“萬(wàn)能芯片”FPGA在深度學(xué)習(xí)領(lǐng)域的用法

作者：邱陸陸

人工智能的風(fēng)潮從技術(shù)一路蔓延到硬件，讓“芯片”成為今年行業(yè)里盛極一時(shí)的主題。人們關(guān)注通用芯片領(lǐng)域里CPU和GPU不斷刷新的基準(zhǔn)（benchmark），更對(duì)專用芯片（ASIC）領(lǐng)域不同場(chǎng)景下不斷問(wèn)世的解決方案表示出了空前的熱情。

而眾所周知，在專用芯片與通用芯片中間，還有一個(gè)更為靈活，也更為神秘的領(lǐng)域：FPGA。無(wú)論是英特爾天價(jià)的收購(gòu)還是微軟與 IBM 雄心勃勃的計(jì)劃，都讓人對(duì)其更加好奇。而“萬(wàn)能芯片”的名稱，以及多樣化的職責(zé)范圍：它可以是智能手機(jī)里不起眼的一個(gè)小組件，也可以是數(shù)千美金一塊的開發(fā)板，也讓人對(duì)其真面目更加疑惑。

FPGA 與深度學(xué)習(xí)的關(guān)系究竟是什么？它適合加速何種類型的運(yùn)算？適合應(yīng)用于何種場(chǎng)景？6 月，機(jī)器之心采訪了美國(guó)伊利諾伊大學(xué)香檳分校電氣與計(jì)算機(jī)工程系（UIUC ECE）教授、深度學(xué)習(xí)算法硬件加速解決方案創(chuàng)業(yè)公司 Inspirit IoT 創(chuàng)始人陳德銘，與他聊了聊“萬(wàn)能芯片”FPGA 在深度學(xué)習(xí)領(lǐng)域的用法。陳教授于近期宣布兼任國(guó)內(nèi)計(jì)算機(jī)視覺領(lǐng)域創(chuàng)業(yè)公司觸景無(wú)限的首席科學(xué)家。

以下為采訪實(shí)錄。

機(jī)器之心：從算法的角度，F(xiàn)PGA 適合于加速哪些運(yùn)算？

FPGA 的優(yōu)勢(shì)在于可定制化的并行。它可以為了特定算法專門定制邏輯單元。例如，算法中需要完成一個(gè)開三次方的運(yùn)算，在通用芯片上需要一長(zhǎng)串指令實(shí)現(xiàn)它，但是在 FPGA 上可以為這個(gè)特定運(yùn)算設(shè)計(jì)一個(gè)單元。

定制化的一個(gè)“極限”的例子是，如果能夠把神經(jīng)網(wǎng)絡(luò)中的參數(shù)全部二值化、特征圖（feature map）也全部二值化，那么甚至可以不用乘法器，而是用異或門（XOR gate）完成計(jì)算，會(huì)有異常強(qiáng)大的表現(xiàn)。即使不全部二值化，因?yàn)槿慷祷瘯?huì)讓準(zhǔn)確度明顯下降，只要合理使用各種低位寬的運(yùn)算，仍可以讓 FPGA 大放異彩。比如在我們最近和 IBM 合作的 ELB-NN 項(xiàng)目中，我們可以在功耗低于 5 瓦的情形下，讓神經(jīng)網(wǎng)絡(luò)在 FPGA 上的算力達(dá)到 10.3 TOPS，同時(shí)依然維持非常高的準(zhǔn)確度。

另一個(gè)例子是微軟的 Brainwave FPGA 項(xiàng)目，通過(guò)使用特殊的 8-bit 的浮點(diǎn)運(yùn)算，可以在高容量的 FPGA 上達(dá)到 40 TOPS。

