详解FPGA:人工智能时代的驱动引擎电子书

封面页

书名页

版权页

内容简介

作者简介

推荐序1

推荐序2

前言　PREFACE

目录

第1章　延续摩尔定律——FPGA的架构革新

1.1　什么是FPGA

1.2　从无到有，从小到大，从大到强——FPGA发展的三个阶段

1.2.1　发明阶段：历史的必然

1.2.2　扩张阶段：设计自动化的兴起

1.2.3　累积阶段：复杂片上系统的形成

1.3　超越维度的限制——3D FPGA

1.3.1　赛灵思堆叠硅片互联（SSI）技术

1.3.2　SSI技术的主要缺点

1.3.3　SSI技术小结

1.3.4　英特尔EMIB技术

1.3.5　基于EMIB技术的异构FPGA的潜在问题

1.3.6　EMIB技术小结

1.4　突破集成度的边界——从FPGA到ACAP

1.4.1　ACAP概述

1.4.2　芯片架构：在传统中变革

1.4.3　CLB微结构：翻天覆地

1.4.4　第四代SSI技术：3D FPGA的进一步优化

1.4.5　片上网络：高带宽数据传输的全新利器

1.5　灵活与敏捷共存——英特尔Agilex FPGA

1.5.1　英特尔10nm工艺能否后发制人

1.5.2　全新的芯片布局与微架构优化

1.5.3　CXL：CPU与FPGA互连的终极方案

1.5.4　可变精度DSP：全力支持AI应用

1.5.5　增强版HyperFlex架构

1.5.6　oneAPI：英特尔的雄心

1.6　本章小结

第2章　拥抱大数据洪流——云中的FPGA

2.1　第一个吃螃蟹的人——微软Catapult项目

2.1.1　Catapult项目的产生背景

2.1.2　在数据中心里部署硬件加速单元的考虑因素

2.1.3　几类硬件加速模块的对比

2.1.4　Catapult项目的三个阶段

2.1.5　微软Catapult项目小结

2.2　FPGA即服务（FPGA as a Service）

2.2.1　亚马逊AWS-F1实例：FPGA云服务的首次尝试

2.2.2　AWS FPGA云服务的技术概述

2.2.3　其他公有云提供商的FPGA加速服务

2.3　下一代电信网络：SDN、NFV与FPGA

2.3.1　网络功能虚拟化（NFV）与软件定义网络（SDN）的意义

2.3.2　使用FPGA加速虚拟网络功能的实现

2.4　系统级解决方案：FPGA加速卡

2.4.1　FPGA应用方案的转型

2.4.2　英特尔的FPGA加速卡布局

2.4.3　赛灵思的FPGA加速卡布局

2.4.4　第三方FPGA加速卡

2.5　虚拟与现实之间——FPGA虚拟化

2.5.1　为什么要进行FPGA虚拟化

2.5.2　FPGA虚拟化的主要目标

2.5.3　FPGA虚拟化的层次划分

2.5.4　常见的FPGA虚拟化实现方法

2.5.5　FPGA虚拟化的未来研究方向

2.6　本章小结

第3章　FPGA在人工智能时代的独特优势

3.1　实时AI处理：微软脑波项目

3.1.1　FPGA资源池化的主要优点

3.1.2　脑波项目系统架构

3.1.3　脑波项目的性能分析

3.2　AI加速引擎：FPGA与深度神经网络的近似算法

3.2.1　使用低精度定点数代替浮点数

3.2.2　网络剪枝

3.2.3　深度压缩

3.3　下一个Big Thing：FPGA公司在AI时代的布局

3.3.1　赛灵思

3.3.2　英特尔

3.3.3　Achronix

3.4　路在何方：FPGA在AI时代未来的发展方向

3.5　本章小结

第4章　更简单也更复杂——FPGA开发的新方法

4.1　难上加难：现代FPGA开发的痛点

4.2　让软件工程师开发FPGA——高层次综合

4.2.1　FPGA高层次综合的前世今生

4.2.2　高层次综合的主要工作原理：以AutoPilot为例

4.2.3　高层次综合工具常用的优化方法

4.2.4　高层次综合的发展前景

4.3　商业级开源开发工具：赛灵思Vitis

4.4　一个晶体管也不能少：英特尔oneAPI

4.5　本章小结

第5章　站在巨人的肩上——FPGA发展的新趋势

5.1　百花齐放、百家争鸣：FPGA学术研究概况

5.1.1　多伦多大学

5.1.2　加州大学洛杉矶分校（UCLA）

5.1.3　帝国理工学院

5.1.4　清华大学

5.1.5　FPGA领域的主要学术会议

5.2　FPGA 20年最有影响力的25项研究成果

5.2.1　FPGA系统架构篇

5.2.2　FPGA微架构篇

5.2.3　FPGA布局布线算法篇

5.2.4　其他EDA/CAD算法篇

5.2.5　FPGA应用篇

5.3　这是最好的时代——FPGA未来的发展方向

5.4　本章小结