關(guān)于機器學習中的FPGA與SoC應(yīng)用淺析

一系列機器學習優(yōu)化芯片預(yù)計將在未來幾個月內(nèi)開始出貨，但數(shù)據(jù)中心需要一段時間才能決定這些新的加速器是否值得采用，以及它們是否真的能在性能上獲得大幅提升。

有大量的報道稱，為機器學習設(shè)計的定制芯片將提供100倍于現(xiàn)有選擇的性能，但它們在要求嚴格的商業(yè)用途的實際測試中的功能尚未得到證實，數(shù)據(jù)中心是新技術(shù)最保守的采用者之一。不過，Graphcore、Habana、ThinCI和Wave Computing等知名初創(chuàng)公司表示，它們已經(jīng)將早期芯片提供給客戶進行測試。但還沒有一家公司開始發(fā)貨，甚至沒有展示這些芯片。

這些新設(shè)備有兩個主要市場。機器學習中的神經(jīng)網(wǎng)絡(luò)將數(shù)據(jù)分為兩個主要階段：訓(xùn)練和推理，并且在每個階段中使用不同的芯片。雖然神經(jīng)網(wǎng)絡(luò)本身通常駐留在訓(xùn)練階段的數(shù)據(jù)中心中，但它可能具有用于推理階段的邊緣組件?，F(xiàn)在的問題是什么類型的芯片以及哪種配置能夠產(chǎn)生最快、最高效的深度學習。

看來FPGAs和SoCs正在獲得更多的吸引力。Tirias Research總裁吉姆·麥格雷戈（Jim McGregor）說，這些數(shù)據(jù)中心需要可編程芯片的靈活性和高I/O能力，這有助于FPGA在訓(xùn)練和推理的高數(shù)據(jù)量、低處理能力需求中發(fā)揮作用。

與幾年前相比，F(xiàn)PGA的設(shè)置現(xiàn)在用于訓(xùn)練的頻率更低了，但它們在其他任何事情上的使用頻率都要高得多，而且它們很可能在明年繼續(xù)增長。即使大約50家致力于神經(jīng)網(wǎng)絡(luò)優(yōu)化處理器迭代開發(fā)的初創(chuàng)公司今天都交付了成品，在任何規(guī)?？捎^的數(shù)據(jù)中心的生產(chǎn)流程中，也需要9到18個月的時間。

McGregor說：“沒有人會買現(xiàn)成的數(shù)據(jù)中心，然后把它放到生產(chǎn)機器上?！薄澳仨毚_保它滿足可靠性和性能要求，然后才能將其全部部署?！?/p>

圖1：不同類型深度學習芯片占比

對于新的架構(gòu)和微體系架構(gòu)，仍然有機會。ML工作負載正在迅速擴展。OpenAI 5月份的一份報告顯示，用于最大AI/ML訓(xùn)練的計算能力每3.5個月就增加一倍，自2012年以來，計算能力的總量增加了30萬倍。相比之下，按照摩爾定律，可用資源每18個月增加一倍，最終總?cè)萘績H增加12倍。

Open.AI指出，用于最大規(guī)模訓(xùn)練的系統(tǒng)（其中一些需要幾天或幾周的時間才能完成）需要花費數(shù)百萬美元購買，但它預(yù)計，用于機器學習硬件的大部分資金將用于推理。

圖2：計算需求正在增加

這是一個巨大的全新的機遇。Tractica在5月30日的一份報告中預(yù)測，到2025年，深度學習芯片組的市場規(guī)模將從2017年的16億美元增至663億美元，其中包括CPU，GPU，F(xiàn)PGA，ASIC，SoC加速器和其他芯片組。其中很大一部分將來自于非芯片公司，它們正在發(fā)布自己的深度學習加速器芯片組。谷歌的TPU就是這么做的，業(yè)內(nèi)人士表示，亞馬遜和Facebook正在走同樣的道路。

McGregor說，現(xiàn)在主要轉(zhuǎn)向SoC而不是獨立的組件，并且SoC、ASIC和FPGA供應(yīng)商的策略和封裝的多樣性日益增加。

Xilinx、Inetel和其他公司正試圖通過向FPGA陣列添加處理器和其他組件來擴大FPGA的規(guī)模。其他的，如Flex Logix、Achronix和Menta，將FPGA資源嵌入到靠近SoC特定功能區(qū)域的小塊中，并依賴高帶寬互連來保持數(shù)據(jù)的移動和高性能。

McGregor說：“你可以在任何你想要可編程I/O的地方使用FPGA，人們會將它們用于推理，有時還會進行訓(xùn)練，但是你會發(fā)現(xiàn)它們會更多地用于處理大數(shù)據(jù)任務(wù)而不是訓(xùn)練，這需要大量的矩陣乘法，更適合于GPU?！?/p>

