FPGA üçün proqram yazmaq üçün çip istehsalçısı olmağa ehtiyac yoxdur, Java-dan kod yazmaq üçün isə proqramçı olmağa ehtiyac yoxdur. Ancaq hər iki halda, bu bacarıqların olması mütləq faydalıdır.
Java və FPGA-nın kommersiyalaşdırılması məqsədi sonuncu bəyanatı təkzib etməkdir. FPGA üçün yaxşı xəbər budur ki, uyğun abstraksiya və alət dəstləri ilə, proqramlanabilən loqika cihazı icad edildiyindən bəri, son 35 il ərzində FPGA üçün algoritmlər və məlumat axınları yaratmaq, CPU, DSP, GPU və ya digər xüsusi ASIC-lər əvəzinə daha da asanlaşır.
Onların yaradılmasının möcüzəvi vaxtında, CPU-ların artıq tək hesablama modulu kimi qalmasına ehtiyac yox idi data mərkəzləri infrastrukturundan istifadə edirik. müxtəlif səbəblərdən – FPGA öz effektivliyinə çatdı, sürət, gecikmə, şəbəkə imkanları və yaddaş təqdim etdi – müasir FPGA SoC-lərin heterojen hesablamalı imkanları, demək olar ki, tam hesablamalı sistemlər təşkil edir. Ancaq FPGA digər cihazlarla da uğurla inteqrasiya edilir və bizim fikrimizcə, bu sistemlər yalnız hesablamalar ierarxiyasında öz qanuni yerini tapmağa başlayır.
Buna görə də, 22 yanvar tarixində San-Hose şəhərində The Next FPGA Platform konfransı təşkil etdik. Təbiidir ki, dünyada FPGA-ların əsas təminatçılarından biri və bu sahədə pionerdir Xilinx. Xilinx-in baş vitse-prezidenti və texniki direktoru Ivo Bolsens konfransda çıxış etdi və bizə Xilinx-in data mərkəzləri üçün dəyişən hesablama sistemləri yaratmağa necə kömək etdiyinə dair günümüzdəki düşüncələri haqqında məlumat verdi.
Sistem memarları və proqramçılarının müxtəlif növ hesablama qabiliyyətlərinin nümayiş etdirildiyi qeyri-homogen data mərkəzinə gəlmək üçün kifayət qədər vaxtı keçdi, bu, hesablamalar, məlumat saxlanması və şəbəkələr təşkil etmək məsələlərini həll edir. Bunun, müxtəlif CMOS-lar istifadə etməklə Moore qanununa uyğun gəlmək çətinləşdiyindən vacib olduğu görünür. Hələ də dilimiz CPU-lara bağlıdır və hələ də "tətbiqlərin sürətləndirilməsi" ilə əlaqədar danışırıq, yalnız CPU-lar üzərində nə edə biləcəyimizlə müqayisədə proqramların işini yaxşılaşdırmağa işarə edirik. Bir az sonra data mərkəzləri, hesablama gücləri, məlumat saxlanması və hər şeyi bir araya gətirən protokollar toplusuna çevriləcək və "hesablamalar" və "tətbiqlər" kimi terminlərə qayıdacağıq. Hibrid hesablama, bugünkü standart "bulud" xidmətləri kimi normaya çevriləcək. virtual maşınlar, və bir müddət sonra onların işini təsvir etmək üçün sadəcə «hesablama» sözünü istifadə edəcəyik. Bir müddət sonra - və bu dövrün yaranmasına FPGA-lar aktiv şəkildə kömək edəcək - biz bunu yenidən məlumatların işlənməsi adlandıracağıq.
FPGA-nın məlumat mərkəzlərinə daxil edilməsi üçün düşüncə tərzinin dəyişdirilməsi tələb olunur. «Bugünkü proqramları sürətləndirmək yollarını düşündükdə, onların icra olunma prinsiplərinin, istifadə olunan resursların və vaxtın haraya getdiyinin dərinliklərinə enmək lazımdır» - izah edir Bolsens. - «Hədəflədiyiniz ümumi problemləri öyrənmək vacibdir. Hal-hazırda məlumat mərkəzlərində işləyən bir çox tətbiq genişlənir, böyük resursları əhatə edir. Məsələn, maşın öyrənməsi, çox sayda hesablama düyünləri istifadə edir. Ancaq sürətlənmədən danışarkən yalnız hesablamaların sürətini düşünmək kifayət etmir, eyni zamanda infrastrukturu sürətləndirmək də lazımdır.»
Məsələn, Bolsensin praktiki olaraq öyrəndiyi maşın öyrənməsi ilə bağlı əməliyyatlarda vaxtın təxminən 50%-i, yayılmış hesablama gücləri arasında məlumatları yuxarı və aşağı ötürməyə sərf edilir, yalnız qalan yarı (50%) vaxt isə özü hesablama işlərinə sərf olunur.
