ភាពជៀសមិនរួចនៃការជ្រៀតចូល FPGA ចូលទៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យ

អ្នកមិនចាំបាច់ជាអ្នករចនាបន្ទះឈីបដើម្បីសរសេរកម្មវិធីសម្រាប់ FPGAs ដូចជាអ្នកមិនចាំបាច់ជាអ្នកសរសេរកម្មវិធី C++ ដើម្បីសរសេរកូដនៅក្នុង Java នោះទេ។ ទោះយ៉ាងណាក៏ដោយក្នុងករណីទាំងពីរវាប្រហែលជាមានប្រយោជន៍។

គោលដៅនៃការធ្វើពាណិជ្ជកម្មទាំងបច្ចេកវិទ្យា Java និង FPGA គឺដើម្បីបដិសេធការអះអាងចុងក្រោយនេះ។ ដំណឹងល្អសម្រាប់ FPGAs - ដោយប្រើស្រទាប់អរូបីត្រឹមត្រូវ និងសំណុំឧបករណ៍ ក្នុងរយៈពេល 35 ឆ្នាំចុងក្រោយនេះ ចាប់តាំងពីការបង្កើតឧបករណ៍តក្កវិជ្ជាដែលអាចសរសេរកម្មវិធីបាន ការបង្កើតក្បួនដោះស្រាយ និងលំហូរទិន្នន័យសម្រាប់ FPGAs ជំនួសឱ្យ CPUs, DSPs, GPUs ឬទម្រង់ផ្សេងទៀតនៃ ASICs ផ្ទាល់ខ្លួនបានក្លាយទៅជា កាន់តែងាយស្រួល។

ពេលវេលាដ៏អស្ចារ្យនៃការបង្កើតរបស់ពួកគេគឺជាក់ស្តែងនៅក្នុងការពិតដែលថានៅពេលដែលស៊ីភីយូមិនអាចនៅតែជាម៉ូឌុលកុំព្យូទ័រតែមួយគត់បានទៀតទេ មជ្ឈមណ្ឌលទិន្នន័យ សម្រាប់ភារកិច្ចជាច្រើន — សម្រាប់ហេតុផលផ្សេងៗគ្នា — FPGAs សម្រេចបានប្រសិទ្ធភាពរបស់ពួកគេដោយផ្តល់ជូននូវដំណើរការខ្ពស់ ភាពយឺតយ៉ាវទាប បណ្តាញ និងអង្គចងចាំ — សមត្ថភាពគណនាចម្រុះនៃ FPGA SoCs ទំនើប ដែលជាប្រព័ន្ធកុំព្យូទ័រពេញលេញ។ ទោះជាយ៉ាងណាក៏ដោយ FPGAs ក៏រួមបញ្ចូលគ្នាដោយជោគជ័យជាមួយឧបករណ៍ផ្សេងទៀតនៅក្នុងប្រព័ន្ធកូនកាត់ ហើយតាមទស្សនៈរបស់យើង ទើបតែចាប់ផ្តើមស្វែងរកកន្លែងត្រឹមត្រូវរបស់ពួកគេនៅក្នុងឋានានុក្រមកុំព្យូទ័រ។

នោះហើយជាមូលហេតុដែលយើងរៀបចំសន្និសិទវេទិកា FPGA បន្ទាប់នៅ San Jose នៅថ្ងៃទី 22 ខែមករា។ តាមធម្មជាតិ អ្នកផ្គត់ផ្គង់ FPGA ដ៏សំខាន់មួយនៅក្នុងពិភពលោក និងជាអ្នកត្រួសត្រាយផ្លូវនៅក្នុងតំបន់នេះគឺ Xilinx ។ លោក Ivo Bolsens អនុប្រធានជាន់ខ្ពស់ និងជាប្រធានផ្នែកបច្ចេកវិទ្យានៅ Xilinx បាននិយាយនៅក្នុងសន្និសិទ ហើយបានផ្តល់ឱ្យយើងនូវគំនិតរបស់គាត់នៅថ្ងៃនេះអំពីរបៀបដែល Xilinx កំពុងជួយបង្កើតប្រព័ន្ធកុំព្យូទ័រដែលអាចផ្លាស់ប្តូរបានសម្រាប់មជ្ឈមណ្ឌលទិន្នន័យ។

