Big data vraagt om slimme FPGA oplossingen

Er wordt steeds meer data verzameld. Bij trends als machine learning, artificial intelligence, augmented reality speelt data een cruciale rol. FPGA’s worden veel gebruikt om de data te verzamelen en te processen. Tijdens het D&E event staan diverse sprekers vanuit EBV Elektronik en Topic Embedded Projects stil bij nieuwe FPGA mogelijkheden onderbouwd met concrete cases. Dirk van den Heuvel (Topic Embedded Projects) verzorgt de lezing: ‘From Matlab to FPGA in manageable steps, a true story in double precision.’

Dirk van den Heuvel ziet dat de groeiende rekencapaciteit ervoor zorgt dat bedrijven een nog grotere vraag naar data krijgen. Aan de andere kant streven bedrijven ook naar een laag stroomverbruik en flexibiliteit. De oplossing ligt volgens Topic in hybride systemen die CPU-, GPU- en FPGA architecturen combineren. Hybride CPU / FPGA-systemen lijken in eerste instantie nog complexer te programmeren dan alleen een FPGA. Tijdens de lezing zien de bezoekers de volledige flow van een matlab-model naar de implementatie ervan in een hybride CPU / FPGA-systeem (Xilinx Zynq).

Karl de Boois (EBV Elektronik) verzorgt de lezing ‘Accelerating Neural Network driven Image Classification using an FPGA with a Binary neural network’. Beeldclassificatie is met behulp van een GPU en een convolutioneel neuraal netwerk goed te doen maar deze manier brengt ook uitdagingen met zich mee. Omvang en stroomverbruik zijn belangrijke uitdagingen bij bijvoorbeeld een slimme camera (edge applicatie). Een FPGA kan hier mogelijk een oplossing voor zijn. Xilinx Research heeft een raamwerk gemaakt om een ​​convolutioneel neuraal netwerk te versnellen en te verkleinen, zodat het in een kleine FPGA past met behulp van een binaire neutrale netwerkimplementatie. Karl de Boois legt de implementatie in de Zynq UltraScale + MPSoC uit en geeft enkele details over het gebruikte Ultra96-bord.

Bekijk hier het totale programma en meld u aan voor een bezoek.