用于先进视频处理解决方案的现场可编程逻辑门阵列（FPGA）产品与技术(5)
2021-03-24 采集侠
对于计算密集型任务，在Speedster7t FPGA上部署的Speedster7t机器学习处理器（MLP）是灵活的且可分配的算术单元。机器学习处理器是高密度乘法器阵列，带有支持多种数字格式的浮点和整数MAC模块。机器学习处理器带有集成的存储模块，可以在不使用任何FPGA资源的情况下执行操作数和存储级联功能。机器学习处理器适用于一系列矩阵数学运算，从5G无线电控制器的波束成形计算到加速深度学习应用，如视频处理系统所需的数据流模式和数据包内容分析。
图11：机器学习处理器原理框图
结论
虽然ASIC的性能通常很高，但它只支持设计时设想的功能集，不能进行现场升级；CPU是最灵活且最易于设计的，但是其时钟频率已经难以提升，其性能大幅提升的时代已经结束；随着工作负载逐年增加，CPU已无法满足需求。FPGA在性能和灵活性之间提供了良好的平衡。由于需要大量的并行处理，因此视频编码、解码和图像处理算法都更适合于用FPGA来实现。总之，基于FPGA的解决方案可以缩短上市时间，具有高度的可定制性，并且可以有效地用于实现不断发展的算法。