然而，GPU并不是瀕臨滅絕的物種。根據(jù)MoorInsights & Strategy分析師Karl Freund在一篇博客文章中所說。

英偉達本月早些時候公布了NVIDIA TensorRT超大尺寸推理平臺的聲明，其中包括提供65TFLOPS用于訓(xùn)練的Tesla T4 GPU和每秒260萬億次4位整數(shù)運算（TOPS）的推理 - 足以同時處理60個視頻流速度為每秒30幀。它包括320“Turing Tensorcores”，針對推理所需的整數(shù)計算進行了優(yōu)化。

新的架構(gòu)

Graphcore是最著名的初創(chuàng)公司之一，正在開發(fā)一款236億晶體管的“智能處理單元”（IPU），具有300MB的片上存儲器，1216個核心，每個核心可以達到11GFlops，內(nèi)部存儲器帶寬為30TB/s。其中兩個采用單個PCIe卡，每個卡都設(shè)計用于在單個芯片上保存整個神經(jīng)網(wǎng)絡(luò)模型。

GraphCore即將推出的芯片基于圖形架構(gòu)，該架構(gòu)依賴于其軟件將數(shù)據(jù)轉(zhuǎn)換為頂點，其中數(shù)字輸入，應(yīng)用于它們的函數(shù)（加，減，乘，除）和結(jié)果是單獨定義的，可以是并行處理。其他幾家ML初創(chuàng)公司也使用類似的方法。

Wave Computing沒有透露何時發(fā)貨，但在上周的人工智能硬件會議上透露了更多關(guān)于其架構(gòu)的信息。該公司計劃銷售系統(tǒng)而不是芯片或電路板，使用帶有15 Gbyte /秒端口的16nm處理器和HMC存儲器和互連，這種選擇旨在快速推送圖形通過處理器集群而無需通過處理器發(fā)送數(shù)據(jù)超過瓶頸一個PCIe總線。該公司正在探索轉(zhuǎn)向HBM內(nèi)存以獲得更快的吞吐量。

圖3:Wave計算的第一代數(shù)據(jù)流處理單元

機器學習的異構(gòu)未來和支持的硅片的最佳指標之一來自微軟 - 這是FPGA，GPU和其他深度學習的巨大買家。

“雖然面向吞吐量的架構(gòu)，如GPGPUs和面向批處理的NPU，在離線訓(xùn)練和服務(wù)中很受歡迎，但對于DNN模型的在線、低延遲的服務(wù)，它們的效率并不高，”2018年5月發(fā)表的一篇論文描述了Brainwave 項目，這是微軟在deep neural networking （DNN）中高效FPGA的最新版本。

微軟率先將FPGA廣泛用作大規(guī)模數(shù)據(jù)中心DNN推理的神經(jīng)網(wǎng)絡(luò)推理加速器。 Rambus的杰出發(fā)明人兼企業(yè)解決方案技術(shù)副總裁Steven Woo表示，該公司不是將它們用作簡單的協(xié)處理器，而是“更靈活，一流的計算引擎”。

根據(jù)微軟的說法，Brainwave項目可以使用英特爾Stratix 10 FPGA池提供39.5 TFLOPS的有效性能，這些FPGA可以被共享網(wǎng)絡(luò)上的任何CPU軟件調(diào)用?？蚣軣o關(guān)系統(tǒng)導(dǎo)出深度神經(jīng)網(wǎng)絡(luò)模型，將它們轉(zhuǎn)換為微服務(wù)，為Bing搜索和其他Azure服務(wù)提供“實時”推理。

圖4：微軟的Brainwave項目將DNN模型轉(zhuǎn)換為可部署硬件微服務(wù)，將任何DNN框架導(dǎo)出為通用圖形表示，并將子圖分配給CPU或FPGA

Brainwave是德勤全球（DeloitteGlobal）所稱的“戲劇性轉(zhuǎn)變”的一部分，這一轉(zhuǎn)變將強調(diào)FPGA和ASIC，到2018年，它們將占據(jù)機器學習加速器25%的市場份額。2016年，CPU和GPU占據(jù)了不到20萬臺的市場份額。德勤預(yù)測，到2018年，CPU和GPU將繼續(xù)占據(jù)主導(dǎo)地位，銷量將超過50萬部，但隨著ML項目數(shù)量在2017年至2018年翻一番、在2018年至2020年再翻一番，總市場將包括20萬FPGA和10萬ASIC。

德勤（Deloitte）表示，F(xiàn)PGA和ASIC的耗電量遠低于GPU、CPU，甚至比谷歌每小時75瓦的TPU耗電量還要低。它們還可以提高客戶選擇的特定功能的性能，這可以隨著編程的變化而改變。

