从云端的大数据处理到边缘端的关键字识别和图像分析，AI正在席卷全球，引发了第4次工业革命，而AI的核心技术是机器学习和深度学习。目前，机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、语音和手写识别、战略游戏和机器人等领域。

InAccel 开发了一套被称为“加速 ML 套件”的集成式机器学习 (ML) 工具，通过充分利用 阿里云 f1 实例（基于英特尔® 至强® 处理器和英特尔® Arria® 10 FPGA）提供的 FPGA 加速，可在逻辑回归、K 均值聚类和梯度提升树 (GBT) 等使用 XGBoost 的应用中，实现高达 7 倍的性能提升。在阿里云 f1 实例中，用于处理这些工作负载的“加速 ML 套件” IP 内核在英特尔® Arria® 10 FPGA上得到了成功验证。

InAccel 表示，其加速 ML 套件在逻辑回归 ML 训练方面的内核性能提升了 7 倍，整体系统性能提升了 5 倍，传输数据的时间和基于 CPU 的数据预处理时间都得到了降低。对于 K 均值聚类，InAccel IP 内核在 ML 训练方面提供 6.4 倍的内核性能提升和 4.3 倍的整体系统性能提升，这包括数据预处理速度， 以及在阿里云主机（基于英特尔® 至强® 处理器）与 阿里云 f1 实例（基于英特尔®  Arria®  10 FPGA）之间的通信速度。

这可以加快 ML 模型训练速度。