FPGAs – Ideal für Deep Learning

FPGAs sind durch ihre Architektur, Daten mit einer hohen Parallelität zu berechnen, prädestiniert für die Bildverarbeitung wie auch die Implementierung und Ausführung neuronaler Netze. Sie zeichnen sich durch einen garantiert robusten Bildeinzug und – im Vergleich zu CPUs und GPUs – eine hohe Rechenleistung, Bildrate und Bandbreite aus, wodurch CNNs auf FPGAs mit hohem Datendurchsatz klassifizieren. Dies erfüllt insbesondere die Anforderungen der Inline-Inspektion. Der FPGA ermöglicht eine Verarbeitung der Bilddaten direkt auf einem Framegrabber oder einem eingebetteten Vision-Gerät – von der Bildaufnahme zum Analyseergebnis – ohne die CPU zu belasten, was für rechenintensive Anwendungen wie CNNs wichtig ist. Dadurch sind kleinere PCs ohne GPU einsetzbar, was die Kosten des gesamten Systems reduziert.

Programmierbare CNN ready Framegrabber

Die Energieeffizienz von FPGAs im industriellen Temperaturbereich ist 10-mal höher im Vergleich zu GPUs. Dies ist für eingebettete Geräte ideal, was den Einsatzbereich etwa in Hinblick auf Industrie 4.0 sowie Drohnen und autonomes Fahren deutlich vergrößert. Hard- und Software von Silicon Software unterstützen neben FPGAs ebenso SoCs und Einplatinencomputer (SBC). Für einen FPGA bedeutet die Verlagerung in den Fixed Point Bereich, dass die Ressourcen für größere Netzarchitekturen oder für einen höheren Datendurchsatz genutzt werden können. Eine wirkungsvolle Bildvorverarbeitung, welche Daten reduziert, ermöglicht es darüber hinaus, kleinere Netze oder FPGAs einzusetzen. Diese reichen oftmals für einfache Klassifizierungs-Aufgaben mit wenigen Merkmalen aus.

Anwender sind imstande, Deep Learning-Anwendungen selbstständig im FPGA zu programmieren – in kurzer Zeit per Drag&Drop ganz ohne Hardware-Programmierkenntnisse anhand der grafischen Entwicklungsumgebung VisualApplets. Dies gilt ebenso für die Integration der Bildverarbeitungs-Peripherie wie Aktoren und Sensoren über Echtzeit-Signalverarbeitung. Anwender können ihr vorhandenes Bildverarbeitungssystem einfach weiterverwenden. Die lange Verfügbarkeit von FPGAs, Framegrabbern und VisualApplets gewährleistet eine hohe Investitionssicherheit.