關于深度學習硬件加速器的介紹和應用

Chips&Media 成功采用 Mentor Catapult High-Level Synthesis (HLS) 平臺實現(xiàn)了首個計算機視覺 IP；

Chips&Media 通過 Catapult HLS 將模塊設計/驗證時間縮短了一半，并實現(xiàn)了關鍵的現(xiàn)場可編程門陣列 (FPGA) 演示系統(tǒng)；

Catapult HLS 方法論使探索多種架構并為深度神經(jīng)網(wǎng)絡加速器尋找最佳實現(xiàn)方案成為了可能。

Mentor, A Siemens Business 宣布 Chips&Media 已成功部署 Mentor Catapult HLS 平臺，將使用深度神經(jīng)網(wǎng)絡 (DNN) 算法設計和驗證其 c.WAVE 計算機視覺 IP 的實時對象檢測。Chips&Media 是一家面向片上系統(tǒng) (SoC) 設計高性能、高質量視頻 IP 的領先供應商，其產(chǎn)品廣泛應用于汽車、監(jiān)控和消費電子領域。

Chips&Media 需要通過減少功能驗證時間、時序收斂、自定義和最終優(yōu)化來大幅提高生產(chǎn)力，把更多時間用于機器算法和架構的研發(fā)上，從而為客戶快速提供差異化的機器學習 IP。為實現(xiàn)這些目標，他們棄用了傳統(tǒng)的手工編碼寄存器傳輸級 (RTL) 流程，轉而采用 Catapult HLS 平臺，以使用 C 語言編寫算法和驗證平臺。與同一項目中使用 RTL 流程的團隊相比，HLS 設計和驗證團隊將項目時間縮短了一半。

“要應對以推理為目標的設備帶來的加速挑戰(zhàn)，我們認為關鍵在于使用深度神經(jīng)網(wǎng)絡建立一個專注于功耗、性能和面積 (PPA) 并高度優(yōu)化的硬件架構，”Chips&Media 首席技術官 Mickey Jeon 表示?！癏LS 使我們能夠極其高效地完成這項工作。我們的項目取得了突出的成績，我們計劃在接下來的項目中部署應用 Catapult 的 HLS 流程。”

基于 DNN 的計算機視覺處理的特征，就是乘法/加法/累加的重復計算，同時通過神經(jīng)網(wǎng)絡層進行大量數(shù)據(jù)遷移。DNN 是在 Caffe 或 TensorFlow 等框架上開發(fā)的，然后在 C 模型中捕獲其算法。Chips&Media 將此算法 C 模型改進為可綜合的 C 代碼，并使用 Catapult HLS 平臺快速探索各種架構并綜合到 RTL 中，以找到此類設計的最佳解決方案。

“根據(jù)我們的觀察，在市場快速變化的多個應用領域，采用 Catapult HLS 是提高生產(chǎn)力來獲得成功的唯一途徑，”Mentor 數(shù)字設計和實施解決方案總經(jīng)理 Badru Agarwala 表示?！拔覀円恢迸c Chips&Media 密切合作，以確保他們平穩(wěn)過渡到 HLS。該平臺可以讓他們專注于算法/架構設計，而不是底層實現(xiàn)和調(diào)試等細節(jié)，從而更快地把想法變成產(chǎn)品，然后推向市場?！?/p>

借助 Catapult HLS 平臺，設計人員便能利用行業(yè)標準 ANSI C++ 和 SystemC 來描述功能意圖，并將其提高到生產(chǎn)率更高的抽象層次。根據(jù)這些高層次的描述，Catapult 即可快速生成產(chǎn)品級的 RTL。Catapult 平臺將綜合與形式 C 屬性檢查功能相結合，以便及早發(fā)現(xiàn) C++/SystemC 級別的錯誤并在綜合之前全面驗證源代碼。高度交互的 Catapult 工作流程可提供對綜合過程的完全可見性和控制，使設計人員能夠迅速收斂到 PPA 的最佳實現(xiàn)方案。此外，Catapult 的高級功耗優(yōu)化功能也可以自動大幅降低動態(tài)功耗。