Þú þarft ekki að vera flísahönnuður til að forrita fyrir FPGA, rétt eins og þú þarft ekki að vera C++ forritari til að skrifa kóða í Java. Hins vegar, í báðum tilfellum, mun það líklega vera gagnlegt.
Markmiðið með því að markaðssetja bæði Java og FPGA tækni er að afsanna seinni fullyrðinguna. Góðar fréttir fyrir FPGA - með því að nota rétta útdráttarlögin og verkfærasettið, á síðustu 35 árum frá því að forritanlega rökfræðibúnaðurinn var fundinn upp, hefur búið til reiknirit og gagnaflæði fyrir FPGA í stað örgjörva, DSP, GPU eða hvers kyns sérsniðinna ASICs. sífellt algengara. auðveldara.
Hinn ótrúlegi tímabæri sköpunar þeirra kemur fram í þeirri staðreynd að einmitt þegar örgjörvar gátu ekki lengur verið eina tölvueining gagnavera til að sinna mörgum verkefnum - af ýmsum ástæðum - náðu FPGA virkni sinni, buðu upp á hraða, litla leynd, netgetu og minni - ólíkur tölvumöguleiki nútíma FPGA SoCs, sem eru nánast fullgild tölvukerfi. Hins vegar eru FPGA-tæki einnig með góðum árangri sameinuð með öðrum tækjum í tvinnkerfum og að okkar mati eru þau rétt að byrja að finna sinn rétta stað í tölvustigveldinu.
Þess vegna skipulögðum við The Next FPGA Platform ráðstefnu í San Jose 22. janúar. Eðlilega er Xilinx einn helsti FPGA birgir í heiminum og brautryðjandi á þessu sviði. Ivo Bolsens, varaforseti og yfirmaður tæknimála hjá Xilinx, talaði á ráðstefnunni og gaf okkur hugmyndir sínar í dag um hvernig Xilinx hjálpar til við að búa til breytileg tölvukerfi fyrir gagnaver.
Það tók kerfisarkitekta og forritara mikinn tíma að koma sér upp misleitri gagnaver, sem mun hafa ýmsar gerðir af tölvuafli sem leysa vandamál í tölvum, geymslu og netkerfi. Þetta virðist nauðsynlegt vegna þess að það verður sífellt erfiðara að fylgja lögmáli Moore með því að nota ýmis CMOS tæki. Í augnablikinu er tungumálið okkar enn CPU-miðlægt og við tölum enn um „forritshröðun“, sem þýðir að forrit keyra betur en það sem hægt er að gera á örgjörva einum saman. Með tímanum munu gagnaver verða safn af tölvuafli, gagnageymslu og samskiptareglum sem tengja allt saman og við munum snúa aftur til hugtaka eins og „tölva“ og „forrit“. Hybrid computing verður jafn eðlileg og skýjaþjónusta nútímans sem keyrir á skjáborði eða sýndarvélum og á einhverjum tímapunkti munum við einfaldlega nota orðið „computing“ til að lýsa því hvernig þær virka. Á einhverjum tímapunkti - og það er líklegt að FPGAs muni hjálpa til við að hefja þetta tímabil - munum við kalla það gagnavinnslu aftur.
Að taka upp FPGA í gagnaverum mun krefjast hugarfarsbreytingar. „Þegar þú hugsar um leiðir til að flýta fyrir forritum í dag þarftu að fara niður í grunnatriðin um hvernig þau keyra, hvaða úrræði eru notuð, hvar tímanum er varið,“ útskýrir Bolsens. – Þú þarft að rannsaka almenna vandamálið sem þú ert að reyna að leysa. Mörg forrit sem keyra í gagnaverum í dag stækka til að eyða miklu magni af auðlindum. Tökum til dæmis vélanám sem notar gríðarlegan fjölda tölvuhnúta. En þegar við tölum um hröðun þurfum við ekki aðeins að hugsa um að flýta tölvuvinnslu heldur líka um að hraða innviðum.“
Til dæmis, í þeirri tegund vélanámsaðgerða sem Bolsens rannsakaði í reynd, fer um það bil 50% af tímanum í að flytja gögn fram og til baka á milli dreifðrar tölvuafls og aðeins helmingur tímans sem eftir er fer í útreikningana sjálfa.
