賽靈思公司工業(yè)、視覺、醫(yī)療及科學(xué)市場 AI 系統(tǒng)架構(gòu)師

在 “人工智能引發(fā)能源問題，我們該怎么辦 （一）”中，我們簡要介紹了更高層次的問題，這些問題為優(yōu)化加速器的需求奠定了基礎(chǔ)。作為一個(gè)尖銳的問題提醒，現(xiàn)在讓我們通過一個(gè)非常簡單的圖像分類算法，來看一看與之相關(guān)聯(lián)的計(jì)算成本與功耗。

利用 Mark Horowitz 提供的數(shù)據(jù)點(diǎn)，我們可以考慮圖像分類器在不同空間限制下的相對功耗。雖然您會注意到 Mark 的能耗估計(jì)是針對 45nm 節(jié)點(diǎn)的，但業(yè)界專家建議，這些數(shù)據(jù)點(diǎn)將繼續(xù)按當(dāng)前的半導(dǎo)體工藝尺寸進(jìn)行調(diào)整。也就是說，無論工藝尺寸是 45nm 還是 16nm，與 FP32 運(yùn)算相比，INT8 運(yùn)算的能量成本仍然低一個(gè)數(shù)量級。

數(shù)據(jù)來源：Bill Dally（斯坦福），Cadence 嵌入式神經(jīng)網(wǎng)絡(luò)峰會，2017 年 2 月 1 日

功耗可按以下方式進(jìn)行計(jì)算：

功耗 = 能量（J）/運(yùn)算*運(yùn)算/s

從這個(gè)等式中我們可以看出，只有兩種方法能夠降低功耗：要么減少執(zhí)行特定運(yùn)算所需的功耗，要么減少運(yùn)算的次數(shù)，或者一起減少。

對于我們的圖像分類器，我們將選擇ResNet50作為一個(gè)目標(biāo)。ResNet 提供了近乎最先進(jìn)的圖像分類性能，同時(shí)與眾多具有類似性能的可比網(wǎng)絡(luò)相比，它所需的參數(shù)（權(quán)重）更少，這便是它的另一大優(yōu)勢。

為了部署 ResNet50，我們每次推斷需要大約 77 億運(yùn)算的算力。這意味著，對于每一幅我們想要分類的圖像，我們將產(chǎn)生 7.7 * 10E9 的“計(jì)算成本”。

現(xiàn)在，讓我們考慮一個(gè)相對高容量的推斷應(yīng)用，在該應(yīng)用中，我們可能希望每秒對 1000 幅圖像進(jìn)行分類。堅(jiān)持沿用 Mark 的 45nm 能耗估算，我們得出以下結(jié)論：

功耗 = 4pJ + 0.4pJ/運(yùn)算*7.7B運(yùn)算/圖像 * 1000圖像/s

= 33.88W

作為創(chuàng)新的第一維度，我們可以將網(wǎng)絡(luò)從 FP32 量化到 8 位整數(shù)運(yùn)算。這將功耗降低了一個(gè)數(shù)量級以上。雖然在訓(xùn)練期間 FP32 的精度有利于反向傳輸，但它在像素?cái)?shù)據(jù)的推斷時(shí)間幾乎沒有創(chuàng)造價(jià)值。大量研究和論文已經(jīng)表明，在眾多應(yīng)用中，可以分析每一層的權(quán)重分布并對該分布進(jìn)行量化，同時(shí)將預(yù)量化的預(yù)測精度保持在非常合理的范圍內(nèi)。

此外，量化研究還表明，8 位整數(shù)值對于像素?cái)?shù)據(jù)來說是很好的“通用”解決方案，并且對于典型網(wǎng)絡(luò)的許多內(nèi)層，可以將其量化到 3-4 位，而在預(yù)測精度上損失最小。由 Michaela Blott 領(lǐng)導(dǎo)的賽靈思研究實(shí)驗(yàn)室團(tuán)隊(duì)多年來一直致力于二進(jìn)制神經(jīng)網(wǎng)絡(luò) （BNN） 的研究與部署，并取得了一些令人矚目的成果。（如需了解更多信息，請查看 FINN 和 PYNQ）

如今，我們與DNNDK的重點(diǎn)是將網(wǎng)絡(luò)推斷量化至 INT8。現(xiàn)代賽靈思 FPGA 中的單個(gè) DSP 片可以在單個(gè)時(shí)鐘周期內(nèi)計(jì)算兩個(gè) 8 位乘法運(yùn)算，這并非巧合。在 16nm UltraScale+ MPSoC 器件系列中，我們擁有超過 15 種不同的器件變型，從數(shù)百個(gè) DSP 片擴(kuò)展到數(shù)千個(gè) DSP 片，同時(shí)保持應(yīng)用和/OS 兼容性。16nm DSP 片的最大 fCLK 峰值為 891MHz。因此，中型 MPSoC 器件是功能強(qiáng)大的計(jì)算加速器。

