ASIC、FPGA、GPU，三種深度學(xué)習硬鑒方案哪種更被看好？

　　今天被羅振宇的跨年演講刷爆了朋友圈。不過(guò)他講深度學(xué)習和GPU的時(shí)候，真讓人虐心。

　　顯卡的處理器稱(chēng)為圖形處理器(GPU)，它是顯卡的“心臟”，與CPU類(lèi)似，只不過(guò)GPU是專(zhuān)為執行復雜的數學(xué)和幾何計算而設計的，這些計算是圖形渲染所必需的。

　　對深度學(xué)習硬件平臺的要求

　　要想明白“深度學(xué)習”需要怎樣的硬件，必須了解深度學(xué)習的工作原理。首先在表層上，我們有一個(gè)巨大的數據集，并選定了一種深度學(xué)習模型。每個(gè)模型都有一些內部參數需要調整，以便學(xué)習數據。而這種參數調整實(shí)際上可以歸結為優(yōu)化問(wèn)題，在調整這些參數時(shí)，就相當于在優(yōu)化特定的約束條件。

　　百度的硅谷人工智能實(shí)驗室(SVAIL)已經(jīng)為深度學(xué)習硬件提出了DeepBench基準，這一基準著(zhù)重衡量的是基本計算的硬件性能，而不是學(xué)習模型的表現。這種方法旨在找到使計算變慢或低效的瓶頸。 因此，重點(diǎn)在于設計一個(gè)對于深層神經(jīng)網(wǎng)絡(luò )訓練的基本操作執行效果最佳的架構。那么基本操作有哪些呢?現在的深度學(xué)習算法主要包括卷積神經(jīng)網(wǎng)絡(luò )(CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò )(RNN)?；谶@些算法，DeepBench提出以下四種基本運算：

　　矩陣相乘(Matrix Multiplication)——幾乎所有的深度學(xué)習模型都包含這一運算，它的計算十分密集。

　　卷積(Convolution)——這是另一個(gè)常用的運算，占用了模型中大部分的每秒浮點(diǎn)運算(浮點(diǎn)/秒)。

　　循環(huán)層(Recurrent Layers )——模型中的反饋層，并且基本上是前兩個(gè)運算的組合。

　　All Reduce——這是一個(gè)在優(yōu)化前對學(xué)習到的參數進(jìn)行傳遞或解析的運算序列。在跨硬件分布的深度學(xué)習網(wǎng)絡(luò )上執行同步優(yōu)化時(shí)(如AlphaGo的例子)，這一操作尤其有效。

　　除此之外，深度學(xué)習的硬件加速器需要具備數據級別和流程化的并行性、多線(xiàn)程和高內存帶寬等特性。 另外，由于數據的訓練時(shí)間很長(cháng)，所以硬件架構必須低功耗。 因此，效能功耗比(Performance per Watt)是硬件架構的評估標準之一。

　　GPU在處理圖形的時(shí)候，從最初的設計就能夠執行并行指令，從一個(gè)GPU核心收到一組多邊形數據，到完成所有處理并輸出圖像可以做到完全獨立。由于最初GPU就采用了大量的執行單元，這些執行單元可以輕松的加載并行處理，而不像CPU那樣的單線(xiàn)程處理。另外，現代的GPU也可以在每個(gè)指令周期執行更多的單一指令。所以GPU比CPU更適合深度學(xué)習的大量矩陣、卷積運算的需求。深度學(xué)習的應用與其原先的應用需求頗為類(lèi)似。GPU廠(chǎng)家順理成章的在深度學(xué)習，找到了新增長(cháng)點(diǎn)。

　　英偉達以其大規模的并行GPU和專(zhuān)用GPU編程框架CUDA主導著(zhù)當前的深度學(xué)習市場(chǎng)。但是越來(lái)越多的公司開(kāi)發(fā)出了用于深度學(xué)習的加速硬件，比如谷歌的張量處理單元(TPU/Tensor Processing Unit)、英特爾的Xeon Phi Knight's Landing，以及高通的神經(jīng)網(wǎng)絡(luò )處理器(NNU/Neural Network Processor)。

