英特爾加速器架構實驗室的Eriko Nurvitadhi 博士以最新的 GPU 為參照，對兩代 Intel FPGA 上新興的DNN算法進行了評估，認為新興的低精度和稀疏DNN算法效率較之傳統(tǒng)的密集FP32 DNN有巨大改進，但是它們引入了GPU難以處理的不規(guī)則并行度和定制數據類型。相比之下，F(xiàn)PGA正是設計用于在運行不規(guī)則并行度和自定義數據類型時實現(xiàn)極端的可定制性的。這樣的趨勢使未來FPGA成為運行DNN、AI和ML應用的可行平臺。

來自社交媒體和互聯(lián)網的圖像、視頻和語音數字數據的持續(xù)指數增長推動了分析的需要，以使得數據可以理解和處理。

數據分析通常依賴于機器學習（ML）算法。在ML算法中，深度卷積神經網絡（DNN）為重要的圖像分類任務提供了最先進的精度，并被廣泛采用。

在最近的 International Symposium onField Programmable Gate Arrays （ISFPGA） 上，Intel Accelerator Architecture Lab （AAL） 的 Eriko Nurvitadhi 博士提出了一篇名為 Can FPGAs beat GPUs in AcceleratingNext-Generation Deep Neural Networks 的論文。他們的研究以最新的高性能的 NVIDIA Titan X Pascal * Graphics Processing Unit （GPU） 為參照，對兩代 Intel FPGA（Intel Arria10 和Intel Stratix 10）的新興DNN算法進行了評估。

Intel Programmable SolutionsGroup 的 FPGA 架構師 Randy Huang 博士，論文的合著者之一，說：“深度學習是AI中最令人興奮的領域，因為我們已經看到了深入學習帶來的巨大進步和大量應用。雖然AI 和DNN 研究傾向于使用 GPU，但我們發(fā)現(xiàn)應用領域和英特爾下一代FPGA 架構之間是完美契合的。我們考察了接下來FPGA 的技術進展，以及DNN 創(chuàng)新算法的快速增長，并思考了對于下一代 DNN 來說，未來的高性能 FPGA 是否會優(yōu)于GPU。我們的研究發(fā)現(xiàn)，F(xiàn)PGA 在DNN 研究中表現(xiàn)非常出色，可用于需要分析大量數據的AI、大數據或機器學習等研究領域。使用經修剪或壓縮的數據（相對于全32位浮點數據（FP32）），被測試的 Intel Stratix10 FPGA 的性能優(yōu)于GPU。除了性能外，F(xiàn)PGA 的強大還源于它們具有適應性，通過重用現(xiàn)有的芯片可以輕松實現(xiàn)更改，從而讓團隊在六個月內從想法進展到原型（和用18個月構建一個 ASIC 相比）。”

測試中使用的神經網絡機器學習

神經網絡可以被表現(xiàn)為通過加權邊互連的神經元的圖形。每個神經元和邊分別與激活值和權重相關聯(lián)。該圖形被構造為神經元層。如圖1所示。

圖1 深度神經網絡概述

神經網絡計算會通過網絡中的每個層。對于給定層，每個神經元的值通過相乘和累加上一層的神經元值和邊權重來計算。計算非常依賴于多重累積運算。DNN計算包括正向和反向傳遞。正向傳遞在輸入層采樣，遍歷所有隱藏層，并在輸出層產生預測。對于推理，只需要正向傳遞以獲得給定樣本的預測。對于訓練，來自正向傳遞的預測錯誤在反向傳遞中被反饋以更新網絡權重。這被稱為反向傳播算法。訓練迭代地進行向前和向后傳遞以調整網絡權重，直到達到期望的精度。

FPGA成為可行的替代方案

硬件：與高端GPU 相比，F(xiàn)PGA 具有卓越的能效（性能/瓦特），但它們不具有高峰值浮點性能。FPGA技術正在迅速發(fā)展，即將推出的Intel Stratix10 FPGA提供超過5，000個硬件浮點單元（DSP），超過28MB的芯片上RAM（M20Ks），與高帶寬內存（up to 4x250GB/s/stack or 1TB/s）的集成，并來自新HyperFlex技術的改進頻率。英特爾FPGA 提供了一個全面的軟件生態(tài)系統(tǒng)，從低級HardwareDescription 語言到具有OpenCL、C和C ++的更高級別的軟件開發(fā)環(huán)境。英特爾將進一步利用MKL-DNN庫，針對Intel的機器學習生態(tài)系統(tǒng)和傳統(tǒng)框架（如今天提供的Caffe）以及其他不久后會出現(xiàn)的框架對 FPGA進行調整。基于14nm工藝的英特爾Stratix 10在FP32吞吐量方面達到峰值9.2TFLOP/s。相比之下，最新的Titan X Pascal GPU的FP32吞吐量為11TFLOP/s。