值得一提的是，LSTM 等神經(jīng)網(wǎng)絡(luò)每一步操作都很相似，這種整體運(yùn)算過(guò)程是序列的算法也非常適用于用 FPGA 進(jìn)行加速。FPGA 非常擅長(zhǎng)處理流數(shù)據(jù)，可以設(shè)計(jì)流水線機(jī)制，使得在運(yùn)算過(guò)程中不需要將中間數(shù)據(jù)存入內(nèi)存而是直接送到下一步進(jìn)行操作。

機(jī)器之心：相比于其他芯片，F(xiàn)PGA 在實(shí)現(xiàn)深度學(xué)習(xí)模型時(shí)有哪些結(jié)構(gòu)帶來(lái)的優(yōu)勢(shì)？

FPGA 的引腳比一般的芯片多，同時(shí)它的邏輯單元可以完全根據(jù)算法要求來(lái)重組從而產(chǎn)生定制化的數(shù)據(jù)通路（datapath），因此非常適合處理大批量流數(shù)據(jù)。它不像 GPU 一樣需要反復(fù)調(diào)取片外存儲(chǔ)中的數(shù)據(jù)，理想狀態(tài)時(shí)，只要數(shù)據(jù)一次性流進(jìn)去再流出來(lái)，算法就完成了，因此，F(xiàn)PGA 非常適合具有低延遲需求的任務(wù)。

另外 FPGA 的速度快、功率低的特點(diǎn)也讓它在能耗方面相比于 CPU、GPU 也有很大優(yōu)勢(shì)。

比如我們?cè)?FPGA 上實(shí)現(xiàn)了長(zhǎng)期循環(huán)卷積網(wǎng)絡(luò)（Long-term Recurrent Convolutional Network），它的速度 ( latency ) 比 GPU 快 3.1 倍，F(xiàn)PGA 的功率比 GPU 小 5.6 倍，最終整體能耗降低 17 倍左右。

機(jī)器之心：從行業(yè)的角度，F(xiàn)PGA 都能夠用于哪些機(jī)器學(xué)習(xí)與深度學(xué)習(xí)任務(wù)的加速？

在終端，有些自動(dòng)駕駛公司的車上系統(tǒng)中就采用了 FPGA 完成一些實(shí)時(shí)檢測(cè)識(shí)別任務(wù)。例如，我曾經(jīng)代表 UIUC 與小鵬汽車的副總裁、機(jī)器學(xué)習(xí)專家谷俊麗女士交流，她提到，F(xiàn)PGA 可以憑借信號(hào)處理和低能耗方面的優(yōu)勢(shì)，成為一個(gè)可靠的第二系統(tǒng)，在汽車的第一系統(tǒng)出現(xiàn)失誤的時(shí)候，作為安全模式介入進(jìn)來(lái)。IoT 方面的應(yīng)用就更多了，無(wú)論是安防還是智能家居，F(xiàn)PGA 都會(huì)有機(jī)會(huì)進(jìn)入市場(chǎng)。

在云端，也有結(jié)合 FPGA 的巨大空間。之前，微軟的 Project Catapult 就搭建起了大規(guī)模的 FPGA 云服務(wù)器。現(xiàn)在 Catapult 正在運(yùn)行搜索和數(shù)據(jù)存儲(chǔ)方面的運(yùn)算，同時(shí)，他們也在積極地思考如何把機(jī)器學(xué)習(xí)運(yùn)算部署在上面，包括是否能將 FPGA 作為其 Azure 云的后端支持。亞馬遜 AWS 的 FPGA 云計(jì)算已經(jīng)很有規(guī)模了，并且一直在大力推動(dòng)之中。最近，國(guó)內(nèi)創(chuàng)業(yè)公司深鑒也開始結(jié)合華為的云端 FPGA 來(lái)進(jìn)行深度學(xué)習(xí)算法的加速，特別在基于 LSTM 的語(yǔ)音識(shí)別上非常有優(yōu)勢(shì)。

機(jī)器之心：能否介紹一下使用高層次綜合（HLS）自動(dòng)生成寄存器級(jí)（RTL）實(shí)現(xiàn)與手工用硬件描述語(yǔ)言（HDL）進(jìn)行實(shí)現(xiàn)的區(qū)別？

