《表1 不同硬件的开发情况对比[7]》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于FPGA的机器学习硬件加速研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如表1所示，我们对各个硬件平台的开发情况做出了对比[7]，对于云计算平台和各种通用处理器的应用情况，目前所使用的CPU由于机器学习算法其数据密集型与计算密集型等的特性使得它处理这些问题时的性能较低而且耗能更高．然而由多CPU构成的云计算平台的数据通信开销也成为了阻碍效率提升的绊脚石；而GPU在处理数据关联程度比较高的数据时无法获得较好的计算效率，并伴随着较大的功耗；ASIC限于其开发难度和开发周期等问题在加速器设计的早期无法快速开展．故因此利用FPGA来设计用于机器学习算法的加速器体系结构并以此构建整套开发体系是一个逐渐发力的科研方向．