“夫因樸生文，因拙生巧，相因相生，以至今日?！痹?a href="http://www.www27dydycom.cn/v/tag/150/" target="_blank">人工智能領(lǐng)域，機(jī)器學(xué)習(xí)研究與芯片行業(yè)的發(fā)展，即是一個相因相生的過程。自第一個深度網(wǎng)絡(luò)提出，深度學(xué)習(xí)歷經(jīng)幾次寒冬，直至近年，才真正帶來一波AI應(yīng)用的浪潮，這很大程度上歸功于GPU處理芯片的發(fā)展。與此同時，由于AI應(yīng)用場景的多元化，深度學(xué)習(xí)在端側(cè)的應(yīng)用需求日益迫切，也促使芯片行業(yè)開展面向深度學(xué)習(xí)的專用芯片設(shè)計。如果能夠?qū)⑸疃?a href="http://www.www27dydycom.cn/v/tag/2562/" target="_blank">算法與芯片設(shè)計相結(jié)合，將大大拓展AI的應(yīng)用邊界，真正將智能從云端落地。本文中，來自中科院自動化所的程健研究員，將帶著大家一方面探索如何將深度學(xué)習(xí)高效化，另一方面討論如何針對深度算法來設(shè)計專用處理芯片。文末，提供文中提到參考文獻(xiàn)的下載鏈接。

上圖是本次匯報的大綱，主要從深度學(xué)習(xí)發(fā)展現(xiàn)狀、面臨的挑戰(zhàn)、神經(jīng)網(wǎng)絡(luò)加速算法設(shè)計、深度學(xué)習(xí)芯片設(shè)計和對未來的展望五個方面來展開。

首先我們來看一下深度學(xué)習(xí)的發(fā)展現(xiàn)狀。毋庸置疑的是深度學(xué)習(xí)目前在各個領(lǐng)域都取得了一些突破性的進(jìn)展，上圖展示了深度學(xué)習(xí)目前廣泛應(yīng)用的領(lǐng)域。

深度學(xué)習(xí)近年來取得的長足發(fā)展離不開三個方面，上圖展示了其不可或缺的三個要素。一是隨著互聯(lián)網(wǎng)的發(fā)展產(chǎn)生的大數(shù)據(jù)，二是游戲行業(yè)的發(fā)展促使的如GPU計算資源的迅速發(fā)展，三是近年來研究者們對于深度學(xué)習(xí)模型的研究。在目前的情況下，給定一個應(yīng)用場景，我們可以使用大量的數(shù)據(jù)和計算資源搭建非常深的網(wǎng)絡(luò)模型來達(dá)到比較高的性能。然而在實際應(yīng)用中，這些復(fù)雜網(wǎng)絡(luò)由于需要很高的計算量難以很好地部署到設(shè)備上以滿足實際應(yīng)用的需求，所以如何減少深度神經(jīng)網(wǎng)絡(luò)計算量，成為深度學(xué)習(xí)領(lǐng)域中的研究熱點。

另一方面，面向深度學(xué)習(xí)設(shè)計的芯片也受到了越來越多的關(guān)注。目前一些通用的芯片如CPU不能很好地適應(yīng)神經(jīng)網(wǎng)絡(luò)這種計算量非常密集的操作，而計算能力強(qiáng)大的GPU由于其價格和功耗因素很難在大量終端設(shè)備上部署。所以如何設(shè)計一個面向深度學(xué)習(xí)的專用芯片達(dá)到速度和功耗的要求是目前比較火熱的研究方向。

雖然現(xiàn)在對神經(jīng)網(wǎng)絡(luò)模型設(shè)計和深度學(xué)習(xí)芯片設(shè)計的研究很多，但依舊面臨很多挑戰(zhàn)。

面臨的挑戰(zhàn)之一是越來越復(fù)雜的網(wǎng)絡(luò)模型，上圖展示了近年來主流網(wǎng)絡(luò)模型的參數(shù)和計算量等信息?？梢钥闯鲭S著網(wǎng)絡(luò)規(guī)模越來越大，網(wǎng)絡(luò)結(jié)構(gòu)越來越復(fù)雜，由此帶來的越來越大的計算量會是一個挑戰(zhàn)。

面臨的挑戰(zhàn)之二是深度學(xué)習(xí)復(fù)雜多變的應(yīng)用場景，主要包括在移動設(shè)備上算不好、穿戴設(shè)備上算不了、數(shù)據(jù)中心算不起三個方面。由于移動設(shè)備和可穿戴設(shè)備本身硬件比較小，允許運行的計算量非常有限，在面臨非常復(fù)雜多變的應(yīng)用場景的時候，往往不能滿足實際需求。而目前存在的一些移動中心的計算由于其代價昂貴使得大多數(shù)人只能望而卻步。

