基于FPGA的机器学习硬件加速研究进展

• 作者: 周学海 王腾 王超 马翔
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 机器学习 FPGA 加速器 大数据 神经网络加速器
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 高性能计算
• 页码范围: 1161-1182
• 页数: 22页
• 分类号: TP18
• 字数: 25526字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2020.01161

摘要

随着日益剧增的海量数据信息的产生以及数据挖掘算法的广泛应用,人们已经进入了大数据时代.在数据规模飞速增长的前提下,如何高效稳定的存取数据信息以及加快数据挖掘算法的执行已经成为学术界和工业界急需解决的关键问题.机器学习算法作为数据挖掘应用的核心组成部分,吸引了越来越多研究者的关注,而利用新型的软硬件手段来加速机器学习算法已经成为了目前的研究热点之一.本文主要针对基于ASIC和FPGA等硬件平台设计的机器学习加速器进行了归纳与总结.首先,本文先介绍了机器学习算法,对代表性的算法进行了分析和归纳.接下来对加速器可能的着眼点进行了列举综述,以各种机器学习硬件加速器为主要实例介绍了目前主流的加速器设计和实现,并围绕加速器结构进行简单分类和总结.最后本文对机器学习算法硬件加速这个领域进行了分析,并对目前的发展趋势做出了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周学海	中国科学技术大学计算机学院	109	885	17.0	24.0
2	王超	中国科学技术大学计算机学院	278	2990	26.0	41.0
3	王腾	中国科学技术大学计算机学院	5	0	0.0	0.0
4	马翔	中国科学技术大学计算机学院	5	44	4.0	5.0