Grundlagen der Cloud-FPGA-Beschleunigung mit SDAccel

Mit dem wachsenden Datenbedarf können herkömmliche Prozessoren nicht mehr Schritt halten. Daher setzt sich der Trend hin zu leistungsstarkem, rekonfigurierbarem Computing durch. Die FPGA-Beschleunigung in der Cloud bietet die perfekte Balance zwischen Softwareflexibilität und Hardwaregeschwindigkeit für moderne Workloads. Dieser Kurs führt Sie durch die grundlegenden Konzepte und Paradigmen der Entwicklung von FPGA-beschleunigte Cloud-Anwendungen.Sie werden vom Verständnis des grundlegendsten Hardware-Software-Co-Designs zur Strukturierung von Hochleistungs-Beschleunigungskernen mit der SDAccel-Umgebung übergehen. Was Sie lernen werden: - Verstehen Sie die Grundlagen von rekonfigurierbarem Computing, FPGA-Architekturen und die Abwägungen zwischen CPUs, GPUs und ASICs. - Erläutern Sie den SDAccel-Entwicklungsablauf, einschließlich Host-Code-Ausführung und Hardware-Kernel-Ausführmodelle. - Wenden Sie High-Level-Synthesis (HLS) -Designprinzipien an, um optimierte C / C ++ - und OpenCL-Kernel für die Hardwarebeschleunigung zu schreiben. - Analysieren Sie Speicherarchitekturen, globale Speicherbandbreitenoptimierung und Datenübertragungsstrategien zwischen Host und FPGA. - Erkunden Sie moderne Cloud-Bereitstellungsmuster für FPGAs, einschließlich virtualisierter Beschleunigungsinstanzen und Laufzeitmanagement. Sie lernen zunächst die wichtigsten Begriffe, grundlegende Hardwarekonzepte und die Architektur rekonfigurierbarer Geräte kennen, bevor Sie in den schriftlichen Modulen das strukturelle Design von Beschleunigungskernen, Optimierungstechniken und Workflows für die Cloud-Integration kennenlernen. Dieser Kurs richtet sich an Softwareentwickler, Systemarchitekten und Technikbegeisterte, die in die Welt der Hardwarebeschleunigung einsteigen möchten.Es sind keine vorherigen Erfahrungen mit FPGA-Design oder Hardware Description Language (HDL) erforderlich. Lesen Sie noch heute weiter, um die Leistungsfähigkeit von hardwarebeschleunigter Cloud Computing zu erschließen.