«Məncə, burada FPGA kömək edə bilər, çünki biz tətbiqin həm hesablama, həm də məlumatların ötürülməsi aspektlərini optimallaşdırmağı təmin edə bilərik. Və bunu ümumi infrastruktur səviyyəsində, həm də çip səviyyəsində edə bilərik. Bu, FPGA-nın ən böyük üstünlüklərindən biridir; xüsusi tətbiqlərin tələblərinə uyğun olaraq kommunikasiyaların şəbəkələrini yaratmağa imkan verir. Süni intellekt ilə bağlı problemlərdə məlumatların ötürülməsi üçün tipik naxışlara baxanda, mən mürəkkəb kommutator əsaslı arxitekturanın zəruriliyi görmürəm. Böyük verilən axını ilə bir şəbəkə qurmaq mümkündür. Eyni şey neyron şəbəkələrinin öyrənilməsi ilə bağlı məsələlərə də aiddir - xüsusi problemlərə uyğun ölçülü paketlərlə hüceyrəvi bir şəbəkə qurmaq mümkündür. FPGA istifadə edərək məlumatların ötürülməsi protokollarını və sxem topologiyasını konkret tətbiq üçün çox dəqiq şəkildə ölçmək və uyğunlaşdırmaq mümkündür. Və maşın öyrənməsi ilə bağlı, eyni zamanda, bizə ikili dəqiqlikdə onluq ədədlər lazım olmadığını da aydınlıqla bildiyimiz üçün bunu da uyğunlaşdıra bilərik.»
FPGA ilə CPU və ya spesifik ASIC arasındakı fərq ondan ibarətdir ki, sonuncular istehsal zamanı proqramlaşdırılır və bundan sonra hesablama verilənləri və ya elementlərinin növləri, ya da cihazdan keçən məlumat axınının təbiəti haqqında düşünmək mümkün olmur. FPGA-lar sizə iş şəraiti dəyişərsə yenidən düşünmək imkanı verir.
Əvvəllər bu üstünlük baha başa gəlirdi, çünki FPGA üçün proqramlaşdırma zəif ruhlu insanlar üçün nəzərdə tutulmamışdı. FPGA kompilatorlarını açmaq tələb olunur ki, onlar CPU üçün paralel hesablamalar yaratmaq üçün proqramçılar tərəfindən istifadə olunan alətlərlə daha yaxşı inteqrasiya olusun, və FPGA-da prosesləri sürətləndirmək üçün kitabxanalara bir hissə iş verilsin. Bununla yanaşı, Vitis maşın öyrənmə stəkinin mərkəzindədir, Caffe və TensorFlow kimi MO platformalarının əsasını təşkil edir və adi AI modellərini işə salmaq və ya bənzər tapşırıqlara, məsələn, video kodlaşdırma, videoda obyektlərin tanınması, məlumat analizi, maliyyə risklərinin idarə edilməsi və hər hansı üçüncü tərəf kitabxanalarına FPGA imkanlarını əlavə etmək üçün kitabxanalara malikdir.
Bu konsepsiya Nvidia-nın 10 il əvvəl başladılan CUDA layihəsindən və paralel hesablamaları GPU sürətləndiricilərinə köçürən layihəsindən, eləcə də AMD-nin ROCm alətlər dəstindən və Intel-in OneAPI layihəsinin, müxtəlif CPU, GPU və FPGA-larda işləməli olduğu vədlərindən çox da fərqlənmir.
Suala yalnız bunların necə birləşdiriləcəyi aiddir ki, hər kəs öz seçimi ilə hesablamə gücü dəstini proqramlaşdıra bilsin. Bu vacibdir, çünki FPGA-lar əvvəlki CPU-lardan daha mürəkkəb olub. Onlar ən qabaqcıl istehsal prosesləri ilə və ən müasir çip qablaşdırma texnologiyaları ilə istehsal olunur. Və onlar mütləq öz nişlərini tapacaqlar, çünki artıq vaxt, pul, enerji və intellekti boşuna sərf etməyə imkanımız qalmayıb – bunlar çox bahalı resurslardır.
«FPGA texnoloji üstünlüklər təqdim edir, – deyir Bolsens. – Bu, sadəcə adaptivlik və yenidən konfiqurasiya olunma ilə bağlı reklam deyil. Bütün vacib tətbiqlərdə – maşın öyrənmə, qraf analizi, yüksək sürətli ticarət və s. – onların təkcə məlumatların yayılması yolunu deyil, həm də yaddaş arxitekturasını – məlumatların çip daxilində necə hərəkət etdiyini konkret tapşırığa uyğunlaşdırmaq imkanı var. FPGA-larda digər cihazlardan daha çox yaddaş var. Həmçinin, əgər tapşırıq bir FPGA-ya sığmırsa, bir neçə çipdə genişləndirmək mümkündür, CPU və ya GPU-ların bir neçə hissəsinə genişləndirmək zamanı sizi gözləyən çatışmazlıqlarla üzləşmədən.
Mənbə: habr.com
