КЛАСИФІКАЦІЯ ДАНИХ АПАРАТНИМИ ПРИСКОРЮВАЧАМИ FPGA У ЦЕНТРАХ ОБРОБКИ ДАНИХ ТА ХМАРАХ

Актуальність. Аналіз даних, зокрема їх класифікація) часто виконується за допомогою методів машинного навчання. Часто задіяні алгоритми потрібні мати справу з великими наборами що призводить до тривалого часу виконання. Таким чином, актуальним є дослідження апаратних прискорювачів, на базі програмованої вентильної матриці (FPGA) для покращення продуктивності. FPGA перспективним рішенням апаратного прискорення, конфігурації після виробництва та можливості перепрограмування. Метою даної роботи аналіз тенденцій у існуючих хмарних архітектурах FPGA, які підкреслюють складний зв’язок між архітектурами системними вимогами призначені вирішення завдач класифікації даних методами Це дозволяє нам ідентифікувати нові архітектури, які, ймовірно, запропонують значні переваги робочих навантажень. Об’єктом процес еволюції FPGA-прискорювачів обчислень центрах обробки (ЦОД) хмарах. Предметом методи архітектур основі таксономічних категорій. Результати. У роботі обговорюється майбутнє використання Також досліджуються поточні архітектури масштабованість і абстракції, підтримуються операційними системами, проміжним програмним забезпеченням віртуалізацією. Висновок. Розроблено класифікацію щодо Розглянута запропонована архітектурна організація розгортання додатків використовуються в середовищах центрів даних. Запропоновані дві моделі проектування навчання використанням FPGA-прискорювачів.