如何對推理加速器進(jìn)行基準(zhǔn)測試

在過去的十年中，神經(jīng)網(wǎng)絡(luò)已經(jīng)從有趣的研究發(fā)展到廣泛應(yīng)用于語言翻譯、關(guān)鍵詞識別和對象識別。

長期以來，神經(jīng)網(wǎng)絡(luò)僅限于具有運(yùn)行神經(jīng)網(wǎng)絡(luò)所需的計(jì)算資源的數(shù)據(jù)中心，最初是在微處理器上，然后越來越多地在 GPU 上，因?yàn)?GPU 具有運(yùn)行神經(jīng)網(wǎng)絡(luò)所需的更多 MAC。

英偉達(dá)最近宣布，其推理產(chǎn)品的銷售額首次超過了培訓(xùn)產(chǎn)品的銷售額。

隨著推理移動到電力和成本預(yù)算受限的邊緣（數(shù)據(jù)中心之外的任何地方），客戶正在尋找能夠以他們能夠承受的價(jià)格和電力提供所需吞吐量的推理加速器。

本博客討論如何對推理加速器進(jìn)行基準(zhǔn)測試，以找到最適合您的神經(jīng)網(wǎng)絡(luò)的加速器；以及客戶在學(xué)習(xí)曲線上通常如何發(fā)展他們對基準(zhǔn)測試的思考。神經(jīng)網(wǎng)絡(luò)推理令人興奮但也很復(fù)雜，因此最初非常令人困惑。當(dāng)客戶解決問題時(shí)，燈會逐步亮起。

首先讓我們回顧一下推理加速器的常見元素以及它們運(yùn)行的??神經(jīng)網(wǎng)絡(luò)。

所有推理加速器的共同元素

所有推理加速器都有以下共同點(diǎn)：

MAC（很多）

片上 SRAM

片外DRAM

控制邏輯

所有單元之間的片上互連

推理加速器之間的元素和組織的數(shù)量差異很大；組織 MAC 的方法；MAC 與 SRAM/DRAM 的比率；以及它們之間的數(shù)據(jù)如何流動對于確定加速器的實(shí)際加速情況至關(guān)重要。

所有神經(jīng)網(wǎng)絡(luò)模型的共同元素

所有神經(jīng)網(wǎng)絡(luò)都包含以下元素：

數(shù)值選擇：32 位浮點(diǎn)（模型訓(xùn)練時(shí)使用的），

16 位浮點(diǎn)、16 位整數(shù)或 8 位整數(shù)

輸入數(shù)據(jù)：圖像、音頻、文本等

幾十到幾百層，每層處理前一層的激活，并將輸出激活傳遞到下一層

模型每一層的權(quán)重

TOPS - 推理基準(zhǔn)測試的第一階段

剛接觸神經(jīng)網(wǎng)絡(luò)性能估計(jì)的客戶幾乎總是先問“你的芯片/模塊/板有多少 TOPS？” 因?yàn)樗麄兗僭O(shè) TOPS 和吞吐量相關(guān) - 但事實(shí)并非如此。

TOPS 是每秒萬億次操作的首字母縮寫詞，可用 MAC 的數(shù)量（以千計(jì)）乘以 MAC 運(yùn)行的頻率（以千兆赫茲為單位）乘以 2（一個(gè) MAC = 兩個(gè)操作）。因此，簡單來說，1GHz 的 1K MAC = 2 TOPS。

更多 MAC 意味著更多 TOPS。

重要的是內(nèi)存組織和互連是否可以保持 MAC 的“饋送”，從而使它們得到高度利用，從而在模型上產(chǎn)生高吞吐量。

ResNet-50 - 推理基準(zhǔn)測試的第二階段

一旦客戶意識到重要的指標(biāo)是吞吐量，他們通常會繼續(xù)詢問，“ResNet-50 的芯片/模塊/板的推理/秒吞吐量是多少？”

MLPerf 最近發(fā)布了眾多制造商提交的 ResNet-50 基準(zhǔn)。

ResNet-50 是一種流行的 CNN（卷積神經(jīng)網(wǎng)絡(luò)），用于對圖像進(jìn)行分類，多年來一直廣泛用于基準(zhǔn)測試。