Achronix的營銷副總裁SteveMensor說：“如果人們有他們的選擇，他們會在硬件層面上用ASIC構(gòu)建東西，但是FPGA比GPU有更好的功耗/性能，而且他們在定點或可變精度架構(gòu)方面非常擅長?！?/p>

ArterisIP的董事長兼首席執(zhí)行官CharlieJanac說：“有很多很多的內(nèi)存子系統(tǒng)，你必須考慮低功耗和物聯(lián)網(wǎng)應(yīng)用，網(wǎng)格和環(huán)路。”“所以你可以把所有這些都放到一個芯片中，這是你決策物聯(lián)網(wǎng)芯片所需要的，或者你可以添加高吞吐量的HBM子系統(tǒng)。但是工作負載非常特殊，每個芯片有多個工作負載。因此，數(shù)據(jù)輸入是巨大的，尤其是如果你要處理雷達和激光雷達之類的東西，而這些東西沒有先進的互連是不可能存在的。

由于應(yīng)用程序的特殊性，連接到該互連的處理器或加速器的類型可能會有很大的不同。

NetSpeed Systems負責營銷和業(yè)務(wù)開發(fā)的副總裁阿努什?莫罕達斯（Anush Mohandass）表示：“在核心領(lǐng)域，迫切需要大規(guī)模提高效率?！薄啊拔覀兛梢苑胖肁SIC和FPGA以及SoC，我們的預(yù)算越多，我們就可以放入機架?！钡罱K你必須高效;你必須能夠進行可配置或可編程的多任務(wù)處理。如果你能將多播應(yīng)用到向量處理工作負載上，而向量處理工作負載是大部分訓(xùn)練階段的內(nèi)容，那么您能夠做的事情就會大大擴展。“

FPGA并不是特別容易編程，也不像樂高積木那樣容易插入設(shè)計，盡管它們正在朝著這個方向快速發(fā)展，SoC比FPGA更容易使用計算核心、DSP核心和其他IP模塊。

但是，從類似SoC的嵌入式FPGA芯片轉(zhuǎn)變?yōu)榫哂嗅槍C器學習應(yīng)用優(yōu)化的數(shù)據(jù)背板的芯片上的完整系統(tǒng)并不像聽起來那么容易。

Mohandass說：“性能環(huán)境是如此的極端，需求是如此的不同，以至于AI領(lǐng)域的SoC與傳統(tǒng)的架構(gòu)完全不同。”“現(xiàn)在有更多的點對點通信。你正在做這些向量處理工作，有成千上萬的矩陣行，你有所有這些核心可用，但我們必須能夠跨越幾十萬個核心，而不是幾千個。

性能是至關(guān)重要的。設(shè)計、集成、可靠性和互操作性的便捷性也是如此——SoC供應(yīng)商將重點放在底層框架和設(shè)計/開發(fā)環(huán)境上，而不僅僅是針對機器學習項目的特定需求的芯片組。

NetSpeed推出了專門為深度學習和其他人工智能應(yīng)用程序設(shè)計的SoC集成平臺的更新版本，該服務(wù)使集成NetSpeed IP變得更容易，該設(shè)計平臺使用機器學習引擎推薦IP塊來完成設(shè)計。該公司表示，其目標是在整個芯片上提供帶寬，而不是傳統(tǒng)設(shè)計的集中式處理和內(nèi)存。

Mohandass說：“從ASIC到神經(jīng)形態(tài)芯片，再到量子計算，一切都在進行中，但即使我們不需要改變我們當前架構(gòu)的整體基礎(chǔ)（以適應(yīng)新的處理器），這些芯片的大規(guī)模生產(chǎn)仍遙遙無期?！钡覀兌荚诮鉀Q同樣的問題。當他們從上到下進行工作時，我們也從下到上進行工作。

Flex Logix的CEOGeoff Tate認為，CPU仍然是數(shù)據(jù)中心中最常用的數(shù)據(jù)處理元素，其次是FPGA和GPU。但他指出，需求不太可能在短時間內(nèi)下降，因為數(shù)據(jù)中心試圖跟上對自己的機器學習應(yīng)用程序的需求。

泰特說：“現(xiàn)在人們花了很多錢來設(shè)計出一種比GPU和FPGA更好的產(chǎn)品?！薄翱偟内厔菟坪跏巧窠?jīng)網(wǎng)絡(luò)的硬件更加專業(yè)化，所以這就是我們可能會走向的地方?！崩?，微軟表示，他們使用所有東西——CPU、GPU、TPU和FPGA——根據(jù)這些，他們可以在特定的工作負載下獲得最佳的性價比。