用,1排除了。而大小为偶数的卷积核即使对称地加padding也不能保证输入feature map尺寸和输出feature map尺寸不变(画个图算一下就可以发现),2排除了。所以一般都用3作为卷积核大小。

以太网和工业以太网之间有哪些不同?

工业以太网系统需要比办公以太网更加稳定可靠。

以太网,尤其是工业以太网近来已成为制造业的热门词汇。虽然类似,却各有特点,各有优势。本文将介绍以太网和工业以太网,并比较二者的不同。

何谓以太网?
以太网最早出现于1970年代,之后按照IEEE 802.3实施了标准化。以太网是指符合IEEE 802.3标准的局域网(LAN)产品组,IEEE802.3是一组电气与电子工程师协会(IEEE)标准,用于定义有线以太网媒体访问控制的物理层和数据链路层。1 这些标准也说明子配置以太网网络的规则,以及各种网络元件如何彼此协作。2

以太网支持多台计算机通过一个网络连接,没有它,现代社会采用的各种设备之间可能无法通信。以太网是一种全球化的电线电缆系统标准,这些电线电缆将多台计算机、设备、机器等通过企业的单个网络连接在一起,以便所有计算机彼此通信。以太网的雏形是一条电缆,它支持多台设备连接至同一网络。如今,以太网网络可根据需要扩展和覆盖新设备。以太网是目前全球最受欢迎、使用范围最广泛的网络技术。3

工业以太网的工作原理

Xilinx 宣布收购深鉴科技

自适应和智能计算的全球领导企业赛灵思公司(Xilinx, Inc.,(NASDAQ:XLNX))今天宣布已经完成对深鉴科技的收购。深鉴科技是一家总部位于北京的初创企业,拥有业界领先的机器学习能力,专注于神经网络剪枝、深度压缩技术及系统级优化。

自 2016 年成立以来,深鉴科技就一直基于赛灵思的技术平台开发机器学习解决方案,两家公司合作密切。经深鉴科技优化的神经网络剪枝技术运行在赛灵思 FPGA 器件上,可以实现突破性的性能和行业最佳的能效。从2017年开始,赛灵思就已经与全球其它知名投资机构一起成为了深鉴科技的主要投资者。

我们非常高兴能够进一步深化深鉴科技与赛灵思的合作,让双方能够更加紧密地联手为中国乃至全球用户提供领先的机器学习解决方案。—— 姚 颂,深鉴科技 CEO

作为早期投资者之一,赛灵思一路陪伴深鉴科技共同发掘机器学习的潜力,并见证了我们在这一领域的创新与发展。我们期待通过此次交易,合力将我们的机器学习解决方案提升到一个全新的性能水平。—— 单 羿,深鉴科技 CTO

我们对深鉴科技加入赛灵思大家庭感到非常兴奋。我们期待着他们的加入能进一步增强赛灵思全球领先的工程技术研发力量,加速赛灵思打造灵活应变智能世界的公司愿景。

作为集成电路设计领域现场可编程门阵列 (FPGA) 技术的创造者之一,赛灵思一直积极推广高层次综合 (HLS) 技术,通过这种能够解读所需行为的自动化设计流程打造出可实现此类行为的硬件。赛灵思刚刚推出了一本专著,清晰介绍了如何使用 HLS 技术来创建优化的硬件设计。

这本名为《FPGA 并行编程》的专著出自赛灵思首席工程师 Stephen Neuendorffer 以及来自 UCSD 的 Ryan Kastner 和来自 Cognex 的 Janarbek Matai。该书对于任何有兴趣构建 FPGA 系统的人来说都实属具有实用意义的指南。对于高年级本科生和研究生的课程而言,本书也具有特殊价值。此外,这本书对于在职系统设计人员及嵌入式编程人员同样非常实用。

该书读者只要求具备 C/C++ 编程工作知识,也就相当于汽车驾驶员掌握自动档驾驶水平,而且读者应当熟悉其他基本的计算机架构概念。此外,该书还包含了大量实例代码。我们强烈建议该书读者打开Vivado HLS 并亲自尝试这些实例代码。我们通过 Vivado WebPack Edition 提供免费的 License,或者 Vivado System Edition 的 30 天免费试用期。

在加州圣克拉拉举行的嵌入式视觉峰会上,赛灵思 ML 套件 获得了最佳云技术 2018 年度视觉产品大奖,我们对此深感荣幸。

传统的数据中心处理器已无法跟上当今云端运行的诸如机器学习、基因组学、视频转码等计算密集型工作负载的发展要求。ML 套件利用独特且灵活应变的赛灵思技术为机器学习推断性能带来了显著提升。

赛灵思 ML 套件可以帮助开发人员将加速机器学习 (ML) 推断功能轻松集成到他们的当前应用中。赛灵思 ML 套件的独到创新之处在于:相对于基于 CPU 的基础设施而言,ML 推断的云端用户能便捷地大幅提升性能并节约成本,而且无需定制开发。

在美国和欧洲的众多地区,赛灵思 ML 套件已用于 Amazon EC2 F1 等大型云端平台部署。它可支持 Caffe、MxNet、Tensorflow、Python 和 RESTful API 等广受欢迎的机器学习框架。采用 ML 套件的应用同时支持云端与本地部署环境。

