如今，基于深度學(xué)習(xí)（DL）的人工智能（AI）應(yīng)用越來(lái)越廣泛，不論是在與個(gè)人消費(fèi)者相關(guān)的智能家居、智能駕駛等領(lǐng)域，還是在視頻監(jiān)控、智慧城市等公共管理領(lǐng)域，我們都能看到其身影。

眾所周知，實(shí)施一個(gè)完整的 AI 應(yīng)用需要經(jīng)歷訓(xùn)練和推理兩個(gè)過(guò)程。所謂“訓(xùn)練”，就是我們要將大量的數(shù)據(jù)代入到神經(jīng)網(wǎng)絡(luò)模型中運(yùn)算并反復(fù)迭代，“教會(huì)”算法模型如何正確的工作，訓(xùn)練出一個(gè) DL 模型。而接下來(lái)，我們就可以利用訓(xùn)練出來(lái)的模型來(lái)在線響應(yīng)用戶的需求，根據(jù)輸入的新數(shù)據(jù)做出正確而及時(shí)的決策判斷，這個(gè)過(guò)程就是“推理”。

通常來(lái)講，一個(gè) AI 應(yīng)用中“訓(xùn)練”只需要做一次——有時(shí)這個(gè)工作會(huì)交給第三方專(zhuān)業(yè)的且有充沛算力資源的團(tuán)隊(duì)去做，而應(yīng)用開(kāi)發(fā)工程師要做的則是將訓(xùn)練好的模型部署到特定的硬件平臺(tái)上，滿足目標(biāo)應(yīng)用場(chǎng)景中推理過(guò)程的需要。由于推理過(guò)程會(huì)直接聯(lián)系最終用戶，推理的準(zhǔn)確性和速度也會(huì)直接影響到用戶體驗(yàn)的好壞，因此如何有效地為 AI 推理做加速，也就成了當(dāng)下開(kāi)發(fā)者普遍關(guān)心的一個(gè)熱門(mén)的話題。

AI 推理加速，FPGA 勝出！

從硬件架構(gòu)來(lái)看，可以支持 AI 推理加速的有四個(gè)可選方案，它們分別是：CPU、GPU、FPGA 和 ASIC，如果對(duì)這幾類(lèi)器件的特性進(jìn)行比較，會(huì)發(fā)現(xiàn)按照從左到右的順序，器件的靈活性 / 適應(yīng)性是遞減的，而處理能力和性能功耗比則是遞增的。

CPU 是基于馮?諾依曼架構(gòu)，雖然其很靈活，但由于存儲(chǔ)器訪問(wèn)往往要耗費(fèi)幾個(gè)時(shí)鐘周期才能執(zhí)行一個(gè)簡(jiǎn)單的任務(wù)，延遲會(huì)很長(zhǎng)，應(yīng)對(duì)神經(jīng)網(wǎng)絡(luò)（NN）這種計(jì)算密集型的任務(wù)，功耗也會(huì)比較大，顯然最不適合做 AI 推理。

GPU 具有強(qiáng)大的數(shù)據(jù)并行處理能力，在做海量數(shù)據(jù)訓(xùn)練方面優(yōu)勢(shì)明顯，而推理計(jì)算通常一次只對(duì)一個(gè)輸入項(xiàng)進(jìn)行處理的應(yīng)用，GPU 并行計(jì)算的優(yōu)勢(shì)發(fā)揮不出來(lái)，再加上其功耗相對(duì)較大，所以在 AI 推理方面也不是最優(yōu)選擇。

從高性能和低功耗的角度來(lái)看，定制的 ASIC 似乎是一種理想的解決方案，但其開(kāi)發(fā)周期長(zhǎng)、費(fèi)用高，對(duì)于總是處于快速演進(jìn)和迭代中的 DL 和 NN 算法來(lái)說(shuō)，靈活性嚴(yán)重受限，風(fēng)險(xiǎn)太大，在 AI 推理中人們通常不會(huì)考慮它。

所以我們的名單上只剩下 FPGA 了。這些年來(lái)大家對(duì)于 FPGA 快速、靈活和高效的優(yōu)點(diǎn)認(rèn)識(shí)越來(lái)越深入，硬件可編程的特性使其能夠針對(duì) DL 和 NN 處理的需要做針對(duì)性的優(yōu)化，提供充足的算力，而同時(shí)又保持了足夠的靈活性。今天基于 FPGA 的異構(gòu)計(jì)算平臺(tái)，除了可編程邏輯，還會(huì)集成多個(gè) Arm 處理器內(nèi)核、DSP、片上存儲(chǔ)器等資源，DL 所需的處理能力可以很好地映射到這些 FPGA 資源上，而且所有這些資源都可以并行工作 ，即每個(gè)時(shí)鐘周期可觸發(fā)多達(dá)數(shù)百萬(wàn)個(gè)同時(shí)的操作，這對(duì)于 AI 推理是再合適不過(guò)了。

與 CPU 和 GPU 相比，F(xiàn)PGA 在 AI 推理應(yīng)用方面的優(yōu)勢(shì)還表現(xiàn)在：

不受數(shù)據(jù)類(lèi)型的限制，比如它可以處理非標(biāo)準(zhǔn)的低精度數(shù)據(jù)，從而提高數(shù)據(jù)處理的吞吐量。

