用于支持向量机分类的新型级联FPGA加速器

用于支持向量机分类的新型级联FPGA加速器(中文13000字,英文PDF)
摘要 - 支持向量机（SVM）是一种功能强大的机器学习工具，为许多分类问题提供了最先进的准确性。然而，支持向量机分类是一个计算复杂的任务，它受到支持向量数量和问题维数的线性依赖。本文提出了一种用于加速SVM分类的完全可扩展的现场可编程门阵列（FPGA）体系结构，该体系结构利用了设备异质性和数据集属性间的动态范围差异。提出了一种自适应且完全定制的处理单元，其针对问题的特征利用现代FPGA器件的可用异构资源以有效的方式利用。实施结果证明了异构体系结构的效率，与CPU实施相比，提高了2-3个数量级的加速因子。所提出的体系结构胜过其他提出的FPGA和图形处理器单元方法超过七倍。此外，基于异构体系结构的特殊性质，本文首次介绍了面向FPGA的级联SVM分类器方案，该方案利用了FPGA的可重构性，加强了异构体系结构的定制算法性能。结果表明，所提出的级联方案能够进一步提高异构分类器吞吐量，而不会对资源利用率造成任何损失。