關于Azure的一點事

　　微軟前些年已經給出了兩個利用FPGA加速的工作負載的細節，這也算為Altera和Xilinx傳播了“福音”。下圖是微軟給出的各種器件的比較，橫軸為處理器個數，縱軸為能效。

　　可以看到，在芯片上能效和計算功能的特殊性之間有不斷的相互影響。其中處理器的更加靈活，DSP和定制ASIC的效率則更高一點（GPU沒出現在微軟的這張圖上），而FPGA則處在通用CPU和定制ASIC之間。而在現實世界中，一些芯片開始會使用FPGA進行開發，等產品開發成熟后，在大批量地生產ASIC，這樣在節省了成本的同時也增加了性能。

　　去年九月，微軟在Hot Chips26會議透露其已經在FPGA加速上試驗了三年，并且提出了一個用于其開放云服務（Open Cloud Server）的設計方案，目前這已經成為了開放計算項目（Open Compute Project）的一部分。為了其稱為Catapult的系統，微軟選擇了Altera Stratix V D5 FPGA，并將其放到了其開放云計算服務器的節點夾層卡中。

微軟開放云計算服務器的節點夾層卡

　　該硬件首先被用來加速Bing搜索的頁面排序功能。微軟檢查了系統中的1632個服務器節點后發現，安裝有一個FPGA的節點運行排序軟件的延遲比沒有FPGA的節點的延遲低29%，數據吞吐量達到了原來的兩倍，而服務器節點的成本只上升了30%，每臺服務器的功耗也只增加了25W。今年，這種基于FPGA的Bing頁面排序將會開始大范圍部署。

　　用于圖像識別的機器學習技術是近日NVIDIA主辦的GPU技術大會的熱點話題，該公司CEO黃仁勛展示了未來的Pascal GPU協處理器，其與x86處理器進行了結合，運行基于CNN的圖像識別應用，將會比現有的Maxwell協處理器的處理性能高出10倍以上。這兩個系統都采用了流行的ImageNet圖像數據庫。

　　今年二月份，微軟放出了一份白皮書，其中解釋了微軟將怎樣使用這種系統的定制版本來為復雜的神經網絡（CNN）的圖像識別應用加速。微軟測試了Altera Stratix V D5 FPGA，但計劃切換為Arria 10 FPGA，其芯片上的專用模塊能實現1.5萬億次單精度浮點運算。下表是為什么微軟會用FPGA實現圖像處理的要點。