今天小编要和大家分享的是可编程逻辑相关信息，接下来我将从震惊！FPGA运算单元可支持高算力浮点，[mlp]小马精美同人照片第十二期:l.r.这几个方面来介绍。
![可编程逻辑相关技术文章震惊！FPGA运算单元可支持高算力浮点[mlp]小马精美同人照片第十二期:l.r.](https://ss2.bdstatic.com/70cFvnSh_Q1YnxGkpoWK1HF6hhy/it/u=2433373211,770159091&fm=26&gp=0.jpg)
可编程逻辑相关技术文章震惊！FPGA运算单元可支持高算力浮点
Achronix创新的机器学习处理器（MLP）突破传统FPGA运算瓶颈
作者：杨宇，Achronix资深现场应用工程师
随着机器学习（Machine Learning）领域越来越多地使用现场可编程门阵列（FPGA）来进行推理（inference）加速，而传统FPGA只支持定点运算的瓶颈越发凸显。 Achronix为了解决这一大困境，创新地设计了机器学习处理器（MLP）单元，不仅支持浮点的乘加运算，还可以支持对多种定浮点数格式进行拆分。
MLP全称Machine Learning Processing单元，是由一组至多32个乘法器的阵列，以及一个加法树、累加器、还有四舍五入rounding/饱和saturation/归一化normalize功能块。同时还包括2个缓存，分别是一个BRAM72k和LRAM2k，用于独立或结合乘法器使用。MLP支持定点模式和浮点模式，对应下面图1和图2。
图1 定点模式下的MLP框图
图2 浮点模式下的MLP框图
考虑到运算能耗和准确度的折衷，目前机器学习引擎中最常使用的运算格式是FP16和INT8，而Tensor Flow支持的BF16则是通过降低精度，来获得更大数值空间。下面的表1是MLP支持的最大位宽的浮点格式，表2说明了各自的取值范围。
表1 MLP支持的最大位宽的浮点格式
表2 不同运算格式的取值范围
而且这似乎也成为未来的一种趋势。目前已经有不少研究表明，更小位宽的浮点或整型可以在保证正确率的同时，还可以减少大量的计算量。因此，为了顺应这一潮流，MLP还支持将大位宽乘法单元拆分成多个小位宽乘法，包括整数和浮点数。详见下表3。