网上关于FPGACNN加快的研讨现已很多了，神经网络的硬件加快好像现已满大街都是了，这儿咱们暂且不评论谁做的好谁做的欠好，咱们仅仅依据许许多多的经历来总结一下完成硬件加快，需求哪些常识，考虑哪些因素。
很多人都说在做FPGA的神经网络加快，可是有多少人真实拿出了实践成果，或许大部分人便是用HLS（高层次归纳）写了个四五层的小网络，或许简略完成了一下卷积操作。真实要用FPGA做加快，得先理解算法的全体流程以及数据的输入输出方式，然后结合FPGA的特色规划相应的加快结构，在结构规划层次里边涉及到一些要害的点。例如，怎么加快原始卷积（winograd、fft或许其他），怎么对数据进行复用削减数据的搬移次数，怎么规划合理的流水线结构。在算法层次，需求对核算进行量化，由于现有的算法大部分都是浮点运算，FPGA 拿手定点运算，所以有必要量化，卷积层量化办法有dynamic fixed point 办法，有聚类办法，也有mini float point 办法等等，当然除了卷积，还有softmax等分类算法怎么量化，NMS怎么在硬件上完成。别的现在的神经网络越做越大，FPGA资源有限，因而对网络进行裁剪也是一个需求重视的问题。
总的来说用FPGA 加快神经网络，是一个全体性工程，需求软件和硬件协同合作，别的硬件这边除了中心算法，还需求考虑数据的输入以及调度方式，或许需求用PCIE 等高速接口实时传入图画，再利用DDR3/4对核算的部分成果进行缓存，当网络确认，而一个FPGA 资源又不够用的时分，或许需求考虑两个FPGA 互联，那就需求用到光口或许其他高速接口，这些外围高速接口，假如之前没有触摸过，任何一个都或许花费适当长的时刻。所以说，做FPGA 加快，一个人是肯定不可的，别的，现在可以进行神经网络加快的FPGA ，xilinx 的UltraScale K/V/Zynq系列是比较适宜的，可是这些归于高端FPGA，当然，不是说中低端不可，而是以现在干流网络和现有的优化手法，在资源较少的FPGA 上进行加快难度较大，而高端FPGA 价格都比较高，所以有必要得考虑本钱问题。
