在FPGA上优化实现复数浮点计算_基于忆阻的复数乘法器资源-CSDN文库

需积分: 9 52 浏览量 2018-09-25 17:57:27 上传评论收藏 494KB PDF 举报

资源推荐

资源详情

资源评论

高性能浮点处理一直与高性能 CPU 相关联。在过去几年中，GPU 也成为功能强大的浮点处理平

台，超越了图形，称为 GP-GPU(通用图形处理单元)。新创新是在苛刻的应用中实现基于 FPGA 的

浮点处理。本文的重点是 FPGA 及其浮点性能和设计流程，以及 OpenCL 的使用，这是高性能浮

点计算前沿的编程语言。

各种处理平台的 GFLOP 指标在不断提高，现在，TFLOP/s 这一术语已经使用的非常广泛了。但

是，在某些平台上，峰值 GFLOP/s，即，TFLOP/s 表示的器件性能信息有限。它只表示了每秒能

够完成的理论浮点加法或者乘法总数。分析表明，FPGA 单精度浮点处理能够超过 1 TFLOP/s。

一种不太复杂的常用算法是 FFT。使用单精度浮点实现了 4096 点 FFT。它能够在每个时钟周期输

入输出四个复数采样。每一个 FFT 内核运行速度超过 80 GFLOP/s，大容量 FPGA 的资源支持实

现 7 个这类的内核。

但是，如图 1 所示，这一 FPGA 的 FFT 算法 GFLOP/s 接近 400 GFLOP/s。这是“按键式”OpenCL

编译结果，不需要 FPGA 专业知识。使用逻辑锁定和 DSE 进行优化，7 内核设计接近单内核设计

的 Fmax，将其 GFLOP/s 提升至 500，超过了 10 GFLOP/s 每瓦。

这一每瓦 GFLOP/s 要比 CPU 或者 GPU 功效高很多。对比一下 GPU，GPU 在这些 FFT 长度上效

率并不高，因此，没有进行基准测试。当 FFT 长度达到几十万个点时，GPU 效率才比较高，能够

为 CPU 提供有效的加速功能。

图 1：Altera Stratix V 5SGSD8 FPGA 浮点 FFT 性能。

总之，实际的 GFLOP/s 一般只达到峰值或者理论 GFLOP/s 的一小部分。出于这一原因，更好的

方法是采用算法来对比性能，这种算法能够合理的表示典型应用的特性。算法越复杂，典型实际应

用的基准测试就越具有代表性。

并不是依靠供应商的峰值 GFLOP/s 指标来确定处理技术，而是使用比较复杂具有代表性的第三方

评估。高性能计算理想的算法是 Cholesky 分解。

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余5页未读，立即下载

内容反馈

washingtonxr

粉丝: 12
资源: 116

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip