avita負評的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

用於資料密集型運算之高擴展性FPGA硬體加速平台

為了解決avita負評的問題，作者李岱樺 這樣論述：

隨著物聯網興起，不論是智慧型手機、社群平台或感測裝置，所有設備都希望能夠經由網路跟伺服器交換資料，讓使用者能夠即時得到回覆，也因此面臨大數據 (Big data) 的時代，海量的資料、不同的資料型態、隨時隨地的資料傳遞，隱藏在資料裡的價值，都是處理大數據會面對的問題。分散式系統和雲端計算也越來越普遍，希望藉由多個運算伺服器或叢集做平行化的運算，和互相使用存取空間讓容量上升，來彌補個人電腦儲存的空間不足和CPU運算速度的瓶頸。也因為個人電腦上的瓶頸，越來越多人使用硬體加速平台(hardware accelerator)來分擔運算的負擔，最常見的就是可程式邏輯陣列(FPGA)和圖形處理加速器(G

PU)。硬體加速平台適合做高密度且獨立的運算，它具有很多運算單元可以達到運算平行化。K-means分群演算法是資料探勘(data mining)的一種，可以用來分析資料間的關聯性或是圖片的優化，而本論文也實現K-means分群演算法分析大型的資料，呈現出硬體加速平台的優勢。因此，我們建立了一個以FPGA為基礎的擴充平台，利用網路分享器來提升擴充性(scalability)。電腦端把資料整理好傳給FPGA，經由FPGA計算完後，再把結果傳回給電腦端。電腦端負責較不規則的運算處理，工作分配和處理FPGA的運算結果，而FPGA只要專注於運算的部分。最後再以執行時間來評斷系統的表現。