赛灵思 ML 套件为现实应用提供了低时延、高吞吐量以及低功耗的机器学习推断。

多普勒效应
类比:钟端(终端的化名)刚参加工作的时候,非常害怕领导姬占(基站的化名)问及工作相关的问题。当钟端以一定的速度走近姬占的时候,感觉到心跳频率加快(频偏为正);当他离开姬占的时候,心跳就逐渐平缓下来了(没有频偏)。这个过程类似多普勒频移效应。

多普勒效应是指无线电波在波源快速移向观察者时接收频率变高,类似于钟端靠近时领导时他的心跳频率的增加;而在波源远离观察者时接收频率变低,好像钟端远离领导时,他的心跳频率逐渐平缓一样。

当警车的警报声、赛车的发动机以一定的速度接近我们的时候,声音会比平常更刺耳;离我们远去的时候,声音会缓和一些;同样的道理,你可以在火车经过时听出刺耳声的变化,说明了多普勒效应的存在。

多径效应
类比:大家小时候都玩过泥土,在一个小土堆的顶端倒水,水从四处流开,很多水都渗在土里或者流到不同方向损失掉了,有部分水流通过不同路径、不同时间汇到一个低洼的地方。

无线电波的多径效应是指信号从发射端到接收端常有许多时延不同、损耗各异的传输路径,可以是直射、反射或是绕射,不同路径的相同信号在接受端叠加就会增大或减小接收信号的能量的现象。

白噪声
类比:当旧的用电设备如收音机打开后,可能听到“嗡嗡”的声音;

作者:David Brandon 和 Rob Reeder

摘要
在大多数实验室环境中,信号发生器、频谱分析仪等设备是单端仪器,用于测量高速差分放大器驱动器和转换器的失真。因此,测量放大器驱动器的偶数阶失真(例如二次谐波失真HD2,甚至阶偶数阶交调失真或IMD2)需要额外的器件,如巴伦和衰减器等,作为整体测试设置的一部分,以将单端测试仪器连接到放大器驱动器的差分输入和输出。本文通过不匹配信号的数学知识揭示了相位不平衡的重要性,并说明了相位不平衡如何导致偶数阶产物的增加(即变得更糟糕!)。本文还将展示了几种不同高性能巴伦和衰减器的权衡如何影响被测放大器的性能指标(即HD2和IMD2)。

数学背景 = 耶!
测试具有差分输入的高速器件(如模数转换器、放大器、混频器、巴伦等)时,幅度和相位不平衡是需要理解的重要特性。

当模拟信号链设计使用500 MHz及以上的频率时,必须非常小心,因为所有器件(无论有源还是无源)在频率范围内都有某种固有不平衡。500 MHz并不是一个奇妙的频率点,只是基于经验,这是大多数器件开始偏离相位平衡的地方。根据器件不同,此频率可能比这低得多或高得多。

我们来仔细看看下面的简单数学模型:

2018五大人工智能趋势,你知道多少?

人类一直对机器人和人工智能(AI)的概念保持非常强的好奇心。好莱坞电影和科幻小说可能激发了一些科学家开始朝着这个方向努力,虽然人工智能泡沫已出现多次,但目前重大的发展和突破正在重新引起公众对这一领域的兴趣。

2018年我们需要关注AI的相关领域,因为变革正在慢慢来临,其中包括自然语言处理(NLP),机器学习,认知计算,神经网络,计算机视觉和机器人及其相关技术。在本文中,我们将解释围绕所有这些技术的五个不断变化的趋势,并了解它们的好处。

1.机器学习模型的民主化

机器学习旨在使计算机能够从数据中学习并在不依赖于程序中命令的情况下进行改进。这种学习最终可以帮助计算机构建模型,例如用于预测天气的模型。这里,我们介绍了一些利用机器学习的常见应用程序:

1.1财务应用

随着金融科技创业公司挑战现有企业,金融业正在迅速发展。这些现有企业中的许多人主要依靠传统的低效方法来提供标准化金融产品的咨询和业务。人工智能的进步正在通过引入自动化咨询改变了这一领域。机器学习模型也取代了传统的预测分析方法来衡量市场趋势。与传统的投资模型相比,这些模型可以提供更高水平的准确性和预测市场波动的速度。

简谈FPGA学习中亚稳态现象

说起亚稳态,首先我们先来了解一下什么叫做亚稳态。亚稳态现象:信号在无关信号或者异步时钟域之间传输时导致数字器件失效的一种现象。

接下来主要讨论在异步时钟域之间数据传输所产生的亚稳态现象,以及如何降低亚稳态现象发生的概率(只能降低,不能消除),这在FPGA设计(尤其是大工程中)是非常重要的。

亚稳态的产生:所有的器件都定义了一个信号时序要求,只有满足了这个要求,才能够正常的在输入端获取数据,在输出端输出数据。正常的数据传递是:在触发时钟沿前必须有一小段时间(Tsu)用来稳定输入信号(0 or 1),触发时钟沿之后需要有一小段特定的时间(Th)再次稳定一下,最后再经过一个特定的始终到输出延时(Tco)后才有效。如果数据的传递过程违反了这个时间约束,那么寄存器输出就会出现亚稳态,此时输出的诗句是不稳定的(在0和1之间游荡)。但是这种现象并不是绝对的,但是我们在实际设计中应当尽量避免这种现象。

同步时钟系统由于是同步的,没有两个异步的触发信号对信号的输入输出干扰,所以亚稳态的几率很小。

异步时钟系统:先举个例子,如下:

always @(posedge clk or negedge rst_n)
begin
if(!rstn)
m<=1;
else
m<=0;
end

同步内容