深度学习异构平台开发

AI加速平台的第一阶段中，无论在FPGA还是ASIC设计，无论针对CNN还是LSTM与MLP，无论应用在嵌入式终端还是云端（TPU1），其构架的核心都是解决带宽问题。不解决带宽问题，空有计算能力，利用率却提不上来。就像一个8核CPU，若其中一个内核就将内存带宽100%占用，导致其他7个核读不到计算所需的数据，将始终处于闲置状态。对此，学术界涌现了大量文献从不同角度对带宽问题进行讨论，可归纳为以下几种：

A、流式处理与数据复用
B、片上存储及其优化
C、位宽压缩
D、稀疏优化
E、片上模型与芯片级互联
F、新兴技术：二值网络、忆阻器与HBM