淺談神經(jīng)網(wǎng)絡(luò)在FPGA平臺(tái)上的實(shí)現(xiàn)方案

　　近十年來(lái)，人工智能又到了一個(gè)快速發(fā)展的階段。深度學(xué)習(xí)在其發(fā)展中起到了中流砥柱的作用，盡管擁有強(qiáng)大的模擬預(yù)測(cè)能力，深度學(xué)習(xí)還面臨著超大計(jì)算量的問(wèn)題。在硬件層面上，GPU，ASIC，FPGA都是解決龐大計(jì)算量的方案。本文將闡釋深度學(xué)習(xí)和FPGA各自的結(jié)構(gòu)特點(diǎn)以及為什么用FPGA加速深度學(xué)習(xí)是有效的，并且將介紹一種遞歸神經(jīng)網(wǎng)絡(luò)（RNN）在FPGA平臺(tái)上的實(shí)現(xiàn)方案。

　　揭開(kāi)深度學(xué)習(xí)的面紗

　　深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)領(lǐng)域，都屬于人工智能的范疇。深度學(xué)習(xí)主要研究的是人工神經(jīng)網(wǎng)絡(luò)的算法、理論、應(yīng)用。自從2006年Hinton等人提出來(lái)之后，深度學(xué)習(xí)高速發(fā)展，在自然語(yǔ)言處理、圖像處理、語(yǔ)音處理等領(lǐng)域都取得了非凡的成就，受到了巨大的關(guān)注。在互聯(lián)網(wǎng)概念被人們普遍關(guān)注的時(shí)代，深度學(xué)習(xí)給人工智能帶來(lái)的影響是巨大的，人們會(huì)為它隱含的巨大潛能以及廣泛的應(yīng)用價(jià)值感到不可思議。

　　事實(shí)上，人工智能是上世紀(jì)就提出來(lái)的概念。1957年，Rosenblatt提出了感知機(jī)模型（Perception），即兩層的線性網(wǎng)絡(luò);1986年，Rumelhart等人提出了后向傳播算法（Back PropagaTIon），用于三層的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，使得訓(xùn)練優(yōu)化參數(shù)龐大的神經(jīng)網(wǎng)絡(luò)成為可能;1995年，Vapnik等人發(fā)明了支持向量機(jī)（Support Vector Machines），在分類問(wèn)題中展現(xiàn)了其強(qiáng)大的能力。以上都是人工智能歷史上比較有代表性的事件，然而受限于當(dāng)時(shí)計(jì)算能力，AI總是在一段高光之后便要陷入灰暗時(shí)光——稱為：“AI寒冬”。

　　然而，隨著計(jì)算機(jī)硬件能力和存儲(chǔ)能力的提升，加上龐大的數(shù)據(jù)集，現(xiàn)在正是人AI發(fā)展的最好時(shí)機(jī)。自Hinton提出DBN（深度置信網(wǎng)絡(luò)）以來(lái)，人工智能就在不斷的高速發(fā)展。在圖像處理領(lǐng)域，CNN（卷積神經(jīng)網(wǎng)絡(luò)）發(fā)揮了不可替代的作用，在語(yǔ)音識(shí)別領(lǐng)域，RNN（遞歸神經(jīng)網(wǎng)絡(luò)）也表現(xiàn)的可圈可點(diǎn)。而科技巨頭也在加緊自己的腳步，谷歌的領(lǐng)軍人物是Hinton，其重頭戲是Google brain，并且在去年還收購(gòu)了利用AI在游戲中擊敗人類的DeepMind;Facebook的領(lǐng)軍人物是Yann LeCun，另外還組建了Facebook的AI實(shí)驗(yàn)室，Deepface在人臉識(shí)別的準(zhǔn)確率更達(dá)到了驚人的97.35%;而國(guó)內(nèi)的巨頭當(dāng)屬百度，在挖來(lái)了斯坦福大學(xué)教授Andrew Ng（Coursera的聯(lián)合創(chuàng)始人）并成立了百度大腦項(xiàng)目之后，百度在語(yǔ)音識(shí)別領(lǐng)域的表現(xiàn)一直十分強(qiáng)勢(shì)。

　　一覽深度學(xué)習(xí)

