在不更改代码的情况下加速您的机器学习应用程序
诸如机器学习,人工智能和大数据分析之类的新兴云应用程序需要高性能的计算系统,这些系统可以维持增加的数据处理量而又不消耗过多的电力。为此,许多云运营商已开始采用部署硬件加速器(如FPGA)的异构基础架构来提高计算密集型任务的性能。但是,大多数硬件加速器缺乏编程效率,因为它们是使用不太广泛使用的语言(如OpenCL,VHDL和HLS)进行编程的。
根据Databricks在2016年进行的一项调查,91%的数据科学家主要关心其应用程序的性能,76%的科学家关心编程的易用性。因此,数据科学家利用FPGA等硬件加速器来加速其应用的最有效方法是使用IP内核库,该库可用于加速算法中计算最密集的部分。理想情况下,大多数数据科学家想要的是更好的性能,更低的总体拥有成本(TCO)并且无需更改代码。
1