　　多虧了新技術(shù)和充滿(mǎn)GPU的計算機數據中心，深度學(xué)習獲得了巨大的可能應用領(lǐng)域。這家公司的任務(wù)中很大一部分都只是獲取用來(lái)探索這些可能性的時(shí)間和計算資源。這項工作極大地擴張了設計空間。就科學(xué)研究而言，覆蓋的領(lǐng)域已經(jīng)在指數式擴張了。而這也已經(jīng)突破了圖像識別的范疇，進(jìn)入到了語(yǔ)音識別、自然語(yǔ)言理解等其它任務(wù)中。正因為覆蓋的領(lǐng)域越來(lái)越多，微軟在提高其GPU集群的運算能力的同時(shí)也在探索使用其它的專(zhuān)用處理器，其中包括FPGA——一種能針對特定任務(wù)(如深度學(xué)習)編程的芯片。而且這項工作已經(jīng)在全世界的技術(shù)和人工智能領(lǐng)域掀起了波瀾。英特爾完成了其歷史上最大的并購案，收購了專(zhuān)注FPGA的Altera。

　　FPGA的優(yōu)勢是，如果計算機需要改變，它可以被重新裝配。但是，最通用、最主流的方案仍舊是使用 GPU，以并行處理大量數學(xué)運算。不出預料，GPU 方案的主要推動(dòng)者是該市場(chǎng)的霸主英偉達。

　　英偉達旗艦顯卡 Pascal Titan X

　　事實(shí)上， 2009 年之后人工神經(jīng)網(wǎng)絡(luò )的復興與 GPU 有緊密聯(lián)系——那一年，幾名斯坦福的學(xué)者向世界展示，使用 GPU 可以在合理的時(shí)間內訓練深度神經(jīng)網(wǎng)絡(luò )。這直接引發(fā)了 GPU 通用計算的浪潮。

　　英偉達首席科學(xué)家、斯坦福并發(fā) VLSI 架構小組的負責人 William J. Dally 表示：“行內每個(gè)人現在都在做深度學(xué)習，這方面，GPU 幾乎已經(jīng)達到了最好?！?/p>

　　幾乎所有深度學(xué)習的研究者都在使用GPU

　　熟悉深度學(xué)習的人都知道，深度學(xué)習是需要訓練的，所謂的訓練就是在成千上萬(wàn)個(gè)變量中尋找最佳值的計算。這需要通過(guò)不斷的嘗試實(shí)現收斂，而最終獲得的數值并非是人工確定的數字，而是一種常態(tài)的公式。通過(guò)這種像素級的學(xué)習，不斷總結規律，計算機就可以實(shí)現像像人一樣思考。如今，幾乎所有的深度學(xué)習(機器學(xué)習)研究者都在使用GPU進(jìn)行相關(guān)的研究。當然，只是“幾乎”。除了GPU之外，包括MIC和FPGA也提供了不同的解決方案。

　　“技術(shù)發(fā)展和科技的發(fā)展，是需要不同的技術(shù)一起來(lái)參與。無(wú)論是GPU也好、FPGA也好或者是專(zhuān)用的神經(jīng)網(wǎng)芯片也好，它的主要目的都是推動(dòng)深度學(xué)習(機器學(xué)習)這個(gè)方向的技術(shù)發(fā)展。那么我們在初期，確實(shí)可以嘗試不同的技術(shù)，來(lái)探討哪種技術(shù)可以更好的適合這項應用。從目前來(lái)看，深度學(xué)習大量的使用，主要集中在訓練方面。那么在這個(gè)領(lǐng)域，GPU確實(shí)是非常適合的，這也體現在所有的這些工業(yè)界的大佬如BAT、谷歌，Facebook等等，都在使用GPU在做訓練?！盢VIDIA如是說(shuō)。面對FPGA以及ASIC的挑戰，NVIDIA表示“考慮是否設計低功耗的GPU，來(lái)滿(mǎn)足用戶(hù)的需求”。

　　除了硬件方面的因素之外，英偉達從軟件方面解答了GPU對于深度學(xué)習應用的價(jià)值。首先從深度學(xué)習應用的開(kāi)發(fā)工具角度，具備CUDA支持的GPU為用戶(hù)學(xué)習Caffe、Theano等研究工具提供了很好的入門(mén)平臺。其實(shí)GPU不僅僅是指專(zhuān)注于HPC領(lǐng)域的Tesla，包括Geforce在內的GPU都可以支持CUDA計算，這也為初學(xué)者提供了相對更低的應用門(mén)檻。除此之外，CUDA在算法和程序設計上相比其他應用更加容易，通過(guò)NVIDIA多年的推廣也積累了廣泛的用戶(hù)群，開(kāi)發(fā)難度更小。最后則是部署環(huán)節，GPU通過(guò)PCI-e接口可以直接部署在服務(wù)器中，方便而快速。得益于硬件支持與軟件編程、設計方面的優(yōu)勢，GPU才成為了目前應用最廣泛的平臺。

　　深度學(xué)習發(fā)展遇到瓶頸了嗎?

