Il progetto VeriGPU è mirato alla creazione di una GPU open-source, sviluppata nel linguaggio di descrizione e modellazione dei sistemi elettronici Verilog. Inizialmente, il progetto viene sviluppato utilizzando il simulatore Verilog, ma una volta completato potrà essere utilizzato per la produzione di chip reali. I progressi del progetto sono distribuiti sotto licenza MIT.
VeriGPU è posizionato come un processore specializzato (ASIC), ottimizzato per accelerare i calcoli legati ai sistemi di machine learning. Nella pianificazione viene menzionata la compatibilità con il framework di deep learning PyTorch e la realizzazione della possibilità di sviluppare applicazioni per VeriGPU utilizzando l'API HIP (Heterogeneous-Compute Interface). In futuro, non è escluso di aggiungere supporto per altre API, come SYCL e NVIDIA CUDA.
La GPU viene sviluppata sulla base del set di istruzioni RISC-V, ma l'architettura interna finale del set di istruzioni della GPU è poco compatibile con l'ISA RISC-V, poiché nei casi in cui la progettazione della GPU non si adatti alla rappresentazione RISC-V, non è prevista la conservazione della compatibilità con RISC-V. Lo sviluppo è focalizzato sulle funzionalità necessarie per i sistemi di machine learning, quindi per ridurre la dimensione e la complessità della matrice del chip viene utilizzato solo il formato di calcolo in virgola mobile BF16 e sono disponibili solo le operazioni in virgola mobile più richieste per il machine learning, come exp, log, tanh e sqrt.
Tra i componenti già disponibili vi sono contattori GPU, APU (Accelerated Processing Unit) per operazioni intere («+», «-», «/», «*»), un blocco per operazioni in virgola mobile («+», «*») e un blocco per il supporto al branching. Per la creazione di applicazioni viene offerto un assemblatore e il supporto per la compilazione di codice C++ basato su LLVM. Tra le funzionalità previste si evidenziano l'esecuzione parallela delle istruzioni, la memorizzazione nella cache dei dati e delle istruzioni, e le operazioni SIMT (Single instruction multiple thread).
Fonte: opennet.ru
