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。

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。

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。

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。