　　我們之所以使用GPU加速深度學(xué)習，是因為深度學(xué)習所要計算的數據量異常龐大，用傳統的計算方式需要漫長(cháng)的時(shí)間。但是，如果未來(lái)深度學(xué)習的數據量有所下降，或者說(shuō)我們不能提供給深度學(xué)習研究所需要的足夠數據量，是否就意味著(zhù)深度學(xué)習也將進(jìn)入“寒冬”呢?“做深度神經(jīng)網(wǎng)絡(luò )訓練需要大量模型，然后才能實(shí)現數學(xué)上的收斂。深度學(xué)習要真正接近成人的智力，它所需要的神經(jīng)網(wǎng)絡(luò )規模非常龐大，它所需要的數據量，會(huì )比我們做語(yǔ)言識別、圖像處理要多得多。假設說(shuō)，我們發(fā)現我們沒(méi)有辦法提供這樣的數據，很有可能出現寒冬”。

　　其實(shí)深度學(xué)習目前還在蓬勃發(fā)展往上的階段。比如說(shuō)我們現階段主要做得比較成熟的語(yǔ)音、圖像方面，整個(gè)的數據量還是在不斷的增多的，網(wǎng)絡(luò )規模也在不斷的變復雜。

　　對于NVIDIA來(lái)說(shuō)，深度學(xué)習是GPU計算發(fā)展的大好時(shí)機，其實(shí)這是一場(chǎng)各個(gè)能夠實(shí)現深度學(xué)習各個(gè)芯片，以及巨頭賽跑的結局。誰(shuí)最先找到自己逼近深度學(xué)習最適合的芯片模式，誰(shuí)就是勝利者。

　　GPU、FPGA 還是專(zhuān)用芯片?

　　盡管深度學(xué)習和人工智能在宣傳上炙手可熱，但無(wú)論從仿生的視角抑或統計學(xué)的角度，深度學(xué)習的工業(yè)應用都還是初階，深度學(xué)習的理論基礎也尚未建立和完善，在一些從業(yè)人員看來(lái)，依靠堆積計算力和數據集獲得結果的方式顯得過(guò)于暴力——要讓機器更好地理解人的意圖，就需要更多的數據和更強的計算平臺，而且往往還是有監督學(xué)習——當然，現階段我們還沒(méi)有數據不足的憂(yōu)慮。未來(lái)是否在理論完善之后不再依賴(lài)數據、不再依賴(lài)于給數據打標簽(無(wú)監督學(xué)習)、不再需要向計算力要性能和精度?

　　退一步說(shuō)，即便計算力仍是必需的引擎，那么是否一定就是基于GPU?我們知道，CPU和FPGA已經(jīng)顯示出深度學(xué)習負載上的能力，而IBM主導的SyNAPSE巨型神經(jīng)網(wǎng)絡(luò )芯片(類(lèi)人腦芯片)，在70毫瓦的功率上提供100萬(wàn)個(gè)“神經(jīng)元”內核、2.56億個(gè)“突觸”內核以及4096個(gè)“神經(jīng)突觸”內核，甚至允許神經(jīng)網(wǎng)絡(luò )和機器學(xué)習負載超越了馮·諾依曼架構，二者的能耗和性能，都足以成為GPU潛在的挑戰者。

　　不過(guò)，這些都尚未產(chǎn)品化的今天，NVIDIA并不擔憂(yōu)GPU會(huì )在深度學(xué)習領(lǐng)域失寵。首先，NVIDIA認為，GPU作為底層平臺，起到的是加速的作用，幫助深度學(xué)習的研發(fā)人員更快地訓練出更大的模型，不會(huì )受到深度學(xué)習模型實(shí)現方式的影響。其次，NVIDIA表示，用戶(hù)可以根據需求選擇不同的平臺，但深度學(xué)習研發(fā)人員需要在算法、統計方面精益求精，都需要一個(gè)生態(tài)環(huán)境的支持，GPU已經(jīng)構建了CUDA、cuDNN及DIGITS等工具，支持各種主流開(kāi)源框架，提供友好的界面和可視化的方式，并得到了合作伙伴的支持，例如浪潮開(kāi)發(fā)了一個(gè)支持多GPU的Caffe，曙光也研發(fā)了基于PCI總線(xiàn)的多GPU的技術(shù)，對熟悉串行程序設計的開(kāi)發(fā)者更加友好。相比之下，FPGA可編程芯片或者是人工神經(jīng)網(wǎng)絡(luò )專(zhuān)屬芯片對于植入服務(wù)器以及編程環(huán)境、編程能力要求更高，還缺乏通用的潛力，不適合普及。