對(duì)于深度學(xué)習(xí)相關(guān)算法來(lái)說(shuō)，HLS 是有優(yōu)勢(shì)的。

當(dāng)你閱讀用高層語(yǔ)言描述的深度學(xué)習(xí)模型時(shí)，你會(huì)發(fā)現(xiàn)模型是有規(guī)律的。比如，卷積操作在 C 語(yǔ)言里就是一個(gè)六層的嵌套循環(huán)。此時(shí)我就可以針對(duì)這個(gè)循環(huán)開發(fā)一個(gè) IP 核，確定如何進(jìn)行流水線設(shè)計(jì)（pipelining），如何分配存儲(chǔ)等，然后再將 IP 核用在 FPGA 上，進(jìn)而讓神經(jīng)網(wǎng)絡(luò)中的所有卷積層來(lái)共享 IP 核即可。

此時(shí)設(shè)計(jì)的優(yōu)化要點(diǎn)是 IP 核的大小、是否需要多個(gè) IP 核并行運(yùn)算等。這是一個(gè)非常適用 HLS 的場(chǎng)景，因?yàn)?HLS 可以自動(dòng)化地、快速地探索不同的解決方案。如果采用 RTL，則需要很多工程師，組成多個(gè)團(tuán)隊(duì)，每個(gè)團(tuán)隊(duì)根據(jù)工程師過(guò)去的設(shè)計(jì)經(jīng)驗(yàn)著重探索一個(gè)方向，這是一個(gè)成本非常高的過(guò)程。

RTL 是一種描述硬件的空間的關(guān)系和邏輯時(shí)序等邏輯關(guān)系的硬件描述語(yǔ)言。這是一門難學(xué)的語(yǔ)言，能夠熟練掌握的從業(yè)者也不多，開發(fā)和測(cè)試都很慢?？鋸堻c(diǎn)說(shuō)，如果 HLS 開發(fā)周期以天和周來(lái)計(jì)算，那么 RTL 通常是以月和年。

從最終結(jié)果角度講，RTL 完全手工調(diào)制的解決方案是很可能比 HLS 自動(dòng)生成的方案效果好的。我們?cè)?jīng)做過(guò)比較，在深度學(xué)習(xí)的情境下，HLS 和 RTL 方法的差距在 10% 左右。

因此，問(wèn)題在于是否愿意花 3-5 倍的時(shí)間獲得額外 10% 的效果。

機(jī)器之心：在簡(jiǎn)化 FPGA 開發(fā)過(guò)程這一任務(wù)上，研究者做了哪些工作？

我們的團(tuán)隊(duì)開發(fā)了一個(gè)研究工具，是一個(gè) C 語(yǔ)言的模板庫(kù)，能夠根據(jù) Caffe 和 TensorFlow 的代碼自動(dòng)生成 C 語(yǔ)言的表達(dá)。然后研究者可以將 C 語(yǔ)言的代碼再交給 HLS 工具生成 RTL 代碼。

C 語(yǔ)言是軟件工程師普遍掌握的語(yǔ)言，這樣的工具讓軟件工程師也具有 FPGA 開發(fā)能力，而且讓開發(fā)者更專注于算法，而不用過(guò)多考慮底層硬件。

而且，這個(gè)過(guò)程中的中間結(jié)果都可以導(dǎo)出，專業(yè)人員也可以在自動(dòng)生成的基礎(chǔ)上再進(jìn)行優(yōu)化，總而言之，整個(gè)開發(fā)的效率都得到了極大的提高。

這只是舉一個(gè)例子。還有其它很多的研究人員在做相關(guān)的提升深度學(xué)習(xí)設(shè)計(jì)效率和質(zhì)量的各類工具和平臺(tái)。工業(yè)和學(xué)術(shù)屆的都有。學(xué)術(shù)屆比如 UCLA 的叢京生老師，以及 Cornell 的張志汝老師等。工業(yè)屆比較領(lǐng)先的是賽靈思和英特爾自己設(shè)計(jì)的一些工具。

