Feb, 2024

在 FPGAs 上加速本地 Laplacian 滤波器

PDF
TL;DR提供了一种在 FPGA 上实现的硬件加速器，用于解决局部拉普拉斯滤波问题。该加速器能够充分利用局部拉普拉斯滤波算法中可用的并行性，同时最大限度地减少在芯片 FPGA 上的资源利用率，与优化的基准 CPU 实现相比，处理 1MB 图像的速度提高了 7.5 倍。据我们所知，我们在研究文献中没有意识到有其他硬件加速器提出来解决局部拉普拉斯滤波问题。
edge degradationunwanted artifactslocal laplacian filteringhardware acceleratorfpga
发现论文，激发创造
  • 基于 FPGA 的卷积运算加速解决方案

    本文介绍了一种基于硬件加速的卷积操作 FPGA 架构，旨在实现单层卷积的处理，以推出一种边缘 AI 解决方案 IP 核，实验结果表明它的峰值运算性能可达 4.48 GOPS。

    Jun, 2022

  • 使用 Lanczos 方法在图上进行加速过滤

    该论文通过 Lanczos 方法，提出了一种精确、鲁棒、可扩展和高效的算法，用于大规模图的信号处理和滤波，相较于基于 Chebyshev 多项式的现有方法，其在不增加整体复杂度的情况下实现了更高的准确性，并且特别适用于具有大谱间隙的图。

    Sep, 2015

  • 基于 FPGA 的混合高效卷积算法的人脸识别

    本研究通过探索多种快速卷积算法，包括 Winograd 和 FFT，并发现了一种将它们应用于不同类型卷积的最佳策略；实现在基于高级综合的可配置 IP 人脸识别加速系统中使用 FaceNet，并利用并行化的优化方案在新型 CNN 体系结构上，实现比高端 NVIDIA GPU 快 3.75 倍的延迟加速，并显著超过先前的 FPGA 结果。

    Mar, 2018

  • 通过资源分割最大化 CNN 加速器效率

    提出了基于 FPGA 的卷积神经网络加速器范例和相应的自适应设计方法，该加速器范例将 FPGA 资源分割成多个处理器，提高卷积神经网络的计算效率和吞吐量

    Jun, 2016

  • Arria 10 上的 OpenCL (TM) 深度学习加速器

    利用深度学习加速器（DLA）和 Winograd 变换技术，我们在 Intel Arria 10 设备上实现了 1020 图像 / 秒的性能，比 FPGA 上最先进的技术快 10 倍，同时也具有 5.8 倍的更高效率，并且与 nVidia TitanX GPU 上基于 AlexNet 的最佳公开实现比 23 img/s/W 具有竞争力。

    Jan, 2017

  • 一种基于 FPGA 的加速器，实现对任意核大小的 CNN 的高效支持

    使用 FPGA 的推断加速器，通过优化计算数据流、降低存储需求和优化卷积神经网络的部署，实现了支持任意核大小的卷积神经网络的高效部署，从而在各种基于视觉的应用中取得了卓越的性能。

    Feb, 2024

  • 理解基于 FPGA 的空间加速对大型语言模型推理的潜力

    通过对大型语言模型的空间加速进行研究，本文介绍了针对特定运算符或层的硬件单元专门化的方法，并通过数据流架构实现它们之间的直接通信，从而最小化片外内存访问延迟。研究通过在 AMD Alveo U280 FPGA 设备上实现 BERT 和 GPT2 模型，实验结果表明相较于之前的 FPGA 加速器，在 BERT 模型方面可以实现 16.1 倍的加速，在 GPT 生成推理方面，在前置阶段相较于 DFX，一个 FPGA 叠加层，在解码阶段相较于 NVIDIA A100 GPU，分别实现 2.2 倍的加速和 5.7 倍的能效提升。

    Dec, 2023

  • 邻居来自地狱：针对多租户 FPGAs 上深度学习加速器的电压攻击

    本文评估 DL 加速器在多租户 FPGA 场景下对基于电压的完整性攻击的安全性，并发现时序攻击并不能影响 DL 加速器的预测准确度，同时过时钟提速可以提高推断性能。

    Dec, 2020

  • 基于 FPGA 的深度学习：过去、现在和未来

    本文综述以硬件加速为视角，探讨深度学习及可编程门阵列的发展趋势和革新，旨在讨论 FPGAs 在更好地为深度学习社区提供服务方面的最佳应用。

    Feb, 2016

  • 嵌入式 FPGA 卷积神经网络加速器的算法硬件协同设计

    本文提出了一种算法 - 硬件协同设计的方法，开发了一种名为 Synetgy 的 ConvNet 加速器和一种新颖的 ConvNet 模型 DiracDeltaNet，可以高效地在 FPGA 上运行，得到了更高的准确率和更快的推理速度。

    Nov, 2018