វាត្រូវការពេលយូរសម្រាប់ស្ថាបត្យករប្រព័ន្ធ និងអ្នកសរសេរកម្មវិធី ដើម្បីឈានដល់មជ្ឈមណ្ឌលទិន្នន័យចម្រុះមួយ ដែលនឹងផ្ទុកថាមពលកុំព្យូទ័រប្រភេទផ្សេងៗគ្នា ដោះស្រាយការគណនា ការផ្ទុក និងកិច្ចការបណ្តាញ។ នេះហាក់ដូចជាចាំបាច់ ពីព្រោះការអនុវត្តតាមច្បាប់របស់ Moore ជាមួយបន្ទះឈីប CMOS ផ្សេងៗគ្នាកំពុងក្លាយជាការលំបាកកាន់តែខ្លាំងឡើង។ សម្រាប់ពេលនេះ ភាសារបស់យើងនៅតែផ្តោតលើ CPU ហើយយើងនៅតែនិយាយអំពី "ការបង្កើនល្បឿនកម្មវិធី" មានន័យថាកម្មវិធីដំណើរការបានល្អជាងអ្វីដែលអាចធ្វើបាននៅលើ CPU តែម្នាក់ឯង។ នៅទីបំផុត មជ្ឈមណ្ឌលទិន្នន័យនឹងក្លាយជាការប្រមូលផ្តុំនៃថាមពលកុំព្យូទ័រ ការផ្ទុក និងពិធីការដែលភ្ជាប់អ្វីៗគ្រប់យ៉ាងជាមួយគ្នា ហើយយើងនឹងត្រលប់ទៅពាក្យដូចជា "គណនា" និង "កម្មវិធី"។ ការគណនាបែបចម្រុះនឹងក្លាយជារឿងធម្មតាដូចសេវាកម្ម cloud សព្វថ្ងៃនេះ ដែលដំណើរការលើប្រពៃណី ឬ... ម៉ាស៊ីននិម្មិតហើយនៅចំណុចណាមួយ យើងនឹងប្រើពាក្យ "ការគណនា" ដើម្បីពិពណ៌នាអំពីការងាររបស់ពួកគេ។ នៅចំណុចណាមួយ—ហើយ FPGA ទំនងជានឹងដើរតួនាទីយ៉ាងសំខាន់ក្នុងការនាំមកសម័យកាលនេះ—យើងនឹងហៅវាថា ការដំណើរការទិន្នន័យម្តងទៀត។

ការទទួលយក FPGAs នៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យនឹងតម្រូវឱ្យមានការផ្លាស់ប្តូរនៅក្នុងផ្នត់គំនិត។ Bolsens ពន្យល់ថា "នៅពេលគិតអំពីវិធីបង្កើនល្បឿនកម្មវិធីនាពេលបច្ចុប្បន្ននេះ អ្នកត្រូវតែចុះទៅមូលដ្ឋាននៃរបៀបដែលពួកវាដំណើរការ ធនធានអ្វីត្រូវបានប្រើប្រាស់ និងពេលវេលាដែលត្រូវចំណាយ" Bolsens ពន្យល់។ - អ្នកត្រូវសិក្សាពីបញ្ហាទូទៅដែលអ្នកកំពុងព្យាយាមដោះស្រាយ។ កម្មវិធីជាច្រើនដែលកំពុងដំណើរការនៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យនាពេលបច្ចុប្បន្ននេះមានទំហំដើម្បីប្រើប្រាស់ធនធានយ៉ាងច្រើន។ ជាឧទាហរណ៍ សូមយក machine learning ដែលប្រើចំនួនដ៏ច្រើននៃថ្នាំងកុំព្យូទ័រ។ ប៉ុន្តែ​នៅពេល​យើង​និយាយ​អំពី​ការ​បង្កើន​ល្បឿន យើង​ត្រូវ​គិត​មិន​ត្រឹមតែ​អំពី​ការ​បង្កើនល្បឿន​កុំព្យូទ័រ​ប៉ុណ្ណោះ​ទេ ប៉ុន្តែ​ក៏​អំពី​ការបង្កើនល្បឿន​ហេដ្ឋារចនាសម្ព័ន្ធ​ផងដែរ​»​។

ឧទាហរណ៍ នៅក្នុងប្រភេទនៃប្រតិបត្តិការសិក្សាម៉ាស៊ីនដែល Bolsens បានសិក្សាក្នុងការអនុវត្ត ប្រហែល 50% នៃពេលវេលាត្រូវបានចំណាយក្នុងការផ្ទេរទិន្នន័យទៅមករវាងថាមពលកុំព្យូទ័រដែលបែកខ្ញែក ហើយនៅសល់តែពាក់កណ្តាលនៃពេលវេលាប៉ុណ្ណោះដែលត្រូវចំណាយលើការគណនាដោយខ្លួនឯង។

