机器学习 | FPGA 开发圈

机器学习（Machine Learning，简称ML）是一种人工智能（AI）的分支，致力于研究让计算机系统能够从数据中学习并自动改进性能的算法和技术。机器学习使计算机系统能够从经验中学习，而不需要明确地进行编程。

Vivado ML 版，让设计更智能化

judy 在周二, 06/29/2021 - 10:12 提交

赛灵思近日宣布推出 Vivado® ML 版，这是业内首个基于机器学习（ML ）优化算法以及先进的面向团队协作的设计流程打造的 FPGA EDA 工具套件，可以显著节省设计时间与成本，与目前的 Vivado HLx 版本相比，Vivado ML 版将复杂设计的编译时间缩短了 5 倍，同时还提供了突破性的平均达 10% 的结果质量（ QoR ）提升。

Vivado ML（机器学习） 2021尝鲜

judy 在周一, 06/28/2021 - 10:03 提交

Vivado ML 版支持基于机器学习的算法以加速设计收敛。该技术具备基于机器学习的逻辑优化、延迟估算和智能设计运行，能够自动执行策略以减少时序收敛迭代，将复杂设计的编译时间缩短了 5 倍，同时还提供了突破性的平均达 10% 的结果质量提升

Vivado ML 助力设计流程再提速

judy 在周三, 06/23/2021 - 17:00 提交

赛灵思公司今日宣布推出 Vivado® ML 版，这是业内首个基于机器学习（ ML ）优化算法以及先进的面向团队协作的设计流程打造的 FPGA EDA 工具套件，可以显著节省设计时间与成本。与目前的 Vivado HLx 版本相比，Vivado ML 版将复杂设计的编译时间缩短了 5 倍，同时还提供了突破性的平均达 10% 的结果质量（ QoR ）提升。

AI+城市交通｜以算力与灵活性降本增效

judy 在周三, 03/03/2021 - 09:31 提交

机器学习 (ML) 技术正在强化交通部门的检测精度和数据分析能力。作为新技术，机器学习仍在不断演进发展，且新的技术标准也在制定中。广泛应用于收费系统、交通监控、安全保障等场景的智能交通摄像头系统，对于交通管理具有变革性的意义。

人工智能引发能源问题，我们该怎么办？（三）

judy 在周二, 03/02/2021 - 15:19 提交

在本系列的前几篇文章中，我们讨论了 Dennard Scaling 和摩尔定律的细目以及对专用和适应性加速器的需求。然后，我们深入研究了功耗问题，并讨论了网络压缩的高级优势。在这第三篇文章中，我们将探讨专门构建的“计算有效”神经网络模型的优点和挑战。

人工智能引发能源问题，我们该怎么办？(一)

judy 在周四, 02/25/2021 - 16:01 提交

2014 年，斯坦福大学教授 Mark Horowitz 发表了一篇题目为“计算的能源问题（以及我们该怎么办）”的论文。这篇具有深远意义的论文，讨论了当前半导体行业所面临的最热门的、与登纳德缩放比例定律（Dennard Scaling ）和摩尔定律（Moore’s Law）失效相关的挑战。

解决数据孤岛的联邦学习了解一下？

judy 在周三, 11/18/2020 - 10:22 提交

本次公开课将详细介绍联邦学习，以及针对联邦学习中存在的诸如同态加密、密态运算等复杂计算力问题，结合 FPGA 高并行、高定制、低延迟等特性，分享在联邦学习中具体的 FPGA 加速方案和成果，使得计算性能和效率大幅提升。

MLPerf：主流机器学习平台效率大 PK

judy 在周三, 11/04/2020 - 10:23 提交

MLPerf 组织最近发布了最新一轮机器学习性能测试结果，首次直接参加此次测试的“新力量” 赛灵思，在最新 MLPerf 推断基准测试中取得了“图像分类”最高的性能/峰值成绩。TOPS（每秒万亿次运算）是一个衡量性能效率的指标，意味着在给定 X 个硬件峰值计算量的情况下，赛灵思提供了最高的吞吐量性能。