機(jī)器之心：各個(gè)大公司在 FPGA 的應(yīng)用方面都進(jìn)行了哪些工作？拓展市場(chǎng)的思路都有哪些？

IBM 和賽靈思正在 Power 系列上進(jìn)行合作，致力于在 FPGA 上加更多的存儲(chǔ)，在最新的原型機(jī)上，把存儲(chǔ)加到了 64G，相比于市面上現(xiàn)在常見的最大 8 或 16G，極大擴(kuò)展了數(shù)據(jù)帶寬，來(lái)進(jìn)行和大數(shù)據(jù)相關(guān)的處理。

英特爾收購(gòu)了 Altera，并且致力于幫助 Altera 進(jìn)行編譯等工具的開發(fā)。這是一個(gè) FPGA 商品化的思路，就像 GPU 一樣，說(shuō)不定未來(lái)的 PC 里就會(huì)有一個(gè) FPGA 協(xié)處理器在 CPU 旁邊完成工作?；蛘咴谛酒瑢用嫔?，CPU 片上就有一塊 FPGA?？偠灾?，一旦工具做好，整合的機(jī)會(huì)會(huì)有很多。英特爾在智能城市、智慧制造方面都有很多的構(gòu)想，并且希望借由 FPGA 實(shí)現(xiàn)。

再就是微軟。它的思路主要就是云計(jì)算，除了 Bing 之外，也希望在進(jìn)行機(jī)器學(xué)習(xí)任務(wù)的 Azure 云中使用 FPGA。

機(jī)器之心：能否介紹一下 Inspirit IoT 通過(guò)哪些產(chǎn)品實(shí)現(xiàn)了深度學(xué)習(xí)算法在 FPGA 上的加速？

我們公司主要有三個(gè)產(chǎn)品，按照層次分別是 DNN 優(yōu)化器、高層次綜合加速編譯器（HLS compiler），以及整體 FPGA 解決方案。

DNN 優(yōu)化器的目標(biāo)是定制一個(gè) FPGA 友好的模型，把訓(xùn)練好的模型中對(duì)于推理來(lái)說(shuō)冗余的部分去掉。例如，訓(xùn)練時(shí)使用的浮點(diǎn)數(shù)可以被替換為定點(diǎn)數(shù)，訓(xùn)練時(shí)每層有非常多的單元，但是在推理的時(shí)候可以進(jìn)行剪枝（Pruning），等等。DNN 優(yōu)化器就是以各種高層框架的模型為基礎(chǔ)，根據(jù)硬件的特性和場(chǎng)景的特性進(jìn)行自動(dòng)的優(yōu)化。

高層次綜合編譯器讓開發(fā)者得以繞開寫 Verilog 硬件描述語(yǔ)言，將 C、 C++、CUDA 等代碼直接編成 FPGA，旨在降低硬件開發(fā)的門檻，提高軟件工程師的生產(chǎn)力。我們的特色是這個(gè)編譯器可以自然結(jié)合深度學(xué)習(xí)算法中的各種 IP 核，從而可以最好的優(yōu)化各種深度學(xué)習(xí)算法在 FPGA 上的高速及高質(zhì)量的實(shí)現(xiàn)。

除此之外，我們也有嵌入 FPGA 的開發(fā)板，用于聲音相關(guān)的應(yīng)用場(chǎng)景。其上嵌入了 FPGA 和 4 個(gè)麥克風(fēng)，可以檢測(cè)聲音來(lái)源、提高聲音質(zhì)量，也可以和攝像頭等其他設(shè)備連用。例如，捕捉到車輛撞擊聲、尖叫聲等特定聲音之后，能夠調(diào)轉(zhuǎn)攝像頭，收錄相關(guān)的視頻等，希望獲得一個(gè)「1+1>3」的效果。