AMD,FPGA大手のXilinxを約3兆6500億円で買収。データセンター事業を強化 編集部:千葉大輔 米国時間2020年10月27日,AMDは,FPGA(Field Programmable Gate Array)の大手ベンダーであるXilinxを350億ドル(約3兆6500億円)で買収すると発表した。買収は株式交換によって行われ,AMDは2021年末までに買収を完了したいとしている。 FPGAは,プログラムにより動作を変えられるロジックLSIで,近年,とくに機械学習をはじめとしたデータセンター分野での活用例が増えている。AMDの競合であるIntelも,2015年にFPGA大手のAlteraを買収しており,CPUやFPGA,ASICを組み合わせてデータセンター向けの製品ポートフォリオを構築している状況だ。AMDは,Xilinxの買収によりデーターセンター分野におけるビジネスを強化し,I
Linux Daily Topics 2018年7月20日Fedoraプロジェクト、「Fedora 29」でのFPGAサポートを発表 Fedoraプロジェクトのプログラムマネージャを務めるBen Cottonは7月18日(米国時間)、2018年10月にリリースが予定されている「Fedora 29」においてFPGAのサポートを行うことを明らかにした。カーネルレベルではLinux 4.4からFPGA managerに対応していたが、FedoraがディストリビューションとしてFPGAをサポートするのは今回が初めてとなる。 F29 Self-Contained Change: Basic FPGA Support FPGAサポートの理由としては、AI/マシンラーニングのニーズが急増しており、これらのワークロードを処理するのにGPGPUやFPGA、ニューラルネットワークプロセッサといった、ベーシ
FPGAにArduinoコアを実装しているものです。 もちろんArduino IDEでプログラミングができます。 対応しているボードも多く、アーキテクチャはMIPSとRISC-Vの2つがあるという充実ぶりです。 もはや「積み基板」となっているDE0-Nanoが対応していましたので、なんだか嬉しくなったので使ってみました。 導入も簡単でArduino IDEでは環境設定で「追加のボードマネージャのURL」に下記URLを追加して、ボードマネージャでインストールするだけです。 http://www.nxlab.fer.hr/fpgarduino/package_f32c_core_index.json ブートローダはQuartusから書き込みました。 ブートローダを書き込むとLEDが4つずつ交互に点滅します。 Arduino IDEからのプログラムの書き込みは裏側のピンヘッダからでしたので取り付
4月17日、日本アルテラは、IntelのPSG(Programmable Solution Group:旧Altera)による、自動運転ソリューションに関する説明会を開催した(Photo01)。 Photo01:Business Planning & Marketing Manager, Automotive Business Group, Programmable Solution Groupの生嶋孝之氏。氏の所属はIntel Japanではなく米国Intelである まず概況であるが、2016年と2025年の自動運転に関する要件をまとめたのがPhoto02である。自動運転の要件は、2025年あたりだと無人で走行可能なSAEのレベル5(完全自動化)がターゲットに入ってくるが、そうなると演算性能は50~100TFlops、カメラの画素数も10億画素オーダー、蓄えられるデータもテラバイト級にな
NECと産業技術総合研究所(産総研)は3月7日、宇宙でのLSI利用に向けて、高い放射線耐性を有する独自の金属原子移動型スイッチ「NanoBridge」技術を搭載したFPGA(NB-FPGA)を開発したと発表した。 一般的なFPGA大手が手がける製品はSRAM型と呼ばれており、人工衛星などの宇宙環境で利用する際に、放射線の影響でSRAM内に書き込まれた回路情報が変化し、誤作動の要因となることがある。これに対しNanoBridgeは、固体電解質中に形成される金属(銅)原子の架橋の有無を信号のオン・オフに利用しており、オン・オフ状態は電圧を切っても保持され、これは放射線の入射で発生した電荷の影響を受けないため、放射線が飛び交う宇宙環境においても、NB-FPGAの回路の書き換えが起こる可能性が低く、高い信頼性を実現できると考えられている。 研究グループは、実際に地上の放射線環境下で64×64セルの
ミニバッチ単位の学習 学習は、入力画像ごとに行うのではなく、数10~数100画像をまとめて処理を行うと、畳み込みの計算が行列×ベクトルではなく、行列×行列の形になり、演算あたりのメモリアクセス回数を減らせるので、計算を高速に行うことができる。この入力画像のまとまりはミニバッチと呼ばれる。 そして、ミニバッチ単位で計算を行なう場合は、それぞれの学習画像から求めた重みWの補正を行うのではなく、ミニバッチの全画像の補正量の平均値を使用するという計算が行われる。 積和演算や行列積の計算はGPUの得意な計算で、Kryzhevsky等がGPUを使って推論や学習を高速に行おうとしたのは当然で、これ以降、ILSVRCではディープラーニングとGPUの使用が一般化した。 推論は低精度でも十分 一方、画像にしろ、音声にしろ、元々アナログ量であり、それほど高い精度を持つデータではない。また、多数の入力画像を学習す
[SIGGRAPH ASIA]モバイル機器でのレイトレーシング実現も近い? 狭メモリ帯域に対応してメモリアクセスを減らしたレイトレ手法とは 編集部:aueki 兵庫県・神戸コンベンションセンターで開催されている「SIGGRAPH ASIA 2015」の講演から,フィンランドのタンペレ工科大学のTimo Viitanen氏による「MergeTree:a HLBVH Constructor for Mobile Systems」と題した,モバイル機器でレイトレーシングを実現するための講演を紹介してみたい。 演題を見ても何関係の話題か分かる人のほうが珍しいと思うので少し説明しておこう。HLBVHとはHierarchical LBVHの略であり,LBVHというのがさらにLinear BVHの略で,BVHがBounding Volume Hierarchiesの略なので,HLBVHは“Hierarc
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く