マシンラーニング

ニューラル・ネットワークは、生体系、特に人間の脳から発想を得ています。高性能のコンピューティング・リソースとニューロンの斬新なアーキテクチャーの組み合わせにより、ニューラル・ネットワークは、コンピューター・ビジョンや機械翻訳などの多くの分野で最先端の成果を挙げています。FPGA は、デバイス内のコンピューティング、ロジック、メモリーの各リソースを使ってさまざまなアルゴリズムを処理できるため、ニューラル・ネットワークを実装する際の自然な選択と言えます。ユーザーは本格的な演算をハードウェア化できるため、競合他社の実装に比べ、パフォーマンスが向上します。ソフトウェア開発者は、ハードウェア・レベルの設計に取り組まなくても、OpenCL* の C レベルのプログラミング規格を使用して、標準 CPU のアクセラレーターとして FPGA を対象にすることができます。

FPGA と OpenCL* を使用した CNN の実装

これは、インテル® FPGA に作成した AlexNet 畳み込みニューラル・ネットワーク (CNN) トポロジーの電力効率に優れた機械学習のデモです。

  •  5 万枚の検証セットの画像を 500 画像/秒以上の速度、約 35 W の消費電力で分類
  • 分類した各画像の信頼レベルを 1,000 出力で定量化
  • ハード化した 32 ビット浮動小数点演算を実行
  •  OpenCL* を使用した開発

以下の HPC アプリケーションは、FPGA に実装した機械学習技術を利用しています。

  • インテリジェント・ビジョン
  • 科学シミュレーション
  • ライフサイエンスおよび医療データ分析
  • ファイナンシャル・サービス
  • 石油およびガス

マシンラーニング用ハードウェアおよびソフトウェア・アプリケーション・パッケージの詳細については、マシンラーニングのページ >> をご覧ください。

FPGA を使用してマシンラーニング・アプリケーションを高速化する方法についての詳細は、販売代理店にお問い合わせください。