[發明專利]基于FPGA的分類算法的加速平臺設計方法

在審

• 申請號: 201810698823.4
• 申請日: 2018-06-29
• 公開（公告）號: CN108932135A
• 公開（公告）日: 2018-12-04
• 發明（設計）人: 李曦;王超;程玉明;周學海
• 申請（專利權）人: 中國科學技術大學蘇州研究院
• 主分類號: G06F9/30
• 分類號: G06F9/30;G06F9/38
• 代理公司: 蘇州創元專利商標事務所有限公司 32103
• 代理人: 范晴

本發明公開了一種基于FPGA的分類算法的加速平臺設計方法，加速平臺包括：使用profiling技術分析類中心向量算法、K?近鄰算法以及樸素貝葉斯算法并得到熱點代碼；分析三種分類算法的熱點代碼并適當修改以提取其中的共同邏輯；分析FPGA平臺的資源和特性，采用流水線和并行手段來優化加速器運算單元，設計出硬件加速器整體框架并生成IP核；設計擴展語義的指令集并實現指令集對應的各個功能邏輯部件，通過指令的取指、譯碼、執行的操作完成關鍵代碼的功能；移植操作系統到開發板，編寫各個硬件設備的驅動，在操作系統下完成軟硬件的協同工作。本發明支持多種分類算法，提高了系統的擴展性和靈活性，編程者可以利用已有的FPGA資源輕松獲得良好的性能。

技術領域

本發明涉及一種算法的硬件加速平臺，具體涉及一種擴展性和靈活性高的基于FPGA的分類算法的加速平臺及其設計方法。

背景技術

隨著個人計算機的普及，互聯網得到了快速的發展，隨之而來的大量電子信息變得難以處理。當前信息科學和技術領域關注的焦點之一，就是通過有效地組織和管理這些電子信息，并快速、準確、全面地從中找到用戶所需要的信息。分類算法作為處理和分類大量數據的關鍵技術,可以在較大程度上解決信息雜亂現象的問題,方便用戶準確地定位所需的信息和分流信息。而且作為信息過濾、信息檢索、搜索引擎、文本數據庫、數字化圖書館等領域的技術基礎,分類技術有著廣泛的應用前景。

目前分類算法中，集成學習是國內外學者的研究熱點，集成學習主要是按照一定的規則組合單一分類器來解決問題，算法有Bagging， Boosting。而在單一分類算法中，不同的分類算法都有各自的特點。如支持向量機（SVM）具有很高的準確率，可以再在沒有背景信息的數據集上獲得很好的效果。相比之下，決策樹則可以很好的解釋建立的模型。因此在不同的數據、背景和需求下，需要用不同的分類算法才能達到更好的效果。

如今在大數據時代，海量高維度的數據大大減慢了分類算法的效率，嚴重制約著各行各業的發展。隨著數據的大量激增和人們對關鍵信息的迫切需求，如何快速而高效地完成對信息的提取和分類顯得尤為重要。因此分類算法的高性能實現也成為人們研究的重要課題。相比于傳統的計算機系統，多核異構計算平臺集成了可重構的邏輯單元，結合了異構多核平臺和可重構技術的特點，可針對應用程序的動態執行過程來進行硬件平臺的重新配置，具備更高的靈活性同時更易于擴展，滿足了大數據時代的需求，因此基于GPU與FPGA的異構計算系統成為處理大數據應用的一種有效框架。