„Þetta er þar sem ég held að FPGA geti hjálpað, því við getum tryggt að bæði reikni- og samskiptaþættir forritsins séu fínstilltir. Og við getum gert þetta á heildarinnviðastigi og á flísstigi. Þetta er einn af stóru kostunum við FPGA, sem gerir þér kleift að búa til samskiptanet fyrir sérstakar umsóknarþarfir. Byggt á dæmigerðum mynstrum gagnahreyfinga í gervigreindarálagi, sé ég ekki þörfina fyrir flókinn rofabyggðan arkitektúr. Þú getur byggt upp net með miklu gagnaflæði. Sama á við um tauganetþjálfunarverkefni - þú getur byggt upp möskvakerfi með pakkastærðum sem laga sig að ákveðnu verkefni. Með því að nota FPGA er hægt að kvarða og sníða gagnaflutningssamskiptareglur og staðfræði hringrásar mjög nákvæmlega og sníða að tilteknu forriti. Og þegar um vélanám er að ræða, þá er það líka ljóst að við þurfum ekki tvöfaldar nákvæmar flottölur, og við getum stillt það líka.
Munurinn á FPGA og örgjörva eða sérsniðnum ASIC er sá að þeir síðarnefndu eru forritaðir í verksmiðjunni og eftir það geturðu ekki lengur skipt um skoðun á tegundum gagna sem eru reiknaðar eða þættir sem eru reiknaðir eða um eðli gagna. flæða í gegnum tækið. FPGA gerir þér kleift að skipta um skoðun ef rekstrarskilyrði breytast.
Áður fyrr kostaði þessi kostur kostnað þegar FPGA forritun var ekki fyrir viðkvæma. Þörfin er að opna FPGA þýðendur til að samþættast betur við þau verkfæri sem forritarar nota til að skrifa CPU-samhliða forrit í C, C++ eða Python, og útvista hluta af vinnunni til bókasöfnum sem flýta fyrir verklagsreglum á FPGA. Þetta er það sem Vitis vélanámsstafla gerir, knýr ML kerfum eins og Caffe og TensorFlow, með bókasöfnum til að keyra hefðbundin gervigreind módel eða bæta FPGA getu við verkefni eins og myndbandsumskráningu, myndbandshlutaþekkingu og gagnagreiningu. , fjárhagsleg áhættustýring og hvaða þriðja -flokksbókasöfn.
Þessi hugmynd er ekki mikið frábrugðin CUDA verkefni Nvidia, sem hleypt var af stokkunum fyrir áratug, sem afhleður samhliða tölvuvinnslu yfir í GPU hröðla, eða frá ROCm verkfærasetti AMD, eða frá loforðinu um OneAPI verkefni Intel, sem ætti að keyra á mismunandi örgjörva, GPU og FPGA.
Eina spurningin er hvernig öll þessi verkfæri verða tengd saman þannig að hver einstaklingur geti forritað safn af tölvumöguleikum að eigin geðþótta. Þetta er mikilvægt vegna þess að FPGA eru orðin flóknari, miklu flóknari en nokkur af tiltækum örgjörvum. Þau eru framleidd með fullkomnustu framleiðsluferlum og nútímalegustu flísumbúðatækni. Og þeir munu finna sinn sess, þar sem við getum ekki lengur sóað tíma, peningum, orku og greind - allt eru þetta of dýrar auðlindir.
"FPGAs bjóða upp á tæknilega kosti," segir Bolsens. – Og þetta eru ekki bara venjulegar auglýsingar um aðlögunarhæfni og endurstillingarhæfni. Í öllum mikilvægum forritum - vélanám, grafgreiningu, háhraðaviðskipti osfrv. - þeir hafa getu til að laga sig að ákveðnu verkefni, ekki aðeins gagnadreifingarleiðinni, heldur einnig minnisarkitektúrinn - hvernig gögn hreyfast innan flíssins. FPGA eru líka með miklu meira minni innbyggt í þeim en önnur tæki. Það ætti líka að taka með í reikninginn að ef verkefni passar ekki inn í eina FPGA geturðu stækkað það yfir marga flís án þess að lenda í þeim ókostum sem bíða þín þegar þú skalar verkefni yfir marga örgjörva eða GPU.
Heimild: www.habr.com