新興的DNN算法：更深入的網絡提高了精度，但是大大增加了參數和模型大小。這增加了對計算、帶寬和存儲的要求。因此，使用更為有效的DNN已成趨勢。新興趨勢是采用遠低于32位的緊湊型低精度數據類型， 16位和8位數據類型正在成為新的標準，因為它們得到了DNN軟件框架（例如TensorFlow ）支持。此外，研究人員已經對極低精度的2位三進制和1位二進制 DNN 進行了持續(xù)的精度改進，其中值分別約束為（0，+ 1，-1）或（+ 1，-1）。Nurvitadhi 博士最近合著的另一篇論文首次證明了，ternary DNN可以在最著名的ImageNet數據集上實現(xiàn)目前最高的準確性。另一個新興趨勢是通過諸如修剪、ReLU 和ternarization 等技術在DNN神經元和權重中引入稀疏性（零存在），這可以導致DNN帶有?50％至?90％的零存在。由于不需要在這樣的零值上進行計算，因此如果執(zhí)行這種稀疏DNN 的硬件可以有效地跳過零計算，性能提升就可以實現(xiàn)。 新興的低精度和稀疏DNN算法效率較之傳統(tǒng)的密集FP32 DNN有巨大改進，但是它們引入了GPU難以處理的不規(guī)則并行度和定制數據類型。相比之下，F(xiàn)PGA正是設計用于在運行不規(guī)則并行度和自定義數據類型時實現(xiàn)極端的可定制性的。這樣的趨勢使未來FPGA成為運行DNN、AI和ML應用的可行平臺。黃先生說：“FPGA專用機器學習算法有更多的余量。圖2說明了FPGA的極端可定制性（2A），可以有效實施新興的DNN（2B）。

圖2

研究所用的硬件和方法

GPU：使用已知的庫（cuBLAS）或框架（Torch with cuDNN）FPGA：使用Quartus Early Beta版本和PowerPlay

圖3 GEMM測試結果、GEMM是DNN中的關鍵操作

在低精度和稀疏DNN中，Stratix 10 FPGA 比 Titan X GPU的性能更好，甚至性能功耗比要更好。未來這類DNN可能會成為趨勢。

研究1：GEMM測試

DNN 嚴重依賴GEMM。常規(guī)DNN依靠FP32密集GEMM。然而，較低的精度和稀疏的新興DNN 依賴于低精度和/或稀疏的GEMM 。Intel 團隊對這些GEMM進行了評估。

FP32 密集GEMM：由于FP32密集GEMM得到了很好的研究，該團隊比較了FPGA和GPU數據表上的峰值。Titan X Pascal 的最高理論性能是Stratix 10 的11 TFLOP和9.2 TFLOP。圖3A顯示，帶有多得多的DSP 數量的Intle Stratix 10 將提供比Intel Arria 10 更強大的FP32性能，和Titan X 的性能表現(xiàn)接近。

低精度INT6 GEMM：為了顯示FPGA的可定制性優(yōu)勢，該團隊通過將四個int6打包到一個DSP模塊中，研究了FPGA的Int6 GEMM。對于本來不支持Int6 的GPU，他們使用了Int8 GPU 的峰值性能進行了比較。圖3B顯示，Intel Stratix 10 的性能優(yōu)于GPU。FPGA比GPU提供了更引人注目的性能/功耗比。

非常低精度的1位二進制GEMM ：最近的二進制DNN 提出了非常緊湊的1bit數據類型，允許用xnor 和位計數操作替換乘法，非常適合FPGA。圖3C顯示了團隊的二進制GEMM 測試結果，其中FPGA 基本上執(zhí)行得比GPU 好（即，根據頻率目標的不同，為~2x 到 ~10x）。

