最近為什么越來越多的研究開始利用FPGA作為CNN加速器？FPGA與CNN的相遇究竟能帶來什么神奇效果呢？原來，FPGA擁有大量的可編程邏輯資源，相對于GPU，它的可重構(gòu)性以及高功耗能效比的優(yōu)點，是GPU無法比擬的；同時，基于OpenCL的高層次綜合工具，可以為CNN在FPGA上的實現(xiàn)提供快速的驗證和實現(xiàn)流程。

在眾多的該類研究里面，由北京交通大學王東老師帶領(lǐng)他的團隊所設計的開源PipeCNN模型最為突出， 該模型是一種基于OpenCL的FPGA加速算法設計，是大規(guī)模卷積神經(jīng)網(wǎng)絡（CNN）模型。主要目標是在FPGA上提供基于OpenCL的通用且高效的CNN加速器設計。這種設計模型被廣泛應用于圖像分類、視頻分析和語音識別等領(lǐng)域。PipeCNN在性能和硬件資源方面都具有很好的可擴展性，可以部署在各種FPGA平臺上。該設計可謂是給FPGA 用戶帶來強大的AI幫手。

王東老師團隊提出的PipeCNN模型是一種具有流水線內(nèi)核的高效硬件架構(gòu), 在OpenCL的異構(gòu)并行計算框架下，設計了卷積(Convolution)，池化(Pooling)， 局部響應歸一化(LRN)和Data Mover 等Kernel。此架構(gòu)在FPGA內(nèi)實現(xiàn)能有效的減少內(nèi)存占用和帶寬要求，從而提高效能。以下是來自王東老師 FPT 會議論文里面 PipeCNN 架構(gòu)框圖：

他們在FPT 會議論文里面還對不同FPGA平臺的性能、成本和功耗進行了總結(jié)：

在表中可以看到, 對于AlexNet 模型,  PipeCNN實現(xiàn)的最佳性能是在DE5a-net平臺上, 平均速度為200 fps（5ms / img）。而單純使用安裝Caffe工具的電腦上（Intel i5-4690K CPU， 64GB 存儲）執(zhí)行AlexNet和VGG-16的運行時間則分別為189毫秒和1547毫秒。我們對比一下可以看到使用基于FPGA的加速器對AlexNet 模型相對于CPU可以實現(xiàn)高達37倍的性能。

王東老師團隊帶著PipeCNN設計成果參加了2018 Innovate FPGA全球創(chuàng)新大賽，在大中華區(qū)決賽現(xiàn)場，該團隊成功演示了如下這些應用：
（1）ImageNet圖像分類：基于AlexNet網(wǎng)絡對ImageNet數(shù)據(jù)集進行實時分類

（2）基于攝像頭的物體識別：通過攝像頭采集目標物體圖像，并對其進行識別

（3）人臉識別：基于VGG-16網(wǎng)絡對給定人臉進行實時的識別

（4）目標檢測：基于Faster R-CNN網(wǎng)絡在分類圖像的同時把物體用矩形框圈出來。

如下是來自區(qū)域賽當時演示的照片，讓大家一起來感受下現(xiàn)場吧：

王東老師的 PipeCNN 項目已在github上開源，因此可以被研究人員用作探索新硬件架構(gòu)的通用框架，也可以被高校教師作為與FPGA相關(guān)的任何學術(shù)課程的自定義設計示例。在Innovate FPGA創(chuàng)新大賽的大中華區(qū)決賽現(xiàn)場上, 便同時有兩支決賽隊伍使用到開源PipeCNN模型進行圖片辨識，參賽隊伍們表示，使用PipeCNN設計，大幅度減少他們關(guān)于深度學習這塊工作的開發(fā)時間，還能達到期望的目標效能，特別感謝這個開源PipeCNN設計。目前PipeCNN這一研究成果的應用已被全球很多用戶所采用并在各種友晶科技的開發(fā)板(例如DE1-Soc/DE5a-Net)上運用起來。

最后該成果在Innovate FPGA全球創(chuàng)新大賽-大中華區(qū)決賽中榮獲特等獎，將代表大中華區(qū)前往美國硅谷參加全球總決賽。該隊伍將與來自全球各賽區(qū)產(chǎn)生出的11支隊伍一較高下,期待他們?nèi)〉煤贸煽儭?/span>

Innovate FPGA全球創(chuàng)新大賽全球總決賽將于8月15于英特爾美國硅谷總部盛大舉行，此次代表大中華區(qū)的隊伍由北京交通大學王東老師團隊、武漢大學常勝老師團隊以及重慶大學何偉、林英撐老師團隊組成，讓我們一起為大中華區(qū)代表對打Call!