知识卡片
通用平台挤压加速器
定制加速器的比较对象也在演进:CPU可加入专用扩展指令,GPU可通过运行时、库与工具改善某类负载。评估定制硬件时,除当前核心吞吐外,还要考虑数据交互、开发成本、规模和可替代平台,不能把CPU/GPU当作性能不变的基线。原书没有提供“几年必追上”的预测模型,不据此猜固定投资回收期。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 算法加速和任务卸载 · 查看原书依据
这些CPU、GPU平台上的优势都不同程度地对定制算法加速(包括FPGA实现和ASIC实现)的应用范围形成了挤压。 算法加速还需要考虑数据交互的开销。算法加速与其他软件或硬件的I/O数据交互需要一定的代价(如数据传输延迟),这部分代价会降低算法加速的整体性能。算法加速要考虑到算法加速器的I/
参考来源
- 位置:《软硬件融合 (黄朝波 著)》第5章《算法加速和任务卸载》(来源项目book-sources;源文件:extracted/软硬件融合 (黄朝波 著)/_epub-src/OEBPS/Text/chapter012.xhtml)
- 结论依据:该项对“定制加速器的比较对象也在演进:CPU可加入专用扩展指令,GPU可通过运行时、库与工具改善某类负载”给出定义、对比、案例或条件;保留论证范围,不将启发式当无条件定律。
- 原始内容:这些CPU、GPU平台上的优势都不同程度地对定制算法加速(包括FPGA实现和ASIC实现)的应用范围形成了挤压。 算法加速还需要考虑数据交互的开销。算法加速与其他软件或硬件的I/O数据交互需要一定的代价(如数据传输延迟),这部分代价会降低算法加速的整体性能。算法加速要考虑到算法加速器的I/