Исследования сообщества пользователей FPGA

Узнайте о новых программируемых решениях, созданных инженерами Intel и партнерами по исследованиям.

PyGA: Прототип компилятора Python*-to-FPGA

Ознакомьтесь с подтверждающим правоту концепции компилятором Python*-to-FPGA на базе компилятора Numba* Just-In-Time (JIT) для Python и комплекта для разработки Intel® FPGA SDK for OpenCL™ software technology. Он позволяет беспрепятственно использовать плату FPGA в качестве ускорителя для Python.



Совместное воздействие компилятора и FPGA на ускорение обработки данных нейронных сетей

Узнайте, как это совместное использование с конкретным доменом приложений может поддерживать его функциональные возможности программирования без потерь производительности, которые обычно возникают в подобных конфигурациях.



Использование гибких вычислительных возможностей для глубинного обучения на FPGA

Узнайте, как использование блочных функций с плавающей запятой, использующих совместно показатели степеней для множеств чисел, может значительно повысить производительность FPGA без ущерба для точности.




Логарифмы с одинарной точностью и экспоненциальные архитектуры для FPGA с фиксируемыми плавающими запятыми

Познакомьтесь с новым методом реализации элементарных функций с плавающими запятыми и использованием новых функций сложения и умножения одинарной точности с плавающими запятыми в Intel® Arria® 10 FPGA и Intel® Stratix® 10 FPGA



Эффективная полиномная оценка с плавающей запятой на FPGA

В этом методе используется схема Хорнера для оценки полиномов и удаления большинства сдвигов выравнивания, присутствующих в сумматорах с плавающей запятой, посредством создания объединенного оператора оценки. Результатом является снижение задержек в работе электронных схем и логики.