真正的深度神经网络(DNN)算法演示来了,你见过吗?

作者:Kenshin

在SC15大会上一个展位上使用的绿色液体制冷剂引起与会者们的注意,原来是来自苏格兰的Alpha Data公司使用的家乡特产威士忌酒作为水冷剂。当然这不是他们的首要目的,参加本次SC15大会Alpha Data宣传的是基于Xilinx Virtex-7 690T FPGA运行Auviz DNN(Auviz公司开发的在赛灵思 FPGA 上实现卷积神经网络的函数库)算法,并且演示了一个图像分类的Demo。

图1 Alpha Data Auviz DNN图像分类Demo

图1 Alpha Data Auviz DNN图像分类Demo

为了凸显其性能优势上的提升,Alpha Data还与英特尔酷睿i7处理器进行了对比,采用Xilinx FPGA的解决方案每秒可分类1000张图片,功耗只有28W,而采用CPU的解决方案每秒分类200张图片,功耗却高达90W,这样我们可以计算出每瓦特功耗的性能提升了大概16倍。以至于CPU要用到水冷散热系统(上面提到的苏格兰威士忌),而FPGA只需要一个小小的散热片就可以解决散热问题。

图2性能与FPGA型号相关

图2性能与FPGA型号相关

随着图像影音识别到大数据的发展,DNN(深度神经网络)和CNN(卷积神经网络)以及机器学习的研究吸引了大量研究人员,研究神经网络其实是推动人工智能的发展,除了算法的研究,采用的处理器也是研究人员关注的问题。目前主要分为CPU,GPU以及FPGA三种解决方案,曾经GPU受到CNN研究人员的青睐,因为其编程模型应用广泛,如百度公司基于GPU的深度学习CNN在分析网络图像大规模视觉识别数据集是准确率非常高,已处于世界领先水平,根据上文介绍的一样GPU有着同CPU相同的问题,那就是功耗过高,根据研究测试,一个高端的GPU仅能处理4个图像/秒/瓦特,因此更多的研究人员将注意力转移到FPGA。

Auviz Systems公司就是一家专门致力于为数据中心开发基于FPGA应用所用IP的公司。其公司开发的Auviz DNN就是一个可以在FPGA上实现DNN,CNN算法的开发函数库,提供丰富的API函数接口,开发人员可以使用其在FPGA上实现所有类型的DNN和CNN应用。

目前Xilinx又推出了SDAccel开发环境,这样软件开发人员更加容易开发基于FPGA的应用,使用他们熟悉的C/C++语言就可以玩转FPGA,同时又有Auviz Systems公司开发的基于FPGA的函数库,如AuvizDNN等。利用这些研究成果,开发人员就可以开发各种基于CNN的应用,推动机器学习,云端机器学习和人工智能(AI)等领域的发展。

Alpha Data基于Xilinx FPGA深度神经网络应用Demo演示视频:

声明:本文为原创文章,转载需注明作者、出处及原文链接,谢谢!