Java тілінде код жазу үшін C++ бағдарламашысы болудың қажеті жоқ сияқты, FPGA үшін бағдарламалау үшін чип дизайнері болудың қажеті жоқ. Дегенмен, екі жағдайда да пайдалы болуы мүмкін.
Java және FPGA технологияларын коммерцияландырудың мақсаты соңғы мәлімдемені жоққа шығару болып табылады. FPGA үшін жақсы жаңалық – бағдарламаланатын логикалық құрылғыны ойлап тапқаннан бері соңғы 35 жыл ішінде дұрыс абстракциялық қабаттар мен құралдар жиынтығын пайдалану, процессорлар, DSP, GPU немесе кез келген басқа пайдаланушы ASIC нысандарының орнына FPGA үшін алгоритмдер мен деректер ағындарын жасау айналды. барған сайын жиі кездеседі. оңайырақ.
Олардың жасалуының таңғажайып уақыты CPU-лар енді жалғыз есептеу модулі болып қала алмайтын кезде айқын көрінеді деректер орталықтары Әртүрлі міндеттер үшін — әртүрлі себептермен — FPGA-лар жоғары өнімділікті, төмен кідіріс уақытын, желілік және жадты — қазіргі заманғы FPGA SoC-ларының әртүрлі есептеу мүмкіндіктерін ұсыну арқылы тиімділігіне қол жеткізді, олар іс жүзінде толық есептеу жүйелері болып табылады. Дегенмен, FPGA-лар гибридті жүйелердегі басқа құрылғылармен де сәтті үйлеседі және біздің ойымызша, есептеу иерархиясында өздерінің лайықты орнын енді ғана таба бастады.
Сондықтан біз 22 қаңтарда Сан-Хоседе The Next FPGA Platform конференциясын ұйымдастырдық. Әрине, әлемдегі негізгі FPGA жеткізушілерінің бірі және осы саладағы пионер - Xilinx. Xilinx компаниясының аға вице-президенті және бас технологиялық директоры Иво Болсенс конференцияда сөз сөйлеп, бүгін Xilinx деректер орталықтары үшін өзгермелі есептеу жүйелерін құруға қалай көмектесетіні туралы өз ойларын айтты.
Жүйелік сәулетшілер мен бағдарламашыларға әртүрлі есептеу қуатын орналастыратын, есептеу, сақтау және желілік тапсырмаларды орындайтын гетерогенді деректер орталығына келу үшін біраз уақыт кетті. Бұл қажет сияқты, себебі Мур заңын әртүрлі CMOS чиптерімен орындау барған сайын қиындап барады. Қазіргі уақытта біздің тіліміз әлі де процессорға бағытталған және біз әлі де «қолданбаны жеделдету» туралы айтамыз, яғни бағдарламалар тек процессорда жасалатыннан гөрі жақсы жұмыс істейді. Ақырында, деректер орталықтары есептеу қуатының, сақтаудың және бәрін біріктіретін хаттамалардың жиынтығына айналады, ал біз «есептеу» және «қолданбалар» сияқты терминдерге ораламыз. Гибридті есептеу дәстүрлі немесе ... жүйелерінде жұмыс істейтін бүгінгі бұлттық қызметтер сияқты қалыпты жағдайға айналады. виртуалды машиналар, және бір сәтте біз олардың жұмысын сипаттау үшін жай ғана «есептеу» сөзін қолданамыз. Бір сәтте – және FPGA осы дәуірдің бастауында маңызды рөл атқаруы мүмкін – біз оны қайтадан деректерді өңдеу деп атаймыз.
Деректер орталықтарында FPGA қабылдау сананы өзгертуді талап етеді. «Бүгінгі қолданбаларды жылдамдату жолдарын ойластырған кезде, олардың қалай жұмыс істейтіні, қандай ресурстар пайдаланылатыны, уақыттың қайда жұмсалатыны туралы негіздерге түсу керек», - деп түсіндіреді Болсенс. – Сіз шешуге тырысып жатқан жалпы мәселені зерттеуіңіз керек. Деректер орталықтарында жұмыс істейтін көптеген қолданбалар бүгінде ресурстардың үлкен көлемін тұтыну үшін масштабталады. Мысалы, көптеген есептеу түйіндерін пайдаланатын машиналық оқытуды алайық. Бірақ біз жеделдету туралы айтатын болсақ, біз тек есептеуді тездету туралы ғана емес, сонымен қатар инфрақұрылымды жеделдету туралы да ойлануымыз керек ».
Мысалы, Болсенс тәжірибеде зерттеген машиналық оқыту операцияларында уақыттың шамамен 50% дисперсті есептеу қуаты арасында деректерді алға-артқа тасымалдауға жұмсалады, ал қалған жартысы ғана есептеулердің өздеріне жұмсалады.
