跟着人工智能（AI）的不断发展，它现已从前期的人工特征工程进化到现在能够从海量数据中学习，机器视觉、语音辨认以及自然语言处理等范畴都取得了重大突破。CNN（ConvoluTIonal Neural Network，卷积神经网络）在人工智能范畴遭到越来越多的喜爱，它是深度学习技能中极具代表性的网络结构之一，尤其在图画处理范畴取得了很大的成功。跟着网络变得越来越大、越来越杂乱，咱们需求许多的核算资源来对其进行练习，因而人们纷繁将注意力转向FPGA（Field Programmable Gate Array，现场可编程门阵列）器材，FPGA不只具有软件的可编程性和灵敏性，一起又有ASIC高吞吐和低推迟的特性，并且因为具有丰厚的I/O接口，FPGA还十分适宜用作协议和接口转化的芯片。
近来KORTIQ公司推出了一款Xilinx FPGA的CNN加速器IP——AIScale，它能够使用完成练习好的CNN网络，比方职业标准的ResNet、AlexNet、TIny Yolo和VGG-16等，并将它们进行紧缩输出二进制描绘文件，能够布置到Xilinx全系列可编程逻辑器材上。Zynq SoC和Zynq UltraScale+ MPSoC器材PS能够供给数据给AIScale CNN加速器（PL），通过分类处理将输出数据给PS。紧缩后的CNN网络占用资源相对小许多，能够布置在片上存储器中，能够更快更灵敏的切换CNN网络。
图1：AIScale在核算机视觉使用事例示意图
AIScale加速器的中心是AIScale RCC（Re-configurable Compute Core），用户依据需求能够灵敏自定义AIScale RCC模块的数量，AIScale RCC支撑卷积预处理、池化/采样、加权和全衔接层等处理。资源更丰厚的Zynq SoC和UltraScale+ MPSoC能够集成更多的AIScale RCC模块，这会给AIScale加速器带来更大的功能进步。当然也能够依据本钱、体系功耗、功能需求集成必定的AIScale RCC模块，挑选适宜的Xilinx FPGA器材。
图2：多个 AIScale RCC模块级联衔接
KORTIQ公司现在专心于嵌入式和核算机视觉范畴，规划工业4.0和物联网（IoT）等，未来将会为AIScale CNN加速器供给更多更先进的特性，比方图画分类、物体辨认和追寻、人脸和语音辨认、自然语言处理等，将先进的人工智能网络使用到自动化出产、操控等场景中，进步相关职业的出产力为用户带来更好的服务。