“នេះជាកន្លែងដែលខ្ញុំគិតថា FPGA អាចជួយបាន ពីព្រោះយើងអាចធានាថាទាំងផ្នែកគណនា និងទំនាក់ទំនងនៃកម្មវិធីត្រូវបានធ្វើឱ្យប្រសើរ។ ហើយយើងអាចធ្វើវាបាននៅកម្រិតហេដ្ឋារចនាសម្ព័ន្ធទាំងមូល និងនៅកម្រិតបន្ទះឈីប។ នេះគឺជាគុណសម្បត្តិដ៏អស្ចារ្យមួយនៃ FPGAs ដែលអនុញ្ញាតឱ្យអ្នកបង្កើតបណ្តាញទំនាក់ទំនងសម្រាប់តម្រូវការកម្មវិធីជាក់លាក់។ ដោយផ្អែកលើគំរូធម្មតានៃចលនាទិន្នន័យនៅក្នុងបន្ទុកការងារ AI ខ្ញុំមិនឃើញតម្រូវការសម្រាប់ស្ថាបត្យកម្មដែលមានមូលដ្ឋានលើការផ្លាស់ប្តូរស្មុគស្មាញនោះទេ។ អ្នកអាចបង្កើតបណ្តាញមួយដែលមានលំហូរទិន្នន័យធំ។ អនុវត្តដូចគ្នាចំពោះកិច្ចការបណ្តុះបណ្តាលបណ្តាញសរសៃប្រសាទ - អ្នកអាចបង្កើតបណ្តាញសំណាញ់ដែលមានទំហំកញ្ចប់ព័ត៌មានដែលសម្របទៅនឹងកិច្ចការជាក់លាក់មួយ។ ដោយប្រើ FPGA ពិធីការផ្ទេរទិន្នន័យ និងសៀគ្វី topologies អាចត្រូវបានធ្វើមាត្រដ្ឋានយ៉ាងជាក់លាក់ និងតម្រូវទៅតាមកម្មវិធីជាក់លាក់មួយ។ ហើយ​ក្នុង​ករណី​នៃ​ការ​រៀន​ម៉ាស៊ីន វា​ក៏​ច្បាស់​ដែរ​ថា​យើង​មិន​ត្រូវ​ការ​លេខ​ចំណុច​អណ្តែត​ទឹក​ដែល​មាន​ភាព​ជាក់លាក់​ទ្វេ​ដង​ទេ ហើយ​យើង​ក៏​អាច​កែ​សម្រួល​បាន​ផង​ដែរ»។

ភាពខុសគ្នារវាង FPGA និង CPU ឬ ASIC ផ្ទាល់ខ្លួនគឺថា ក្រោយមកទៀតត្រូវបានកម្មវិធីនៅរោងចក្រ ហើយបន្ទាប់ពីនោះ អ្នកមិនអាចផ្លាស់ប្តូរចិត្តរបស់អ្នកអំពីប្រភេទនៃទិន្នន័យដែលកំពុងត្រូវបានគណនា ឬធាតុដែលកំពុងត្រូវបានគណនា ឬអំពីលក្ខណៈនៃទិន្នន័យ។ ហូរតាមរយៈឧបករណ៍។ FPGAs អនុញ្ញាតឱ្យអ្នកផ្លាស់ប្តូរចិត្តប្រសិនបើលក្ខខណ្ឌប្រតិបត្តិការផ្លាស់ប្តូរ។