　　目前來(lái)說(shuō)，GPU貴，功耗高，運行效率比FPGA高，易使用。FPGA功耗，單顆性能是低的，單顆FPGA的硬件設計挑戰沒(méi)有GPU大，但是總體性?xún)r(jià)比和效率不占優(yōu);Intel收購Altera是否可以通過(guò)其工藝實(shí)力，給其帶來(lái)極具的功能提升，我們還在長(cháng)期的期待過(guò)程中。FPGA如果實(shí)現深度學(xué)習功能，還需要大批量使用，才能實(shí)現完整的功能，且需要與CPU相結合。

　　另外一個(gè)問(wèn)題是，FPGA的大規模開(kāi)發(fā)難度偏高，從業(yè)人員少。我們可以通過(guò)ARM戰勝MIPS、以及STM32的迅速發(fā)展可以看到，一個(gè)好的生態(tài)環(huán)境，更多的從業(yè)人口，比技術(shù)、性?xún)r(jià)比本身更利于其發(fā)展。所以易用性是幾個(gè)并行技術(shù)發(fā)展的一個(gè)重要考量維度。

　　FPGA猶如樂(lè )高，其靈活性，根據實(shí)際應用的需求，構建我所需要的硬件組件。但是樂(lè )高本身就是一種浪費：其功耗性能比，可變布線(xiàn)資源、多余的邏輯資源，其實(shí)都是浪費。所以你如果用樂(lè )高做一個(gè)機器人跟一個(gè)專(zhuān)門(mén)為格斗而開(kāi)發(fā)的機器人對抗，結果可想而知。

　　FPGA在深度學(xué)習的應用場(chǎng)景，存在的價(jià)值在于其靈活性。DNN是深度神經(jīng)網(wǎng)絡(luò )系統的統稱(chēng)，實(shí)際使用的時(shí)候，使用幾層網(wǎng)絡(luò )，最終結果用什么樣的篩選策略，在不同的應用和不同的設計框架下面，對硬件的訴求并不相同。

　　要看設計者的建模方案。GPU的一個(gè)缺點(diǎn)是，他的組件模塊是乘法器、加法器。雖然深度學(xué)習的參數都是數學(xué)模型，需要對RTL級別的變化，但是GPU的硬件資源是以乘法器、加法器這樣量級的硬件單元組成的。如果GPU的預先配置與使用者的模型相差甚遠。例如：加法器配置15個(gè)，乘法器配置15個(gè)。但實(shí)際使用的時(shí)候，乘法器使用量是15個(gè)，但是加法器只需要2個(gè)。這就浪費了13個(gè)加法器的資源。而FPGA是以查找表和觸發(fā)器子單元，組合成任意運算單元。

　　但是換種角度來(lái)看FPGA本身就是一種浪費。

　　當然ASIC是能效最高的，但目前，都在早期階段，算法變化各異。想搞一款通用的ASIC適配多種場(chǎng)景，還是有很多路需要走的。但是，在通信領(lǐng)域，FPGA曾經(jīng)也是風(fēng)靡一時(shí)，但是隨著(zhù)ASIC的不斷發(fā)展和蠶食，FPGA的份額和市場(chǎng)空間已經(jīng)岌岌可危。如果深度學(xué)習能夠迅速發(fā)展，有可能這個(gè)過(guò)程會(huì )比通信領(lǐng)域過(guò)程更短。

　　人機大戰落幕后的兩個(gè)月，谷歌硬件工程師 Norm Jouppi 才公開(kāi)了其加速硬件的存在。在博客中，他解釋道，谷歌給數據中心裝備這些加速器卡已經(jīng)有超過(guò)一年的時(shí)間。雖然谷歌對技術(shù)細節嚴格保密，但已透露它們專(zhuān)為谷歌開(kāi)源項目 TensorFlow 而優(yōu)化;它采取了：ASIC。

