國產FPAI芯片的AI系統(tǒng)方案

各位親愛的老鐵，繼上次《漫談人工智能與國產FPAI芯片》嘮完已經(jīng)過去一個多月了；真的是時間不等人呀，2023年馬上就要over了，最后一個月，大家要繼續(xù)努力卷呀，come on!!!

漫談人工智能與國產FPAI芯片

今天，小弟和大家談一談某國產FPAI芯片的AI系統(tǒng)方案以及參考設計實例。

1）FPAI芯片架構：博采眾長、兼容并蓄

首先，我們簡單了解下FPAI（Field Programmable AI）芯片。FPAI芯片，創(chuàng)新性地采用了異構融合架構，即在一顆die上集成了高性能SOC（PS）、大容量FPGA（PL）、AI加速引擎（AI）三大模塊。該異構融合架構，可謂“博采眾長、兼容并蓄”，融合了各異構模塊優(yōu)勢，特別適合AI計算。其中，高性能SOC優(yōu)勢在于控制和通用計算，使得能在單芯片上運行完成完整的AI計算；大容量FPGA優(yōu)勢在于可重構和高速接口，解決了長尾算子的難題，適應了AI算法不斷的迭代升級趨勢；AI加速引擎優(yōu)勢在于高性能、低功耗地完成卷積等計算密集型算子的計算。

圖1 FPAI芯片架構：異構融合

具體的，以下是某款國產FPAI芯片，該芯片資源很豐富。PS部分，有四核處理器CPU、視頻編解碼模塊VPU、圖像處理模塊GPU等；PL部分，有444K的邏輯資源，16個高速接口GTX；AI部分，有高達27.52TOPS的int8算力，精度支持int8和int16，配合AI編譯器支持快速部署

圖2 某國產FPAI芯片資源

綜上，該顆FPAI芯片支持豐富的AI應用場景，特別適合邊緣融合端的AI應用場景。

2）FPAI系統(tǒng)方案：好馬配好鞍，好船配好帆

從芯片到系統(tǒng)產品，還需設計硬件，開發(fā)FPGA程序，開發(fā)軟件程序，部署AI網(wǎng)絡等。系統(tǒng)方案及對應的參考實現(xiàn)，提供了一整套完整的解決方案參考，能夠幫助用戶方便、快速、高效、可靠地完成自己產品的設計。

所謂“好馬配好鞍，好船配好帆”，不同芯片需要適合的系統(tǒng)方案以及對應的參考設計。

首先，F(xiàn)PAI芯片是PS+PL+AI的架構，對外接口管腳位于PS、PL模塊，因此依據(jù)外部數(shù)據(jù)流輸入的管腳，設計了PS_IN、PL_IN的系統(tǒng)方案，以此對應不同的內部控制流數(shù)據(jù)流方案；然后，F(xiàn)PAI芯片的AI峰值算力達27.52Tops，能夠支持多路數(shù)據(jù)流的不同的AI計算，視頻編解碼模塊能支持多路視頻流的壓縮，可編程邏輯資源也支持多輸入的高速數(shù)據(jù)流接口，因此依據(jù)以上算力特點，設計了多源的系統(tǒng)方案，以此也符合了邊緣融合端的AI應用特點；此外，PCIe加速板卡的系統(tǒng)方案，配合主機服務器，完成AI的推理計算加速。

綜上，基于FPAI芯片的架構、算力、資源、輸入數(shù)據(jù)流來源、應用場景等特點，分別制定了如下4種系統(tǒng)方案，基本能夠涵蓋FPAI單芯片下的各種應用場景。

（1）PS_IN系統(tǒng)方案

（2）PL_IN系統(tǒng)方案

（3）多源系統(tǒng)方案

（4）PCIe加速卡系統(tǒng)方案

圖3 FPAI芯片的系統(tǒng)方案

一個系統(tǒng)方案可能有多個具體的參考實現(xiàn)，但對應的設計架構是一致的，可能只是具體內部實現(xiàn)有區(qū)別。參考設計會提供一整套參考方案，包括硬件設計、FPGA設計、軟件設計的代碼和相應文檔。因此，想要基于FPAI設計系統(tǒng)的朋友，可以依據(jù)自身的應用場景需求，選擇上述系統(tǒng)方案的參考設計。

