本课程面向所有热衷于学习如何使用 SDAccel 开发 FPGA 加速应用的人员！通用性越高，灵活性越大，在底层计算基础设施上执行的程序和算法种类也越多。所有这一切都非常好，但天下没有免费的午餐，这种情况经常发生，因为效率降低了。 本课程将介绍几种工作负载需要更高性能的情况，即使使用最快的 CPU 也无法实现。这种情况使云和数据中心架构转向加速计算。在本课程中，我们将向您展示如何通过使用 Xilinx SDAccel 对 Amazon EC2 F1 实例进行编程来获得收益。我们将通过计算生物学中使用的算法的工作示例来实现这一目标。 算法需要处理的数据量巨大且复杂，这就提出了提高执行计算所需计算能力的问题。在这种情况下，硬件加速器就能有效加快计算速度，同时节省功耗。在计算生物学中使用的算法中，史密斯-沃特曼算法是一种动态编程算法，保证在两个字符串（可以是核苷酸或蛋白质）之间找到最佳局部配准。在接下来的课程中，我们将对用于对 DNA 序列进行成对排列的 Smith-Waterman 算法进行分析，并介绍基于 FPGA 的连续硬件加速。 在此背景下，本课程将重点关注分布式异构云基础设施，通过工作示例为您详细介绍如何使用赛灵思 SDAccel，利用亚马逊 EC2 F1 实例将您的解决方案付诸实践。
使用 SDAccel 开发 FPGA 加速云应用：实践
使用 SDAccel 开发 FPGA 加速云应用：实践
访问权限由 New York State Department of Labor 提供
2,762 人已注册
了解顶级公司的员工如何掌握热门技能
该课程共有5个模块
分布式系统、数据中心和云架构正面临着计算需求的指数级增长，而基于 CPU 的解决方案却无法与之保持同步。在这种情况下，这些复杂的分布式系统必须转向加速计算。加速器与基于 CPU 的架构相辅相成，既能提供性能，又能提高能效。此外，正如我们所知，现代数据中心可由多个不同用户使用，为不同的工作负载提供服务，而基于可重构技术构建底层架构的理念似乎非常适合这些不断变化、要求苛刻的工作负载。本模块介绍了云计算的主要组件和技术，并详细介绍了当前加速云计算工作负载的技术。
涵盖的内容
8个视频3个作业
在本模块中，我们将初步了解如何从 F1 实例与 SDAccel 的结合中获得最佳效果，并提供一些实际指导，说明如何使用赛灵思 SDAccel 开发环境在亚马逊 F1 上开发加速应用程序。然后，我们将介绍创建 FPGA 内核、组装 FPGA 程序和编译 Amazon FPGA 映像（或 AFI）的必要步骤。最后，我们将介绍在 F1 FPGA 上加速开发主机应用程序的步骤和任务。
涵盖的内容
9个视频3个作业
在本模块中，我们将向您介绍 Smith-Waterman 算法，我们选择该算法来演示如何使用赛灵思 SDAccel 设计框架创建基于 FPGA 技术的系统硬件实现。我们将深入探讨该算法的细节，从数据结构到计算流程。然后，我们将介绍 Roofline 模型，并利用该模型分析 Smith-Waterman 算法的理论峰值性能和运行强度。
涵盖的内容
8个视频1篇阅读材料1个作业
在本模块中，我们将深入研究史密斯-沃特曼算法。我们将利用赛灵思 SDAccel 设计框架在本地服务器上实现该算法的第一个版本。然后，我们将引入一些优化措施来提高性能，特别是在实现过程中增加并行性，并引入系统数组。此外，我们还将探索如何进行数据压缩，然后利用多个内存端口来提高内存访问速度。最后，我们将在 AWS F1 实例上移植史密斯-沃特曼算法的实现。
涵盖的内容
12个视频2篇阅读材料2个作业
我们正处于可重构计算领域的研究前沿。FPGA 技术不仅被用作独立的解决方案/平台，现在还被纳入了云基础设施。现在，FPGA 技术既可用于加速基础设施/后台计算，也可作为一种服务提供给任何人使用。在此背景下，我们正面临着新的研究机会和技术改进的定义，从这个角度来看，现在是最好的时机。本模块是本课程的结尾，但也为未来可能的研究方向提出了一些有趣的问题，这些问题也可能为学生们指明其他有关 FPGA 的 Coursera 课程。
涵盖的内容
1个视频1篇阅读材料
位教师
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
57.69%
- 4 stars
30.76%
- 3 stars
7.69%
- 2 stars
0%
- 1 star
3.84%
显示 3/26 个
RM
已于 Dec 13, 2020审阅
Excellent!! I enjoyed a lot! It was complementary information for my PhD! Thank you!
K
已于 Aug 31, 2020审阅
Expected more demonstration and maybe hands-on SDAccel
MB
已于 Apr 21, 2020审阅
Good to learn a new course if it would be more hands-on would have much interesting. Anyway thank you for giving a new technology or knowledge
从 计算机科学 浏览更多内容
Politecnico di Milano
University of Colorado Boulder
University of Illinois Urbana-Champaign
University of California San Diego