AMD宣布Vivado 2026.1免费版不再支持Linux,导致FPGA社区广泛关注。这一决定影响高校、研究者和开发者,迫使他们选择更换操作系统或付费,开源工具链因此受到青睐,Lattice等公司可能受益。用户对AMD的信任度下降。
高频交易(HFT)不仅关注交易频率,还强调决策延迟的可预测性和可压缩性。文章分析了HFT的延迟链,从撮合引擎到订单执行的各个环节,探讨了优化空间及所需的硬件与软件成本。HFT的盈利来源于速度优势,包括信息速度、队列优先级和撤单速度。同时,文章讨论了HFT的定义、行业参与者、盈利上限及延迟预算分解,强调低延迟系统的设计原则和工程挑战。
近年来,软件工厂趋势推动研发能力提升,但嵌入式和FPGA开发面临环境隔离、调试效率低和缺乏标准化工具等挑战。为此,Gitee推出“移动软件工厂”方案,提供便携、标准化的研发平台,支持离线开发和数据安全同步,提升协同效率和质量保障,适应多种环境,助力高效研发流程闭环。
本文介绍了在Linux环境下进行Xilinx开发的全流程,包括工具链安装、FPGA设计和Petalinux嵌入式Linux构建。文章涵盖最佳实践、常见问题解决及高级主题,旨在帮助开发者提升效率并快速上手。
Xilinx Linux 是针对 FPGA 和 SoC 的嵌入式 Linux 解决方案,支持软硬件协同设计。本文介绍了生态系统、开发环境、镜像构建、设备树配置和驱动开发等技术细节,帮助开发者掌握核心技能,广泛应用于工业控制和人工智能领域。
本文介绍了在Linux系统下安装和使用Vivado的步骤,包括硬件和软件要求、依赖库安装、图形化和命令行安装流程、基础操作、脚本自动化、高级用法、最佳实践及常见问题解决。这些内容有助于提高FPGA开发效率。
FPGAs可以执行浮点运算,但需考虑软浮点、硬浮点和外部核心的选择。软浮点灵活但速度较慢,硬浮点速度快但仅适用于高端FPGA。对于高动态范围和需要IEEE 754的应用,建议使用硬浮点;而在低延迟和低成本的情况下,使用定点运算更为合适。最佳实践是优先选择定点运算,同时利用硬件浮点单元。
UltraScale FPGA的Block RAM(BRAM)容量因系列而异,基本单位为36Kb块,可配置为两个18Kb块。UltraScale、UltraScale+和UltraScale+ MPSoC的BRAM容量不同,支持多种宽度配置。UltraRAM提供更高密度的内存。可通过Vivado查看特定设备的BRAM属性。
CPLD与FPGA的通信方式包括并行总线、串行通信(SPI、I²C、UART)、双端口RAM/FIFO、LVDS和自定义协议。选择时需考虑速度、引脚数量和抗干扰能力。
使用FPGA生成PWM信号需要配置计数器和比较器逻辑块,以控制占空比和频率。基本PWM为可调占空比和频率的方波。实现步骤包括硬件要求、Verilog/VHDL代码示例及测试方法。高级技术如死区插入和中心对齐PWM适用于电机控制和LED调光。FPGA因其并行控制能力在PWM应用中表现优异。
本研究提出了一种新的RISC-V扩展方案,通过硬件与软件协同设计,实现对稀疏深度神经网络的高效加速,定制功能单元可实现最高5倍的加速,适用于小型FPGA。
NSFlow是一个FPGA加速框架,旨在提高神经符号AI系统的效率和可扩展性。通过设计架构生成器和可重配置阵列,NSFlow显著提升了NSAI工作负载的性能,为下一代认知系统提供了有效解决方案。
本研究针对航天任务中高性能计算系统的需求,探讨了基于FPGA的神经网络加速器的潜力。通过分析现有文献、识别趋势和空白,并提出未来研究方向,论文强调了这些加速器在提升航天器计算能力方面的重要性。
该项目展示了如何通过PCIe XDMA将FPGA基于的UARTLite外设连接到Linux用户空间应用程序,支持TTY接口和Python直接访问,适用于SDR、机器人和嵌入式系统。
在DMA应用中,FPGA和CPU以固定Packet大小读写数据,可能导致数据拼接问题。通过mmap映射,CPU可以将多个DMA Packet虚拟为一个连续结构,提高效率,避免内存拷贝。这种方法同样适用于文件的虚拟拼接。
特斯拉从FPGA/GPU系统转向定制ASIC(如FSD芯片、Dojo D1),在激光雷达和视觉处理上采取不同于行业标准的策略。FPGA适合多传感器融合但功耗高,而特斯拉的ASIC在视觉处理上表现优越,但不支持激光雷达。FPGA具有较强适应性,而ASIC则需控制整个技术栈。
国际计算机学会(ACM)宣布丛京生获得2024年计算突破奖,以表彰他在可编程系统和可定制计算设计方面的贡献。他的研究推动了FPGA技术的发展,提升了其可用性和能效,广泛应用于人工智能和云计算领域。
测试FPGA电源至关重要,以确保其稳定运行并避免损坏。主要步骤包括检查电压要求、使用工具、进行视觉检查和电源测试。需监测电压稳定性、动态负载和噪声,及时修复常见问题,确保电源在连接FPGA前正常。
本研究针对Transformer模型中多头自注意力模块的关键计算瓶颈,提出了一种针对Xilinx KV260板载FPGA的平铺矩阵乘法加速器。该加速器通过持久的片上存储、双层平铺和类似脉动的展开计算引擎显著提升了计算速度和能效,基准测试显示在矩阵计算中可实现高达7倍的速度提升。
该研究提出了一种事件图神经网络的硬件实现,以应对嵌入式边缘传感器数据量增加带来的智能处理需求。通过将时间序列信号转换为稀疏事件数据格式,计算量显著降低,SHD数据集的准确率达到92.7%。
完成下面两步后,将自动完成登录并继续当前操作。