3）多路PL_IN+VPU編碼的參考設計實例

好了，說了這么多，大家等不及要看具體的參考設計實例吧。以下會介紹多源系統(tǒng)方案的一個參考設計實例：多路PL_IN+VPU編碼的參考設計，分別從參考設計概述、硬件板卡介紹、FPGA工程介紹、軟件工程介紹、實例功耗介紹等5部分來介紹該實例。

3.1參考設計概述

輸入：4路SDI攝像頭，默認分辨率和幀率設置1080p@30Hz；

輸出：SD卡，H.265/H.264格式文件格式；

VPU：分辨率1080p，YUV422輸入, 輸出 H.265/H.264，默認編碼幀率設置30Hz；

檢測：運行示例網(wǎng)絡Yolov5s AI檢測，帶檢測結果的視頻壓縮到SD卡。

性能：4路1080p@30Hz輸入，AI+VPU編碼，每一路30fps。

圖4 多路PL_IN+VPU編碼的參考實現(xiàn)框圖

3.22

悟空硬件開發(fā)板簡介

如下圖，采用SDI接口攝像頭輸入4路視頻到板卡，悟空硬件板卡上主芯片F(xiàn)PAI芯片；SD卡，儲存和啟動Linux操作系統(tǒng)啟動文件和根文件系統(tǒng)；1GB PS DDR和2GB PL DDR，用于運行操作系統(tǒng)和AI；通過子卡接入的4路SDI視頻接口；網(wǎng)口、串口、JTAG調試接口等。

圖5 悟空硬件開發(fā)板

3.32

FPGA設計介紹

首先，整體數(shù)據(jù)流如圖所示：

圖6 多路PL_IN+VPU編碼的數(shù)據(jù)流

Step1：對應圖中的數(shù)據(jù)流1，Cam0~Cam3為4路不同的SDI攝像頭視頻流，幀率1080p@30Hz。對于每一路SDI攝像頭視頻流，復制成兩路，一路經(jīng)過resize、image_make模塊完成AI預處理后存入PL_DDR，供AI檢測使用；另一路經(jīng)過resize、rgb565轉為yuv422（可選）通過HP接口存入PS_DDR，供后續(xù)畫上檢測結果后VPU壓縮用或者HDMI顯示用。

Step2：對應圖中的數(shù)據(jù)流2，啟動AI訪問PL_DDR完成AI的計算。

Step3：對應圖中的數(shù)據(jù)流3，最后一層特征圖，經(jīng)過icore_post模塊處理后，通過HP接口寫入PS_DDR。PS完成剩余后處理計算，得出AI檢測結果，畫在PS DDR上的視頻幀上。

Step4：對應圖中的數(shù)據(jù)流4，啟動VPU，對含有結果的視頻幀壓縮成H.264/H.265格式。

Step5：對應圖中的數(shù)據(jù)流5，將壓縮視頻流寫回SD卡。

Step6（可選）：對應圖中數(shù)據(jù)流6，將檢測框的視頻顯示到HDMI顯示屏。

其次，介紹以下子數(shù)據(jù)流通路的實現(xiàn)

（1）Camera -> PLDDR的邏輯通路實現(xiàn)

圖7 子邏輯通路Camera -> PLDDR

輸入的4路視頻流幀率為1080p@30Hz，均以serdes 差分對接入FPGA端口，通過rx_sdi模塊解析為rgb888數(shù)據(jù)格式。然后經(jīng)過frame_trans模塊resize成AI計算所需要的尺寸。

