使用網路示例比較 FPGA RTL 與 HLS C/C++
白皮書 使用網路示例比較 FPGA RTL 與 HLS C/C++ 概述 大多數 FPGA 程式師認為，高級工具總是發出更大的比特流，因為
解決方案合作夥伴
我們的合作夥伴計劃生態系統包括一系列 AI/ML 推理選項，從基於 ASIC 的下一代卡到用於在 FPGA 上進行開發的 IP。
解決方案
轉變 AI/ML 推理
利用更智慧的 AI 加速方法
推理加速的新浪潮
幾年來，AI/ML 模型和推理發生了很大變化。擅長處理訓練演算法的硬體可能會在即時批量大小為 1 的推理的延遲和利用率方面落後。深度學習模型變得越來越複雜，需要新的方法來跟上即時應用程式的步伐。
好消息是，隨著機器學習的成熟，加速技術變得更加 智慧和 高效。這些既是在矽級別，例如使用專用ASIC器件，也是在設計方法中，例如使用8位整數進行連接。
BittWare是一個三十多年來一直被信賴的品牌，將最好的加速技術推向市場，它已經組裝了一個基於FPGA和ASIC的生態系統AI解決方案，這些解決方案針對推理進行了優化。
無論是將基於 CPU 或 GPU 的系統擴展到最新的資料中心級張量處理器，還是使用以邊緣為中心的解決方案獲得最後一瓦的性能，我們都能滿足您的需求，以降低風險並更快地進入市場。
BittWare + ML/AI 推理
何時與BittWare互動
- 您有一個經過訓練的模型，並尋求説明部署它
- 我們可以説明您進行部署概念驗證
- 如果PCIe卡不適合您，我們可以討論一些定製
- 我們可以討論將真實世界的數據導入推理模型的選項
部署目標
BittWare AI/ML客戶在哪裡部署？
- “邊緣部署”涵蓋了從監控攝像頭到電線杆再到辦公樓內的壁櫥的所有內容
- 我們可以幫助在資料中心內部署專用設備（我們的合作夥伴通常將數據中心內的傳統伺服器覆蓋得很好）
開發平臺
對於一些合作夥伴，我們還提供用於評估其技術的開發平臺
人工智慧/機器學習文章
FPGA 神經網路
我們來看看神經網路在FPGA設備上的推理，說明它們的優勢和劣勢。
BWNN的加速
使用 OpenCL 對 Stratix 10 進行程式設計以進行機器學習。涵蓋的主題：OpenCL、機器學習、Stratix 10。
美國有線電視新聞網加速
在 FPGA 中使用可變精度來構建更好的機器學習推理網路。涵蓋的主題：機器學習、應用程式定製、Arria 10。
