【时间：2018 年 04 月 17 日, 来源：本站原创, 作者：Jerry Zheng】

概述

随着深度学习的发展，为了解决更加抽象，更加复杂的学习问题，深度学习的网络规模在不断的增加，计算和数据的复杂也随之剧增。INTEL FPGA具有高性能，可编程，低功耗等特点，为AI应用加速提供了一种灵活、确定的低延迟、高通量、节能的解决方案。Arria10是INTELFPGA第一代集成IEEE754标准单精度硬浮点DSP block，可以为高复杂度的深度学习算法提供高精度，高能效的乘法运算。

深度学习算法复杂度高，需要进行大量的乘法运算，如实现一个卷积核为5*5的特征提取，需要进行25*25次乘法运算，而随着特征提取量的增加，乘法运算也将成倍的增长。因此乘法器资源是实现深度学习算法的重要评估资源，本文主要介绍如何基于Arria10的一个18*18的乘法器实现两个11*11的浮点mini-fp运算，从而4倍提高DSP block资源。

详细内容，请访问如下链接：

http://mp.weixin.qq.com/s/4X2e-9uO1yTa0RnJ9ATSpg