在一些應用場景中，輸入數(shù)據(jù)可能預先存儲在了PS DDR中，因此本工程也預留了2路獨立的PSIN數(shù)據(jù)通路，通過HP口讀取數(shù)據(jù)，轉變成AI_MATE接口規(guī)范好的數(shù)據(jù)總線格式。這兩路PSIN數(shù)據(jù)通過img_data_crossbar_0/1模塊分別與CAM2/3視頻流數(shù)據(jù)進行仲裁，各自選出1路輸入給AI_MATE端。

（2）Camera -> PSDDR的邏輯通路實現(xiàn)

圖8 子邏輯通路Camera -> PSDDR

將CAM視頻流數(shù)據(jù)resize成VPU壓縮需要的尺寸，注意此處的resize與CAM->PL DDR通路中的resize相互獨立，即AI計算尺寸和VPU壓縮尺寸獨立配置。為了減少寫入PS DDR的數(shù)據(jù)量，這里將rgb565數(shù)據(jù)格式轉為yuv422（16bit），相比于rgba（32bit）格式，數(shù)據(jù)量可減少50%，而圖像色度分量完整保留，基本不影響圖像質量。

每一路CAM數(shù)據(jù)均需要通過HP口寫入PS DDR，PS端共有4個HP口，有很多模塊會對它發(fā)起請求，因此工程中在BlockDesign中調用axi interconnect IP進行仲裁。

最終，實現(xiàn)的FPGA資源占用情況如下所示：

圖9 FPGA實現(xiàn)資源占用情況

3.42

軟件設計介紹

參考實現(xiàn)軟件整體流程可以歸結如下：

攝像頭輸入視頻數(shù)據(jù) > AI檢測 > AI結果繪制 > vpu編碼h264/h265視頻 > 輸出數(shù)據(jù)流

軟件中按功能將代碼封裝為多個模塊：攝像頭模塊、神經(jīng)網(wǎng)絡模塊、VPU模塊。則在實現(xiàn)一次完整數(shù)據(jù)流通路對應的模塊調用為：攝像頭模塊取幀 > 神經(jīng)網(wǎng)絡模塊計算與后處理 > 攝像頭模塊得到圖像數(shù)據(jù) > vpu模塊壓縮 > vpu模塊輸出數(shù)據(jù)。

在AI調度過程中，采用了任務隊列的實現(xiàn)方式。主要參考了生產者消費者設計模式，前處理、icore前向、后處理運行在各自的線程中，互相之間通過任務隊列的方式通信。

對于多路的情況，則會使用多個前處理線程與多個后處理線程，以4路為例，4路不同的輸入圖像數(shù)據(jù)、icore推理結果會存放在ddr的不同位置，不同路之間數(shù)據(jù)不會相互干擾。任務隊列還提供了可以控制不同路是否做AI或者設置優(yōu)先級的功能。

圖10 軟件任務隊列調度框圖

具體的AI神經(jīng)網(wǎng)絡部署，基于icraft編譯器，直接編譯生成json和raw文件，就能夠更新參考設計的AI網(wǎng)絡部署。

3.52

實例結果介紹

性能：能夠穩(wěn)定完成4路1080p@30Hz視頻的AI檢測和視頻編碼。

功耗：整體芯片功耗（含DDR）是12.32W。

表1 多路PL_IN+VPU編碼的功耗

4）小結：海闊憑魚躍，天高任鳥飛

好了，經(jīng)過以上的參考設計實例的介紹，相信大家對FPAI芯片的系統(tǒng)方案以及參考設計有了更深層次的了解。

近幾年，邊緣端AI計算的市場份額逐年增長明顯，越來越多的落地應用需求提出?！昂ｉ煈{魚躍，天高任鳥飛”，如何選擇一款AI芯片及系統(tǒng)方案，能夠滿足邊緣融合端的各種應用場景，能夠適應算法迭代的需求，能夠解決長尾算子的問題，形成高性能、低功耗、靈活可靠的產品？相信FPAI芯片及系統(tǒng)方案，會是一個不錯的選擇！

審核編輯：湯梓紅