功耗更低，針對(duì)相同的 NN 計(jì)算，F(xiàn)PGA 與 CPU/GPU 相比平均功耗低 5~10 倍。

可通過(guò)重新編程以適應(yīng)不同任務(wù)的需要，這種靈活性對(duì)于適應(yīng)持續(xù)發(fā)展中的 DL 和 NN 算法尤為關(guān)鍵。

應(yīng)用范圍廣，從云端到邊緣端的 AI 推理工作，都可勝任。

總之一句話，在 AI 推理計(jì)算的競(jìng)爭(zhēng)中，F(xiàn)PGA 的勝出沒(méi)有懸念。

GPU 無(wú)縫對(duì)接，F(xiàn)PGA 即插即用

不過(guò)，雖然 FPGA 看上去“真香”，但是很多 AI 應(yīng)用的開(kāi)發(fā)者還是對(duì)其“敬而遠(yuǎn)之”，究其原因最重要的一點(diǎn)就是——FPGA 上手使用太難了！

難點(diǎn)主要體現(xiàn)在兩個(gè)方面：

首先，對(duì) FPGA 進(jìn)行編程需要特定的技能和知識(shí)，要熟悉專(zhuān)門(mén)的硬件編程語(yǔ)言，還要熟練使用 FPGA 的特定工具，才能通過(guò)綜合、布局和布線等復(fù)雜的步驟來(lái)編譯設(shè)計(jì)。這對(duì)于很多嵌入式工程師來(lái)說(shuō)，完全是一套他們所不熟悉的“語(yǔ)言”。

再有，因?yàn)楹芏?DL 模型是在 GPU 等計(jì)算架構(gòu)上訓(xùn)練出來(lái)的，這些訓(xùn)練好的模型移植、部署到 FPGA 上時(shí)，很可能會(huì)遇到需要重新訓(xùn)練和調(diào)整參數(shù)等問(wèn)題，這要求開(kāi)發(fā)者有專(zhuān)門(mén)的 AI 相關(guān)的知識(shí)和技能。

如何能夠降低大家在 AI 推理中使用 FPGA 的門(mén)檻？在這方面，Mipsology 公司給我們帶來(lái)了一個(gè)“驚喜”——該公司開(kāi)發(fā)了一種基于 FPGA 的深度學(xué)習(xí)推理引擎 Zebra，可以讓開(kāi)發(fā)者在“零努力（Zero Effort）”的情況下，對(duì) GPU 訓(xùn)練的模型代碼進(jìn)行轉(zhuǎn)換，使其能夠在 FPGA 上運(yùn)行，而無(wú)需改寫(xiě)任何代碼或者進(jìn)行重新訓(xùn)練。

這也就意味著，調(diào)整 NN 參數(shù)甚至改變神經(jīng)網(wǎng)絡(luò)并不需要強(qiáng)制重新編譯 FPGA，而這些重新編譯工作可能需要花費(fèi)數(shù)小時(shí)、數(shù)天，甚至更長(zhǎng)時(shí)間?？梢哉f(shuō)，Zebra 讓 FPGA 對(duì)于開(kāi)發(fā)者成了“透明”的，他們可以在 NN 模型訓(xùn)練好之后，無(wú)縫地從 CPU 或 GPU 切換到 FPGA 進(jìn)行推理，而無(wú)需花費(fèi)更多的時(shí)間！

目前，Zebra 可以支持 Caffe、Caffe2、MXNet 和 TensorFlow 等主流 NN 框架。在硬件方面，Zebra 已經(jīng)可以完美地支持 Xilinx 的系列加速卡，如 Alveo U200、Alveo U250 和 Alveo U50 等。對(duì)于開(kāi)發(fā)者來(lái)說(shuō)，“一旦將 FPGA 板插入 PC，只需一個(gè) Linux 命令”，F(xiàn)PGA 就能夠代替 CPU 或 GPU 立即進(jìn)行無(wú)縫的推斷，可以在更低的功耗下將計(jì)算速度提高一個(gè)數(shù)量級(jí)。對(duì)用戶來(lái)說(shuō)，這無(wú)疑是一種即插即用的體驗(yàn)。

強(qiáng)強(qiáng)聯(lián)手，全生態(tài)支持

更好的消息是：為了能夠加速更多 AI 應(yīng)用的落地，安富利亞洲和 Mipsology 達(dá)成了合作協(xié)議，將向其亞太區(qū)客戶推廣和銷(xiāo)售 Mipsology 這一獨(dú)特的 FPGA 深度學(xué)習(xí)推理加速軟件 —— Zebra。

這對(duì)于合作的雙方無(wú)疑是一個(gè)雙贏的局面：對(duì)于 Mipsology 來(lái)說(shuō)，可以讓 Zebra 這個(gè)創(chuàng)新的工具以更快的速度覆蓋和惠及更多的開(kāi)發(fā)者；對(duì)安富利來(lái)說(shuō)，此舉也進(jìn)一步擴(kuò)展了自身強(qiáng)大的物聯(lián)網(wǎng)生態(tài)系統(tǒng)，為客戶帶來(lái)更大的價(jià)值，為希望部署 DL 的客戶提供一整套全面的服務(wù)，包括硬件、軟件、系統(tǒng)集成、應(yīng)用開(kāi)發(fā)、設(shè)計(jì)鏈和專(zhuān)業(yè)技術(shù)。

安富利推理加速成功應(yīng)用案例：智能網(wǎng)絡(luò)監(jiān)控平臺(tái) AI Bluebox

審核編輯 黃昊宇