ディープラーニングには「GPU」か「FPGA」か？　画像処理の高速化で大きな差

　機械学習に大きな進化をもたらした「ディープラーニング」。その中核を成すニューラルネットワークの技術には、動画などの処理に優れた再帰型（RNN）と静止画などの処理に優れた畳み込み型（CNN）がある。近年、機械学習の分野でGPU（Graphics Processing Unit）の導入が進んでいる背景には、後者であるCNNの並列計算をGPUが得意とすることが挙げられる。

　しかし、GPUの大量搭載は、CNNのパフォーマンスを向上させる一方で、巨大な電力消費が問題となる。そこで注目され始めたのが、電力効率の面でも優れた特性を持つ「FPGA（Field Programmable Gate Array）」だ。既に「AlexNet」や「GoogLeNet」のベンチマークアルゴリズムを、FPGAに最適化して実装した製品も登場している。

　本資料では、CNNアルゴリズムに基づく画像の処理と分類に対して、省電力性に優れたFPGAが、GPUなどのHPCデバイスと比べてどれだけのパフォーマンスを発揮するのかを詳細に解説する。FPGAでOpenCLプラットフォームを利用することで実現可能なDLA（Deep Learning Accelerator）アーキテクチャの実力をぜひ確認してもらいたい。