六六互联

FPGA的应用场景:深度学习、图片处理等领域测评优势明显

FPGA的应用场景:深度学习、图片处理等领域测评优势明显

FPGA的应用场景:深度学习、图片处理等领域测评优势明显

FPGA诞生至今已有30余年,此前主要应用于大型互联网和科技公司,腾讯等互联网大型企业均在数据中心批量部署了FPGA,为自身的深度学习等应用提供硬件加速平台。 

与传统的计算架构相比,FPGA能够更好地支撑深度学习等大规模并行计算需求。通过与通用CPU横向测试对比表明,FPGA在深度学习、图片压缩和分类检测等应用场景中,在成本、性能上具有明显优势。

FPGA在腾讯的深度学习领域被广泛应用,深度学习主要应用于图片分类识别、语音识别、个性化内容推荐算法等领域。其中,微信、QQ为了增强社交通讯等业务的违规图片检测的处理能力,降低图片检测成本,通过FPGA对深度学习模型的CNN算法进行加速后,FPGA处理性能是通用CPU的4倍,单位成本是通用CPU的1/3。 

FPGA在图片处理的优势也很明显,用户每天通过微信和QQ等社交平台上传了海量的图片,如果采用WEBP图片压缩格式替代标准的JPEG格式,图片大小可减少三分之一,同时给用户带来更好的图片下载体验。而通过FPGA对大小为853x640的图片转码进行加速测试得出,FPGA的处理延时比通用CPU降低20倍,处理性能是通用CPU的6倍,而FPGA单位成本仅为通用CPU的1/3。  

FPGA的应用场景:深度学习、图片处理等领域测评优势明显

另一项测试表明,FPGA在DNN计算加速上有较明显的优势。国内外的搜索引擎公司普遍使用DNN算法用于广告搜索,腾讯使用FPGA对DNN计算进行加速测试得出,在使用50%的FPGA资源的情况下,将4000个样本的DNN计算时延减小为1.2毫秒,吞吐率达到6000集合/s(4000个样本为1个集合),不仅达到了系统对低延时的要求,而且极大地提高系统的吞吐能力:处理延时降低100倍,处理吞吐率提高5倍,而成本是通用CPU服务器的1/5。


相关推荐