稀疏GEMM：新出現(xiàn)的稀疏DNN包含許多零值。該團隊在帶有85％零值的矩陣上測試了一個稀疏的GEMM（基于已修剪的AlexNet）。該團隊測試了使用FPGA的靈活性以細粒度的方式來跳過零計算的 GEMM 設計。該團隊還在 GPU 上測試了稀疏的 GEMM，但發(fā)現(xiàn)性能比在GPU 上執(zhí)行密集的 GEMM 更差（相同的矩陣大小）。該團隊的稀疏 GEMM 測試（圖3D）顯示，F(xiàn)PGA 可以比 GPU 表現(xiàn)更好，具體取決于目標 FPGA 的頻率。

圖4 DNN精度的趨勢，以及FPGA和GPU在Ternary ResNet DNN上的測試結果

研究2：使用三進制 ResNet DNN 測試

三進制DNN最近提出神經網絡權重約束值為+1，0或-1。這允許稀疏的2位權重，并用符號位操作代替乘法。在本次測試中，該團隊使用了為零跳躍、2位權重定制的FPGA設計，同時沒有乘法器來優(yōu)化運行Ternary-ResNet DNN 。

與許多其他低精度和稀疏的DNN 不同，三進制DNN可以為最先進的DNN（即ResNet）提供可供比較的精度，如圖4A所示。“許多現(xiàn)有的GPU和FPGA研究僅針對基于AlexNet（2012年提出）的ImageNet的”足夠好“的準確性。最先進的Resnet（在2015年提出）提供比AlexNet高出10％以上的準確性。在2016年底，在另一篇論文中，我們首先指出，Resnet上的低精度和稀疏三進制DNN 算法可以在全精度ResNet 的±1％的精度范圍內實現(xiàn)。這個三進制ResNet 是我們在FPGA研究中的目標。因此，我們首先論證，F(xiàn)PGA可以提供一流的（ResNet）ImageNet精度，并且可以比GPU更好地實現(xiàn)。““Nurvitadhi說。

圖4B顯示了 Intel Stratix 10 FPGA 和 Titan X GPU 在 ResNet-50上的性能和性能/功耗比。即使保守估計，Intel Stratix 10 FPGA 也比 Titan X GPU 性能提高了約60％。中度和激進的估計會更好（2.1x和3.5x的加速）。有趣的是，Intel Stratix 10 750MHz的激進預估可以比 Titan X 的理論峰值性能還高35％。在性能/功耗比方面，從保守估計到激進估計，Intel Stratix 10 比 Titan X 要好2.3倍到4.3倍， FPGA如何在研究測試中堆疊

結果表明，Intel Stratix 10 FPGA的性能（TOP /秒）比稀疏的、Int6 和二進制DNN的GEMM上的 Titan X Pascal GPU分別提高了10％、50％和5.4倍。在三進制 ResNet 上，Stratix 10 FPGA 的性能比Titan X Pascal GPU 提高了60％，而性能/功耗比好2.3倍。結果表明，F(xiàn)PGA 可能成為下一代DNN 加速的首選平臺。 深層神經網絡中FPGA的未來

FPGA 能否在下一代 DNN 的性能上擊敗 GPU ？Intel 對兩代 FPGA（Intel Arria 10和 Intel Stratix 10）以及最新的 Titan X GPU 的各種新興DNN的評估顯示，目前DNN算法的趨勢可能有利于FPGA，而且FPGA甚至可以提供卓越的性能。雖然這些結論源于2016年完成的工作，Intel 團隊在繼續(xù)測試 Intel FPGA 的現(xiàn)代 DNN 算法和優(yōu)化（例如，F(xiàn)FT / winograd 數學變換，量化，壓縮）。

該團隊還指出，除了DNN之外，F(xiàn)PGA在其他不規(guī)則應用以及延遲敏感（如ADAS和工業(yè)用途）等領域也有機會。

“目前使用32位密集矩陣乘法的機器學習是GPU體現(xiàn)優(yōu)勢的領域”，黃表示：“我們鼓勵其他開發(fā)人員和研究人員與我們一起重新表述機器學習問題，以充分發(fā)揮 FPGA 更小位數處理能力的優(yōu)勢，因為 FPGA 可以很好地適應向低精度的轉變。”

編輯：黃飛