FPGA全称是“可修改门阵列”(Field Programmable Gate Array)，其底子原理是在芯片内集成许多的数字电路底子门电路，存储器以及互连线资源，而用户能够经过对FPGA进行“编程”（烧写配置文件）来界说这些门电路的功用以及模块之间的连线。这种“编程”不是一次性的，你能够把FPGA规划成一个编解码器，只需更改配置文件，就能够变成一个CPU，这也是所谓的re-Configurable的概念。当然，FPGA在给咱们供给了随意完成硬件电路的灵敏性的一起，也要求规划者具有硬件规划的常识和才能。这一点和CPU，GPU的软件编程办法有很大的不同，或许说是有更高的运用门槛。
现在首要的FPGA芯片厂商是Xilinx和Intel（Altera），AWS首要运用Xilinx的FPGA，MS则运用Intel的FPGA。在详细看FPGA的内部结构之前，咱们仍是经过比照来看看它的特色。
其实最近这种比照许多，我之前的文章也提到过。MS把CPU，GPU，FPGA和ASIC放在Flexibility VS Efficiency的视点进行比照，这个也是咱们常常运用的办法。再次着重，灵敏性（通用性）必定意味着功率的丢失，反之亦然。
以为FPGA首要仍是用在Evaluation（或许咱们常常说的Inference）。而风趣的是，他们以为ASIC计划在Training和EvaluaTIon中都仍是“under invesTIgaTIon”，如同把Google的TPU给忘了。
AWS给出了别的一个视角的比较，CPU为了完成最大的灵敏和通用，芯片中的很大一部分芯片面积用来供给操控功用（也包含杂乱的存储架构，比方Cache）；而在GPU傍边，用作运算的芯片面积份额大大提高，能够支撑大规划的并行处理；而到了FPGA，现已没有预先界说的指令集概念，也没有确认的数据位宽。这些你都能够依据运用来自己规划。你能够规划一个只支撑几条指令的处理器；也能够只规划数据通道和简略的操控逻辑，底子不必指令。
下图来自MS的讲座，比照了CPU和FPGA进行数据处理的特色。
CPU能够看作是一种时刻核算模型，指令次序进入，每条指令处理必定的数据。FPGA能够看作是空间核算模型，许多数据能够并行的进行处理。Deep Learning的处理，比方CNN的卷积运算，便是十分合适空间核算模型的比方。这一点我在之前的文章“深度神经网络的模型·硬件联合优化”中已有介绍。下面咱们详细看看FPGA的内部结构。
FPGA中几个比较重要的底子模块包含（依照Xilinx的说法）：
CLB（Configurable Logic Block）：FPGA最底子的组成单元，能够完成底子的组合逻辑和时序电路。其间，LUT（Lookup Tables）是完成组合逻辑的部分，能够完成n个输入的恣意组合逻辑运算（不同类型的FPGA有所不同，下图的比方中为6个输入）。而在CLB的输出方位，还有一个寄存器，供给时序电路的功用。
DSP Slice：是比CLB粒度更粗的运算单元，直接完成乘法，累加等功用。它比较相似与咱们在DSP处理器中运用的MAC单元，如下图所示：
此外，一般FPGA中还供给片上Memory模块（Block RAM，UltraRAM），各种高速接口，IP和许多辅佐电路。依据运用需求不同，有的类型的FPGA自身也是一个SoC，还集成了处理器核（比方ARM），乃至视频编解码等功用。在这里，咱们调查CLB Flip-Flops，CLB LUT和DSP Slices的数量，以及memory的数量，底子就能够了解该FPGA的规划，也便是在这个FPGA上能够完成多大规划的数字电路。