កាលពីមុន អត្ថប្រយោជន៍នេះបានមកក្នុងតម្លៃមួយ នៅពេលដែលកម្មវិធី FPGA មិនមែនសម្រាប់អ្នកខ្សោយបេះដូងនោះទេ។ តម្រូវការគឺត្រូវបើកកម្មវិធីចងក្រង FPGA ដើម្បីធ្វើសមាហរណកម្មកាន់តែល្អជាមួយឧបករណ៍ដែលអ្នកសរសេរកម្មវិធីប្រើដើម្បីសរសេរកម្មវិធី CPU-parallel នៅក្នុង C, C++, ឬ Python និងដើម្បីផ្តល់ប្រភពការងារមួយចំនួនទៅបណ្ណាល័យដែលបង្កើនល្បឿនដំណើរការលើ FPGAs ។ នេះគឺជាអ្វីដែល Vitis machine learning stack ធ្វើ ដោយផ្តល់ថាមពលដល់វេទិកា ML ដូចជា Caffe និង TensorFlow ជាមួយនឹងបណ្ណាល័យសម្រាប់ដំណើរការគំរូ AI ធម្មតា ឬបន្ថែមសមត្ថភាព FPGA ទៅនឹងកិច្ចការដូចជាការបម្លែងវីដេអូ ការទទួលស្គាល់វត្ថុវីដេអូ និងការវិភាគទិន្នន័យ ការគ្រប់គ្រងហានិភ័យហិរញ្ញវត្ថុ និងទីបី - បណ្ណាល័យគណបក្ស។

គំនិតនេះមិនខុសគ្នាច្រើនពីគម្រោង CUDA របស់ Nvidia ដែលបានបើកដំណើរការកាលពីមួយទសវត្សរ៍មុន ដែលផ្ទុកការគណនាស្របទៅនឹង GPU accelerator ឬពីកញ្ចប់ឧបករណ៍ ROCm របស់ AMD ឬពីការសន្យានៃគម្រោង OneAPI របស់ Intel ដែលគួរតែដំណើរការលើស៊ីភីយូ GPUs និង FPGA ផ្សេងៗគ្នា។

សំណួរតែមួយគត់គឺថាតើឧបករណ៍ទាំងអស់នេះនឹងត្រូវបានភ្ជាប់ជាមួយគ្នាយ៉ាងដូចម្តេចដើម្បីឱ្យមនុស្សណាម្នាក់អាចរៀបចំកម្មវិធីថាមពលកុំព្យូទ័រតាមការសំរេចចិត្តរបស់ពួកគេ។ នេះគឺសំខាន់ព្រោះ FPGAs កាន់តែស្មុគស្មាញ ស្មុគស្មាញជាង CPUs ណាមួយដែលមាន។ ពួកវាត្រូវបានផលិតដោយប្រើដំណើរការផលិតកម្រិតខ្ពស់បំផុត និងបច្ចេកវិជ្ជាវេចខ្ចប់បន្ទះឈីបទំនើបបំផុត។ ហើយពួកគេនឹងស្វែងរកទីផ្សារពិសេសរបស់ពួកគេ ដោយហេតុថាយើងមិនអាចខ្ជះខ្ជាយពេលវេលា លុយ ថាមពល និងបញ្ញាបានទៀតទេ - ទាំងនេះគឺជាធនធានថ្លៃពេក។

Bolsens និយាយថា "FPGAs ផ្តល់អត្ថប្រយោជន៍ផ្នែកបច្ចេកវិទ្យា" ។ - ហើយនេះមិនមែនគ្រាន់តែជាការផ្សាយពាណិជ្ជកម្មធម្មតាអំពីការសម្របខ្លួន និងការកំណត់រចនាសម្ព័ន្ធឡើងវិញនោះទេ។ នៅក្នុងកម្មវិធីសំខាន់ៗទាំងអស់ - ការរៀនម៉ាស៊ីន ការវិភាគក្រាហ្វ ការជួញដូរល្បឿនលឿន។ល។ - ពួកគេមានសមត្ថភាពក្នុងការសម្របខ្លួនទៅនឹងកិច្ចការជាក់លាក់មួយ មិនត្រឹមតែផ្លូវចែកចាយទិន្នន័យប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងស្ថាបត្យកម្មអង្គចងចាំផងដែរ - វិធីដែលទិន្នន័យផ្លាស់ទីក្នុងបន្ទះឈីប។ FPGAs ក៏មានអង្គចងចាំច្រើនដែលបង្កើតឡើងនៅក្នុងពួកវាជាងឧបករណ៍ផ្សេងទៀត។ វាក៏គួរត្រូវយកមកពិចារណាផងដែរថា ប្រសិនបើកិច្ចការមិនសមនឹង FPGA មួយ អ្នកអាចធ្វើមាត្រដ្ឋានវាឆ្លងកាត់បន្ទះឈីបជាច្រើនដោយមិនជួបប្រទះគុណវិបត្តិដែលរង់ចាំអ្នកនៅពេលធ្វើមាត្រដ្ឋានកិច្ចការឆ្លងកាត់ CPU ឬ GPUs ច្រើន។

ប្រភព: www.habr.com