　　簡(jiǎn)單來(lái)說(shuō)，深度學(xué)習(xí)與傳統(tǒng)的機(jī)器學(xué)習(xí)算法的分類是一致的，主要分為監(jiān)督學(xué)習(xí)（supervised learning）和非監(jiān)督學(xué)習(xí)（unsupervised learning）。所謂監(jiān)督學(xué)習(xí)，就是輸出是有標(biāo)記的學(xué)習(xí)，讓模型通過(guò)訓(xùn)練，迭代收斂到目標(biāo)值;而非監(jiān)督學(xué)習(xí)不需要人為輸入標(biāo)簽，模型通過(guò)學(xué)習(xí)發(fā)現(xiàn)數(shù)據(jù)的結(jié)構(gòu)特征。比較常見(jiàn)的監(jiān)督學(xué)習(xí)方法有邏輯回歸、多層感知機(jī)、卷積神經(jīng)網(wǎng)絡(luò)登;而非監(jiān)督學(xué)習(xí)主要有稀疏編碼器、受限玻爾茲曼機(jī)、深度置信網(wǎng)絡(luò)等。所有的這些都是通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)的，他們通常來(lái)說(shuō)都是非常復(fù)雜的結(jié)構(gòu)，需要學(xué)習(xí)的參數(shù)也非常多。但是神經(jīng)網(wǎng)絡(luò)也可以做簡(jiǎn)單的事情，比如XNOR門(mén)，如圖。

　　在圖1（a）中，兩個(gè)輸入x_1和x_2都是分別由一個(gè)神經(jīng)元表示，在輸入中還加入了一個(gè)作為偏置（bias）的神經(jīng)元，通過(guò)訓(xùn)練學(xué)習(xí)參數(shù)，最終整個(gè)模型的參數(shù)收斂，功能和圖1（b）真值表一模一樣。圖1（c）分類結(jié)果。

　　而通常來(lái)說(shuō)，模型都是比較復(fù)雜的。比如ILSVRC2012年圖像識(shí)別大賽中Krizhevsky等人構(gòu)建出來(lái)的 Alex Net。他們一共構(gòu)建了11層的神經(jīng)網(wǎng)絡(luò)（5個(gè)卷積層，3個(gè)全連接層，3個(gè)池化層），一共有65萬(wàn)個(gè)神經(jīng)元，6千萬(wàn)個(gè)參數(shù)，最終達(dá)到了15.2%的識(shí)別錯(cuò)誤率，大大領(lǐng)先于第二名的26.2%。

　　當(dāng)前深度學(xué)習(xí)得以流行，是得益于大數(shù)據(jù)和計(jì)算性能的提升。但其仍然遭受計(jì)算能力和數(shù)據(jù)量的瓶頸。針對(duì)數(shù)據(jù)量的需求，專家們可以通過(guò)模型的調(diào)整、變更來(lái)緩解，但計(jì)算力的挑戰(zhàn)沒(méi)有捷徑?？拼笥嶏w、百度、阿里、360在深度學(xué)習(xí)方面也面臨著計(jì)算力的困擾。科大訊飛的深度學(xué)習(xí)平臺(tái)屬于計(jì)算密集型的平臺(tái)，集群幾百臺(tái)機(jī)器之間要實(shí)現(xiàn)高速互聯(lián)，是類似超算的結(jié)構(gòu)，但它又不是一個(gè)非常典型的超算?？拼笥嶏w最開(kāi)始探索傳統(tǒng)的方式，用大量CPU來(lái)支持大規(guī)模數(shù)據(jù)預(yù)處理，運(yùn)行GMM-HMM等經(jīng)典模型的訓(xùn)練，在千小時(shí)的數(shù)據(jù)量下，效果很不好。而360每天處理的數(shù)據(jù)有上億條，參數(shù)50萬(wàn)以上，如果用CPU，每次模型訓(xùn)練就要花幾天，這對(duì)于崇尚快速迭代的互聯(lián)網(wǎng)公司運(yùn)營(yíng)來(lái)說(shuō)簡(jiǎn)直是不可接受的。

　　為什么選擇FPGA

　　FPGA（Field Programmable Gate Array）是在PAL、GAL、CPLD等可編程邏輯器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。它是作為專用集成電路領(lǐng)域中的一種半定制電路而出現(xiàn)的，既解決了全定制電路的不足，又克服了原有可編程邏輯器件門(mén)電路數(shù)有限的缺點(diǎn)。FPGA的開(kāi)發(fā)相對(duì)于傳統(tǒng)PC、單片機(jī)的開(kāi)發(fā)有很大不同。FPGA以并行運(yùn)算為主，以硬件描述語(yǔ)言來(lái)實(shí)現(xiàn);相比于PC或單片機(jī)（無(wú)論是馮諾依曼結(jié)構(gòu)還是哈佛結(jié)構(gòu)）的順序操作有很大區(qū)別。FPGA開(kāi)發(fā)需要從頂層設(shè)計(jì)、模塊分層、邏輯實(shí)現(xiàn)、軟硬件調(diào)試等多方面著手。FPGA可以通過(guò)燒寫(xiě)位流文件對(duì)其進(jìn)行反復(fù)編程，目前，絕大多數(shù) FPGA 都采用基于 SRAM（StaTIc Random Access Memory 靜態(tài)隨機(jī)存儲(chǔ)器）工藝的查找表結(jié)構(gòu)，通過(guò)燒寫(xiě)位流文件改變查找表內(nèi)容實(shí)現(xiàn)配置。