　　谷歌發(fā)布了人工智能芯片：Tensor Processing Unit，這是ASIC

　　據知情人士說(shuō)，TPU已經(jīng)在谷歌的數據中心運行了一年時(shí)間，由于谷歌嚴守TPU的秘密，所以TPU一直不為外界所知。這位知情人士說(shuō)，從目前的運行效果來(lái)看，TPU每瓦能耗的學(xué)習效果和效率都比傳統的CPU、GPU高出一個(gè)數量級，達到了摩爾定律預言的七年后的CPU的運行效果。這位知情人士不無(wú)煽情的說(shuō)，請忘掉CPU、GPU、FPGA吧。

　　如此看來(lái)，在深度學(xué)習方面，TPU可以兼具桌面機與嵌入式設備的功能，也就是低能耗高速度。

　　據報道，TPU之所以具有良好的機器學(xué)習能力，是因為這種芯片具有比較寬的容錯性，這就意味著(zhù)，達到與通用芯片相同的學(xué)習效果，TPU不需要通用芯片那樣多的晶體管，不需要通用芯片上那樣多的程序操作步驟，也就是說(shuō)，相同數量的晶體管，在TPU上能做更多的學(xué)習工作。

　　谷歌研發(fā)TPU并非要取代CPU或者FPGA，谷歌認為，TPU是介于CPU和ASIC (application-specific integrated circuit：應用集成電路)之間的芯片。ASIC用于專(zhuān)門(mén)的任務(wù)，比如去除噪聲的電路，播放視頻的電路，但是ASIC明顯的短板是不可更改任務(wù)。通用CPU可以通過(guò)編程來(lái)適應各種任務(wù)，但是效率能耗比就不如ASIC。一如前邊所言，在機器學(xué)習方面，TPU兼具了CPU與ASIC的特點(diǎn)，可編程，高效率，低能耗.

　　最后說(shuō)說(shuō)，異構處理器：

　　什么是異構多核處理器?簡(jiǎn)單地說(shuō)異構多核處理器指的是在CPU里集成了 CPU與【其他模塊】一起同步工作，【也就是說(shuō) 一塊cpu 里不單有 CPU運算模塊 還有其他運算模塊 例如 GPU,FPGA,DSP等等。

　　AMD,Nvidia以及賽靈思公司都在進(jìn)行異構多核處理器的研發(fā)

　　這是AMD的異構多核處理器

　　AMD在異構多核處理器發(fā)展方面是不遺余力，早在2012年就成立了“異構系統架構基金會(huì )”(HSA Foundation)，首批會(huì )員是AMD、 ARM、Imagination Technologies、 聯(lián)發(fā)科和德州儀器(TI)是“異構系統架構基金會(huì )”的創(chuàng )始成員。

　　瞧瞧，英特爾的老對手ARM和AMD都在里面呢

　　HSA聯(lián)盟發(fā)展了兩年也有一些新成員加入，但是總的來(lái)說(shuō)對英特爾威脅不大，直到 ，直到，賽靈思推了zynq的時(shí)候。

　　看看它的內部結構：

　　1、四核A53處理器 CPU

　　2、一個(gè)GPU Mali-400MP

　　3、一個(gè)Cortex-R5 CPU

　　4、電源管理單元，AMS單元

　　5、H.265(HEVC)視頻編解碼器

　　6、安全模塊

　　7、UltraScale FPGA 單元;

　　這其實(shí)就是一款異構處理器，如前所述，它是一款ASIC就級的異構處理器!而且是64位，采用16nm FinFET工藝的處理器!而且是采用FPGA實(shí)現硬加速的處理器!但是這個(gè)ARM是不是偏弱了一點(diǎn)?做深度學(xué)習還是欠把火后。

　　Intel收購Altera，應該最終的目的也是要在異構處理器上面做出更多的文章吧。X86+FPGA，看起來(lái)好像很美。但是X86和FPGA結合就更符合模型么?目前也沒(méi)有應用，更沒(méi)有看到成熟的芯片推出。兩個(gè)巨無(wú)霸的整合，可以說(shuō)是用腳趾頭都能想到很多的困難。Intel這口也許吃得太大了，吞得很痛苦。不是每個(gè)公司都有很強大執行力的，歷史包袱在所難免。