«Бұл жерде FPGA көмектесе алады деп ойлаймын, өйткені біз қолданбаның есептеу және коммуникациялық аспектілерінің оңтайландырылғанын қамтамасыз ете аламыз. Біз мұны жалпы инфрақұрылым деңгейінде және чип деңгейінде жасай аламыз. Бұл нақты қолданбалы қажеттіліктер үшін байланыс желілерін құруға мүмкіндік беретін FPGAs үлкен артықшылықтарының бірі. AI жұмыс жүктемелеріндегі деректер қозғалысының әдеттегі үлгілеріне сүйене отырып, мен коммутаторға негізделген күрделі архитектураның қажеттілігін көрмеймін. Үлкен деректер ағыны бар желіні құруға болады. Бұл нейрондық желіні оқыту тапсырмаларына да қатысты - сіз белгілі бір тапсырмаға бейімделетін пакет өлшемдері бар тор желісін құра аласыз. FPGA көмегімен деректерді тасымалдау протоколдары мен схема топологиялары өте дәл масштабталады және нақты қолданбаға бейімделуі мүмкін. Сондай-ақ, машиналық оқыту жағдайында бізге екі дәлдіктегі өзгермелі нүкте сандары қажет емес екені анық және біз оны да реттей аламыз ».
FPGA мен процессордың немесе реттелетін ASIC арасындағы айырмашылық мынада: соңғысы зауытта бағдарламаланады, содан кейін есептелетін деректер түрлері немесе есептелетін элементтер туралы немесе деректердің сипаты туралы ойыңызды өзгерте алмайсыз. құрылғы арқылы өтеді. FPGA жұмыс жағдайлары өзгерсе, ойыңызды өзгертуге мүмкіндік береді.
Бұрын бұл артықшылық өте қымбат болды, бұл кезде FPGA бағдарламалау жүрек әлсіздігі үшін емес еді. Бағдарламашылар C, C++ немесе Python тілдерінде процессорға параллельді қосымшаларды жазу үшін пайдаланатын құралдармен жақсырақ интеграциялану үшін FPGA компиляторларын ашу және кейбір жұмыстарды FPGA процедураларын жылдамдататын кітапханаларға беру қажет. Кәдімгі AI үлгілерін іске қосуға арналған кітапханалары бар немесе бейнені қайта кодтау, бейне нысанды тану және деректерді талдау сияқты тапсырмаларға FPGA мүмкіндіктерін қосатын Caffe және TensorFlow сияқты ML платформаларын қуаттандыратын Vitis машиналық оқыту стегі осылай жасайды. , қаржылық тәуекелдерді басқару және кез келген үшінші - кешкі кітапханалар.
Бұл концепция Nvidia компаниясының он жыл бұрын іске қосылған CUDA жобасынан айырмашылығы жоқ, ол параллельді есептеулерді GPU үдеткіштеріне жүктейді немесе AMD ROCm құралдар жинағынан немесе әртүрлі CPU, GPU және FPGA-да жұмыс істеуі керек Intel OneAPI жобасының уәдесінен.
Жалғыз сұрақ - кез келген адам есептеуіш қуаттар жинағын өз қалауы бойынша бағдарламалай алатындай барлық осы құралдар қалай біріктіріледі. Бұл маңызды, өйткені FPGA қол жетімді процессорлардың кез келгеніне қарағанда күрделірек, әлдеқайда күрделі болды. Олар ең озық өндірістік процестерді және ең заманауи чиптерді орау технологияларын қолдану арқылы шығарылады. Және олар өз орнын табады, өйткені біз енді уақытты, ақшаны, энергияны және интеллектті босқа жұмсай алмаймыз - мұның бәрі тым қымбат ресурстар.
«FPGAs технологиялық артықшылықтарды ұсынады», - дейді Болсенс. – Бұл бейімделу және қайта конфигурациялау туралы әдеттегі жарнама ғана емес. Барлық маңызды қолданбаларда - машиналық оқыту, графикалық талдау, жоғары жылдамдықты сауда және т.б. - оларда деректерді тарату жолымен ғана емес, сонымен қатар жад архитектурасы - деректердің чип ішінде қалай қозғалатынын белгілі бір тапсырмаға бейімделу мүмкіндігі бар. FPGA-да басқа құрылғыларға қарағанда әлдеқайда көп жады бар. Сондай-ақ, егер тапсырма бір FPGA-ға сәйкес келмесе, тапсырмаларды бірнеше процессорлар немесе графикалық процессорлар арқылы масштабтау кезінде сізді күтетін кемшіліктерге тап болмай, оны бірнеше чиптер бойынша масштабтауға болатынын ескеру қажет.
Ақпарат көзі: www.habr.com