　　使用CPU。在2006年的時(shí)候，人們還是用串行處理器處理機(jī)器學(xué)習(xí)的問(wèn)題，當(dāng)時(shí)Mutch 和 Lowe開(kāi)發(fā)了一個(gè)工具FHLib（feature hierarchy library）用來(lái)處理hierarchical 模型。對(duì)于CPU來(lái)說(shuō)，它所要求的編程量是比較少的并且有可遷移性的好處，但是串行處理的特點(diǎn)變成了它在深度學(xué)習(xí)領(lǐng)域的缺點(diǎn)，而這個(gè)缺點(diǎn)是致命的。時(shí)至今日，據(jù)2006年已經(jīng)過(guò)去了十年，過(guò)去的十年集成電路的發(fā)展還是遵循著摩爾定律，CPU的性能得到了極大的提升，然而，這并沒(méi)有讓CPU再次走入深度學(xué)習(xí)研究者的視野。盡管在小數(shù)據(jù)集上CPU能有一定的計(jì)算能力表現(xiàn)，多核使得它能夠并行處理，然而這對(duì)深度學(xué)習(xí)來(lái)說(shuō)還是遠(yuǎn)遠(yuǎn)不夠的。

　　使用GPU。GPU走進(jìn)了研究者的視線，相比于CPU，GPU的核心數(shù)大大提高了，這也讓它有更強(qiáng)大的并行處理能力，它還有更加強(qiáng)大的控制數(shù)據(jù)流和儲(chǔ)存數(shù)據(jù)的能力。Chikkerur進(jìn)行了CPU和GPU在處理目標(biāo)識(shí)別能力上的差別，最終GPU的處理速度是CPU的3-10倍。

　　使用ASIC。專用集成電路芯片（ASIC）由于其定制化的特點(diǎn)，是一種比GPU更高效的方法。但是其定制化也決定了它的可遷移性低，一旦專用于一個(gè)設(shè)計(jì)好的系統(tǒng)中，要遷移到其它的系統(tǒng)是不可能的。并且，其造價(jià)高昂，生產(chǎn)周期長(zhǎng)，使得它在目前的研究中是不被考慮的。當(dāng)然，其優(yōu)越的性能還是能在一些領(lǐng)域勝任。用的就是ASIC 的方案，在640×480pixel的圖像中識(shí)別速率能達(dá)到 60幀/秒。

　　使用FPGA。FPGA在GPU和ASIC中取得了權(quán)衡，很好的兼顧了處理速度和控制能力。一方面，F(xiàn)PGA是可編程重構(gòu)的硬件，因此相比GPU有更強(qiáng)大的可調(diào)控能力;另一方面，與日增長(zhǎng)的門(mén)資源和內(nèi)存帶寬使得它有更大的設(shè)計(jì)空間。更方便的是，F(xiàn)PGA還省去了ASIC方案中所需要的流片過(guò)程。FPGA的一個(gè)缺點(diǎn)是其要求使用者能使用硬件描述語(yǔ)言對(duì)其進(jìn)行編程。但是，已經(jīng)有科技公司和研究機(jī)構(gòu)開(kāi)發(fā)了更加容易使用的語(yǔ)言比如Impulse Accelerated Technologies Inc. 開(kāi)發(fā)了C-to-FPGA編譯器使得FPGA更加貼合用戶的使用，耶魯?shù)腅-Lab 開(kāi)發(fā)了Lua腳本語(yǔ)言。這些工具在一定程度上縮短了研究者的開(kāi)發(fā)時(shí)限，使研究更加簡(jiǎn)單易行。

　　在FPGA上運(yùn)行LSTM神經(jīng)網(wǎng)絡(luò)

　　LSTM簡(jiǎn)介

　　傳統(tǒng)的RNN由一個(gè)三層的網(wǎng)絡(luò)：輸入層it，隱藏層ht，輸出層yt;其中ht的信息作用到下一時(shí)刻的輸入，這樣的結(jié)構(gòu)簡(jiǎn)單的模仿了人腦的記憶功能，圖3是其拓?fù)鋱D：