現(xiàn)在，讓我們考慮一下從 FP32 遷移到 INT8 的數(shù)學(xué)含義：

功耗 = 0.2pJ+0.03pJ/運(yùn)算*7.7B運(yùn)算/圖像*1000圖像/s

= 1.771W

Mark 在演講中，提出了一個(gè)解決計(jì)算效率問題的方法，那就是使用專門構(gòu)建的專用加速器。他的觀點(diǎn)適用于機(jī)器學(xué)習(xí)推斷。

上述分析沒有考慮到的是，我們還將看到 FP32 的外部 DDR 流量至少減少四倍。正如您可能預(yù)料到的那樣，與外部存儲器訪問相關(guān)的功耗成本比內(nèi)部存儲器高得多，這也是事實(shí)。如果我們簡單地利用 Mark 的數(shù)據(jù)點(diǎn)，我們會發(fā)現(xiàn)訪問 DRAM 的能量成本大約是 1.3-2.6nJ，而訪問 L1 存儲器的能量成本可能是 10-100pJ?？雌饋?，與訪問內(nèi)部存儲器（如賽靈思 SoC 中發(fā)現(xiàn)的 BlockRAM 和 UltraRAM）的能量成本相比，外部 DRAM 訪問的能量成本至少高出一個(gè)數(shù)量級。

除了量化所提供的優(yōu)勢以外，我們還可以使用網(wǎng)絡(luò)剪枝技術(shù)來減少推斷所需的計(jì)算工作負(fù)載。使用賽靈思Vitis AI 優(yōu)化器工具，可以將在 ILSCVR2012（ImageNet 1000 類）上訓(xùn)練的圖像分類模型的計(jì)算工作負(fù)載減少 30-40%，精度損失不到 1%。再者，如果我們減少預(yù)測類的數(shù)量，我們可以進(jìn)一步增加這些性能提升?，F(xiàn)實(shí)情況是，大多數(shù)現(xiàn)實(shí)中的圖像分類網(wǎng)絡(luò)都是在有限數(shù)量的類別上進(jìn)行訓(xùn)練的，這使得超出這種水印的剪枝成為可能。作為參考，我們其中一個(gè)經(jīng)過剪枝的 VGG-SSD 實(shí)現(xiàn)方案在四個(gè)類別上進(jìn)行訓(xùn)練，需要 17 個(gè) GOP（與原始網(wǎng)絡(luò)需要 117 個(gè) GOP 相比），在精度上沒有損失！誰說 VGG 沒有內(nèi)存效率？

然而，如果我們簡單地假設(shè)我們在 ILSCVR2012 上訓(xùn)練我們的分類器，我們發(fā)現(xiàn)我們通常可以通過剪枝減少大約 30% 的計(jì)算工作負(fù)載?？紤]到這一點(diǎn)，我們得出以下結(jié)論：

功耗 = 0.2pJ+0.03pJ/運(yùn)算*7.7B運(yùn)算/圖像0.7*1000圖像/s

= 1.2397W

將此值與 FP32 推斷的原始估計(jì)值 33.88W 進(jìn)行比較。

雖然這種分析沒有考慮到多種變量（混合因素），但顯然存在一個(gè)重要的優(yōu)化機(jī)會。因此，當(dāng)我們繼續(xù)尋找遙遙無期的“解決計(jì)算飽和的靈丹妙藥”時(shí)，考慮一下吳恩達(dá)斷言“AI 是新電能”的背景。我認(rèn)為他并不是在建議 AI 需要更多的電能，只是想表明 AI 具有極高的價(jià)值和巨大的影響力。所以，讓我們對 ML 推斷保持冷靜的頭腦。對待機(jī)器學(xué)習(xí)推斷應(yīng)保持冷靜思考，既不必貿(mào)然跟風(fēng)，也無需針對高性能推斷設(shè)計(jì)采用液態(tài)冷卻散熱。

在本文的第三篇中，我們還將就專門構(gòu)建的“高效”神經(jīng)網(wǎng)絡(luò)模型的使用，以及如何在賽靈思應(yīng)用中利用它們來實(shí)現(xiàn)更大的效率增益進(jìn)行討論。在此之前，請參閱DNNDK SDK 用戶指南中的第 7 章，以便您更好地了解自適應(yīng)硬件（位于邊緣和更遠(yuǎn)位置）可能實(shí)現(xiàn)的推斷性能水平。
編輯：lyn