今天我們周圍的一切都在變得更加智能。人工智能（AI）不僅僅是一種數(shù)據(jù)中心應(yīng)用，在我們?nèi)粘Ｅc之交互的各種嵌入式系統(tǒng)中也能夠發(fā)現(xiàn)AI。我們希望與這些系統(tǒng)進行對話和手勢交流，期待它們能夠識別和理解我們，這種智能不僅使這些系統(tǒng)的功能更加完善、使用更為便捷，同時更加安全和可靠。
?



所有這些智能都來源于深度神經(jīng)網(wǎng)絡(luò)的進步。神經(jīng)網(wǎng)絡(luò)的關(guān)鍵挑戰(zhàn)之一是計算復雜度。小型神經(jīng)網(wǎng)絡(luò)可能需要數(shù)百萬次的乘積累加運算（MAC）才能產(chǎn)生結(jié)果，而大型神經(jīng)網(wǎng)絡(luò)則可能需要數(shù)十億次，像大語言模型等復雜網(wǎng)絡(luò)可能需要達到萬億級的計算量。這種級別的計算需求超出了嵌入式處理器的承載能力。
?
在某些情況下，這些推理計算可以通過網(wǎng)絡(luò)被轉(zhuǎn)移到數(shù)據(jù)中心。越來越多的設(shè)備擁有快速且可靠的網(wǎng)絡(luò)連接，使得這種方式成為許多系統(tǒng)的可行之選。然而，也有很多系統(tǒng)具有嚴格的實時要求，即使是最快最可靠的網(wǎng)絡(luò)也無法滿足。例如，任何有自動化能力的系統(tǒng)（如自動駕駛汽車或無人機）都需要比離線數(shù)據(jù)中心更快地做出決策。還有一些系統(tǒng)處理了不應(yīng)該通過網(wǎng)絡(luò)傳輸?shù)拿舾袛?shù)據(jù)，而且傳輸內(nèi)容會增加黑客攻擊的風險。由于性能、隱私和安全等原因，某些推理操作需要在嵌入式系統(tǒng)上完成。
?
對于簡單的網(wǎng)絡(luò)來說，嵌入式 CPU 就可以處理這些任務(wù)，例如，一個樹莓派就能部署一個簡單的物體識別算法。而對于更復雜的任務(wù)，嵌入式 GPU 以及針對嵌入式系統(tǒng)的神經(jīng)處理單元（NPU）可以提供更強的計算能力。但是，要想獲得更高水平的性能和效率，需要構(gòu)建一個定制化的 AI 加速器。
?
無論是針對 ASIC 還是 FPGA，設(shè)計新的硬件都是一項艱巨的任務(wù)，但它能使開發(fā)者能夠取得現(xiàn)成組件無法達到的性能和效率水平。和有著多代產(chǎn)品設(shè)計經(jīng)驗的設(shè)計師相比，普通開發(fā)團隊如何才能構(gòu)建一個更好的AI加速器呢？其中一個方法是通過針對正在執(zhí)行的特定推理來定制實施方案，這樣的效果會比通用解決方案更勝一籌。
?
在開發(fā)者通用 AI 加速器構(gòu)建 NPU 時，其目標是支持任何可能的神經(jīng)網(wǎng)絡(luò)。他們希望獲得盡可能多的設(shè)計輸入，因此必須使設(shè)計盡可能通用，不僅如此，他們還希望在設(shè)計中內(nèi)置一定程度的“future proofing”，以支持幾年后可能出現(xiàn)的任何網(wǎng)絡(luò)。而在技術(shù)快速發(fā)展的背景下，這并非易事。
?
一個定制化加速器只需支持一個或幾個特定的網(wǎng)絡(luò)。這種自由度允許將在加速器實施過程中的可編程元素固定在硬件中，使得硬件比通用硬件更小且更快。在圖像和濾波器尺寸固定的情況下，一個專用卷積加速器的速度可比設(shè)計良好的通用 TPU 快上 10 倍。

通用加速器通常使用浮點數(shù)。這是因為幾乎所有神經(jīng)網(wǎng)絡(luò)都是在使用浮點數(shù)的通用計算機上用 Python 開發(fā)的。為了正確支持這些神經(jīng)網(wǎng)絡(luò)，加速器必須支持浮點數(shù)。然而，大多數(shù)神經(jīng)網(wǎng)絡(luò)使用接近 0 的數(shù)值，并且需要較高的精度，而浮點乘法器體積龐大，如果不需要它們，從設(shè)計中去除可以節(jié)省大量面積和功耗。
?
一些 NPU 支持整數(shù)表示法，有時還支持多種大小。然而，支持多種數(shù)值表示格式會增加電路復雜性，進而消耗電力并加大傳播延遲。選擇一種表示格式并專門使用，可以實現(xiàn)更小、更快的實現(xiàn)。
?
在構(gòu)建定制化加速器時，并不局限于 8 位或 16 位，任何尺寸都可以使用。選擇正確的數(shù)字表示，或?qū)ι窠?jīng)網(wǎng)絡(luò)進行 “量化”，可以優(yōu)化數(shù)據(jù)和運算器的大小。量化可以顯著減少需要存儲、傳輸和操作的數(shù)據(jù)量。減少權(quán)重數(shù)據(jù)庫的內(nèi)存占用和縮小乘法器的尺寸可以顯著改善設(shè)計的面積和功耗。例如，一個 10 位定點乘法器比一個 32 位的浮點乘法器小約 20 倍，功耗約為后者的 1/20。這意味著設(shè)計可以更小巧、更節(jié)能。使用更小的乘法器，設(shè)計人員也可以選擇使用該區(qū)域，部署 20 個可以并行運行的乘法器，從而在使用相同資源的情況下產(chǎn)生更高的性能。
?



在構(gòu)建定制化機器學習加速器時，有一個挑戰(zhàn)是創(chuàng)建神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)科學家通常不了解硬件設(shè)計，而硬件設(shè)計師也不了解數(shù)據(jù)科學。在傳統(tǒng)設(shè)計流程中，他們會通過“會議”和“規(guī)范”來傳遞知識和分享想法，但顯然，這些方法也并不會通過信息交流得到有效傳遞。
?
通過高階綜合（High-Level Synthesis, HLS），數(shù)據(jù)科學家生成的實施方案不僅可以作為可執(zhí)行參考，還可以作為硬件設(shè)計流程的機器可讀輸入。這就避免了在設(shè)計流程中手動重新解釋算法，從而避免既緩慢又易出錯的手動過程。HLS 從算法描述中合成 RTL 實現(xiàn)。一般來說，算法用 C++ 或 SystemC 描述，但像 HLS4ML 這樣的設(shè)計流程能使 HLS 工具能夠直接從機器學習框架中獲取神經(jīng)網(wǎng)絡(luò)描述。
?
HLS 能夠以一種在機器學習框架中尚不普及的方式對量化進行實際探索。為了充分理解量化的影響，需要對算法進行微精確的實現(xiàn)，包括溢出、飽和和舍入等影響的特征描述。目前，這只適用于硬件描述語言（HDL）或 HLS 微精確數(shù)據(jù)類型。隨著機器學習的普及，更多的嵌入式系統(tǒng)將需要部署推理加速器。HLS 是一種實用且行之有效的構(gòu)建定制加速器的方法，加速器針對特定應(yīng)用進行了優(yōu)化，提供比通用 NPU 更高的性能和效率。
?
了解更多信息：高階綜合推動下一代邊緣 AI 加速器的發(fā)展
?
?
?