　　只有一個(gè)隱藏層方程：

　　其中 Wx和 Wh分別是輸入和隱藏層的權(quán)重，b 是偏置。

　　LSTM 是RNN（遞歸神經(jīng)網(wǎng)絡(luò)）的一種，在處理時(shí)序數(shù)據(jù)得到了最廣泛的應(yīng)用，它由門(mén)控制信息一共有三個(gè)個(gè)門(mén)：輸入門(mén)it，遺忘門(mén)ft，輸出門(mén)ot，另外還有隱藏層ht和記憶細(xì)胞ct。圖4是其拓?fù)鋱D：

　　輸入門(mén)控制了某一時(shí)刻的輸入;遺忘門(mén)通過(guò)作用到上一時(shí)刻記憶細(xì)胞上，控制了上一時(shí)刻的數(shù)據(jù)流要流多少進(jìn)入下一時(shí)刻;記憶細(xì)胞是由上一時(shí)刻的輸入和這一時(shí)刻的候選輸入共同決定的;輸出門(mén)作用到記憶細(xì)胞上，決定了這一時(shí)刻的隱藏層信息，并且送到下一層神經(jīng)網(wǎng)絡(luò)上。全部方程如下：

　　其中W 代表各自的權(quán)重，b 代表各自的偏置， σ 是logisTIc sigmoid 函數(shù)：

　　設(shè)計(jì)FPGA模塊

　　一種遞歸神經(jīng)網(wǎng)絡(luò)在FPGA平臺(tái)上的實(shí)現(xiàn)方案詳解

　　LSTM主要進(jìn)行的是矩陣的乘法和非線性函數(shù)的計(jì)算（tanh，sigmoid），因此，選擇了Q8.8定點(diǎn)。

　　矩陣乘法由MAC單元進(jìn)行（MulTIply Accumulate），一共有兩個(gè)數(shù)據(jù)流：向量和權(quán)重矩陣流，如圖6（a）。在迭代完一次之后MAC就會(huì)重置以防止之前的數(shù)據(jù)混入下一時(shí)刻的數(shù)據(jù)。兩個(gè)MAC單元的數(shù)據(jù)相加之后進(jìn)行非線性函數(shù)計(jì)算。同時(shí)用一個(gè)rescale模塊將32位的數(shù)據(jù)轉(zhuǎn)變?yōu)?6位的數(shù)據(jù)。

　　標(biāo)量計(jì)算的模塊，是為了計(jì)算ct和ht，最終傳入下一時(shí)刻的計(jì)算。如圖6（b）。

　　整個(gè)模型一共用了三個(gè)圖6（a）和一個(gè)圖6（b）的模塊，如圖6（c）。數(shù)據(jù)的流入流出用了DMA（Direct Memory Access）串口控制。由于DMA串口是獨(dú)立的，因此，還需要一個(gè)時(shí)鐘模塊對(duì)其進(jìn)行時(shí)序控制。時(shí)鐘模塊主要是一個(gè)緩沖存儲(chǔ)器組成并暫存了一些數(shù)據(jù)直到數(shù)據(jù)都到達(dá)。當(dāng)最后的一個(gè)端口數(shù)據(jù)流入時(shí)鐘模塊才開(kāi)始傳送數(shù)據(jù)，這保證了輸入跟權(quán)重矩陣是同個(gè)時(shí)刻相關(guān)的。

　　通過(guò)在不同平臺(tái)上訓(xùn)練LSTM網(wǎng)絡(luò)，我們得到了不同模型的對(duì)比。表1是平臺(tái)的參數(shù)，運(yùn)行結(jié)果如圖7，可以發(fā)現(xiàn)：即使在142MHz的時(shí)鐘頻率下，F(xiàn)PGA平臺(tái)下的運(yùn)行時(shí)間遠(yuǎn)遠(yuǎn)小于其他平臺(tái)，并行八個(gè)LSTM 記憶細(xì)胞的處理取得了比 Exynos5422 快16倍的結(jié)果。

　　深度學(xué)習(xí)采用包含多個(gè)隱藏層的深層神經(jīng)網(wǎng)絡(luò)（DeepNeural Networks，DNN）模型。DNN內(nèi)在的并行性，使得具備大規(guī)模并行體系結(jié)構(gòu)的GPU和FPGA成為加速深度學(xué)習(xí)的主流硬件平臺(tái)，其突出優(yōu)勢(shì)是能夠根據(jù)應(yīng)用的特征來(lái)定制計(jì)算和存儲(chǔ)結(jié)構(gòu)，達(dá)到硬件結(jié)構(gòu)與深度學(xué)習(xí)算法的最優(yōu)匹配，獲得更高的性能功耗比;并且，F(xiàn)PGA靈活的重構(gòu)功能也方便了算法的微調(diào)和優(yōu)化，能夠大大縮短開(kāi)發(fā)周期。毫無(wú)疑問(wèn)，F(xiàn)PGA在深度學(xué)習(xí)的未來(lái)是十分值得期待的。