問題是，沒有客戶真正使用 ResNet-50。

客戶詢問 ResNet-50 是因?yàn)樗麄兗僭O(shè)他們模型上的芯片/模塊/板的吞吐量將與 ResNet-50 吞吐量相關(guān)。

這個(gè)假設(shè)的兩個(gè)主要缺陷是：

ResNet-50 使用 224x224 圖像，但大多數(shù)客戶希望處理 16 倍以上的百萬像素圖像。ResNet-50 對于 224x224 圖像可能在芯片/模塊/板上運(yùn)行良好，但可能不適用于百萬像素圖像，因?yàn)檩^大的圖像比較小的圖像對內(nèi)存子系統(tǒng)的壓力更大。對于 2 兆像素的圖像，中間激活可以是 64 兆字節(jié)，而對于 224x224 圖像，中間激活最多為幾兆字節(jié)。

批量大小：制造商希望引用他們可以為基準(zhǔn)測試的最大數(shù)字，因此他們的 ResNet-50 基準(zhǔn)數(shù)字通常是他們可以運(yùn)行的最大批量大小。但對于邊緣應(yīng)用程序，幾乎所有應(yīng)用程序都需要批量大小 = 1 以實(shí)現(xiàn)最小延遲?？紤]一輛車：如果你正在尋找像行人這樣的物體，你需要盡快意識到它們。因此，大批量可能會最大化吞吐量，但在邊緣需要的是最小延遲，即批量大小為 1。

如果 ResNet-50 在批量大小 = 1 的百萬像素圖像上運(yùn)行，則它對于真實(shí)世界模型來說并不是一個(gè)糟糕的基準(zhǔn)。但它不是通常使用的一個(gè)好的基準(zhǔn)。

真實(shí)世界模型和圖像 - 推理基準(zhǔn)測試的第三階段

客戶在學(xué)習(xí)曲線中達(dá)到的下一個(gè)階段是他們應(yīng)該找到一個(gè)具有與他們相似特征的開源神經(jīng)網(wǎng)絡(luò)模型：相似類型的模型（CNN 或 RNN 或 LSTM），相似大小的圖像（或其他輸入類型），相似的層數(shù)和相似的操作。

例如，對 CNN 感興趣的客戶他們最常問的問題是：“對于 2 兆像素（或 1 或 4），YOLOv2（或 YOLOv3）的每秒幀數(shù)是多少？”

真正有趣的是，盡管大多數(shù)客戶都想了解 YOLOv2/v3，但幾乎沒有制造商為其提供基準(zhǔn)（一個(gè)例外是 Nvidia Xavier，它將 YOLOv3 的基準(zhǔn)為 608x608 或 1/3 兆像素）。

YOLOv3 是一個(gè)壓力很大的基準(zhǔn)測試，它很好地測試了推理加速器的魯棒性：6200 萬個(gè)權(quán)重；100+層；和超過 3000 億個(gè) MAC 來處理單個(gè) 2 兆像素圖像。對該模型進(jìn)行基準(zhǔn)測試顯示了加速器是否可以同時(shí)獲得高 MAC 利用率、管理存儲讀取/寫入而不會使 MAC 停滯，以及互連是否可以在內(nèi)存和 MAC 之間有效移動數(shù)據(jù)而不會停滯計(jì)算。

當(dāng)然，不僅僅是吞吐量很重要，實(shí)現(xiàn)吞吐量的成本和功率也很重要。

2000 美元和 75 瓦的 Nvidia Tesla T4 可能具有您想要的吞吐量，但可能遠(yuǎn)遠(yuǎn)超出您的預(yù)算。

客戶考慮的另一件事是他們計(jì)劃運(yùn)行的模型的吞吐量效率、吞吐量/美元和吞吐量/瓦特

第 4 階段：對吞吐量、功率和成本的實(shí)際模型進(jìn)行基準(zhǔn)測試

客戶對基準(zhǔn)推理學(xué)習(xí)曲線的最后階段是開發(fā)自己的模型，使用通常來自 Nvidia 或數(shù)據(jù)中心的訓(xùn)練硬件/軟件，然后在可能的目標(biāo)推理加速器上對該模型進(jìn)行基準(zhǔn)測試。

通過這種方式，客戶可以真正判斷哪個(gè)加速器將為他們提供最佳的吞吐量效率。

終點(diǎn)似乎很明顯，但事后諸葛亮。神經(jīng)網(wǎng)絡(luò)推理非常復(fù)雜，所有客戶都要經(jīng)過學(xué)習(xí)曲線才能得出正確的結(jié)論。

審核編輯：郭婷