#FPGA
#Deep_Learning
#Reconfigurable_System
شبکه‌های عصبی در طی سال‌های اخیر پیچیده شده‌اند و برای پردازش سریع آن‌ها نیاز به سیستم‌های محاسبه‌گر پیچیده‌ای است. معمولاً برای تسریع الگوریتم از پردازنده‌ی خاص‌منظوره، پردازنده‌ی گرافیکی، تراشه‌ی منطقی برنامه‌پذیر (بخصوص FPGA) و طراحی ASIC استفاده شده است. شبکه‌های عصبی و یادگیری عمیق پیوسته در حال تغییر هستند، لذا طراحی ASIC به دلیل انعطاف‌پذیری بسیار کم و پیچیدگی طراحی معمولاً در کاربردهای خاص مورداستفاده قرار می‌گیرند. سیستم‌های قابل‌بازپیکربندی مانند FPGA به دلیل قابلیت برنامه‌ریزی مجدد برای کاربردهای هوش مصنوعی و یادگیری عمیق بسیار مناسب هستند. همچنین کارآیی بالا و توان مصرفی پایینی در مقایسه با پردازنده‌های گرافیکی دارند ولی طراحی شتاب‌دهنده‌ با آن‌ها پیچیده‌تر از پردازنده‌های گرافیکی است.
@binarycourse