面臨的挑戰(zhàn)之三是近年來摩爾定理隨著時間推移的失效，不能像以前一樣僅僅依靠在硬件上堆疊晶體管來實現(xiàn)物理層面的性能提升。

目前深度學(xué)習(xí)面臨的三個挑戰(zhàn)促使我們從兩個方面去思考，一是網(wǎng)絡(luò)模型本身優(yōu)化的問題，二是設(shè)計面向深度學(xué)習(xí)專用芯片來實現(xiàn)神經(jīng)網(wǎng)絡(luò)的高效計算。下面分別從這兩個方面進(jìn)行闡述。

在深度學(xué)習(xí)模型的優(yōu)化計算方面，包括一些最近幾年研究的工作，上圖展示了三種方式，下面主要列出了一些比較適合芯片的神經(jīng)網(wǎng)絡(luò)加速計算的方法。

首先對于神經(jīng)網(wǎng)絡(luò)大部分的計算，無論是卷積層還是全連接層都可以轉(zhuǎn)換成矩陣乘的基礎(chǔ)操作，上圖展示了這個過程，所以對矩陣乘進(jìn)行加速的方法都可以引入到神經(jīng)網(wǎng)絡(luò)的加速中來，包括低秩分解、網(wǎng)絡(luò)稀疏化、低精度表示等方法。

上圖展示了低秩分解的基本思想，將原來大的權(quán)重矩陣分解成多個小的矩陣，右邊的小矩陣的計算量都比原來大矩陣的計算量要小，這是低秩分解的基本出發(fā)點。

低秩分解有很多方法，最基本的是奇異值分解SVD。上圖是微軟在2016年的工作，將卷積核矩陣先做成一個二維的矩陣，再做SVD分解。上圖右側(cè)相當(dāng)于用一個R的卷積核做卷積，再對R的特征映射做深入的操作。從上面可以看到，雖然這個R的秩非常小，但是輸入的通道S還是非常大的。

為了解決SVD分解過程中通道S比較大的問題，我們從另一個角度出發(fā)，沿著輸入的方向?qū)做降維操作，這就是上圖展示的Tucker分解的思想。具體操作過程是：將原來的卷積，首先在S維度上做一個低維的表達(dá)，再做一個正常的3×3的卷積，最后再做一個升維的操作。

在SVD分解和Tucker分解之后的一些工作主要是做了更進(jìn)一步的分解。上圖展示了使用微調(diào)的CP分解加速神經(jīng)網(wǎng)絡(luò)的方法。在原來的四維張量上，在每個維度上都做類似1×1的卷積，轉(zhuǎn)化為第二行的形式，在每一個維度上都用很小的卷積核去做卷積。在空間維度上，大部分都是3×3的卷積，所以空間的維度很小，可以轉(zhuǎn)化成第三行的形式，在輸入和輸出通道上做低維分解，但是在空間維度上不做分解，類似于MobileNet。

上圖展示了我們在2016年的工作，結(jié)合了上述兩種分解方法各自的優(yōu)勢。首先把輸入?yún)?shù)做降維，然后在第二個卷積的時候，做分組操作，這樣可以降低第二個3×3卷積的計算量，最后再做升維操作。另一方面由于分組是分塊卷積，它是有結(jié)構(gòu)的稀疏，所以在實際中可以達(dá)到非常高的加速，我們使用VGG網(wǎng)絡(luò)在手機(jī)上的實驗可以達(dá)到5-6倍的實際加速效果。

第二個方面是網(wǎng)絡(luò)的剪枝，基本思想是刪除卷積層中一些不重要的連接。

上圖展示了在NIP2015上提出的非常經(jīng)典的三階段剪枝的方法。首先訓(xùn)練一個全精度網(wǎng)絡(luò)，隨后刪除一些不重要的節(jié)點，后面再去訓(xùn)練權(quán)重。這種非結(jié)構(gòu)化的剪枝的方法，雖然它的理論計算量可以壓縮到很低，但是收益是非常低的，比如在現(xiàn)在的CPU或者GPU框架下很難達(dá)到非常高的加速效果。所以下面這種結(jié)構(gòu)化的剪枝技術(shù)越來越多。

從去年的ICCV就有大量基于channel sparsity的工作。上面是其中的一個示意圖，相當(dāng)于對每一個feature map定義其重要性，把不重要的給刪除掉，這樣產(chǎn)生的稀疏就是有規(guī)則的，我們可以達(dá)到非常高的實際加速效果。

第三個方面是低比特量化，上圖展示了具體操作方法。目前的低比特量化方法和上面提到的低秩分解、網(wǎng)絡(luò)剪枝這兩種方法是可結(jié)合的。左側(cè)是不同的比特數(shù)在計算機(jī)上的存儲方式，右側(cè)是不同操作的功耗?？梢钥闯鰜淼捅忍氐墓倪h(yuǎn)遠(yuǎn)小于高比特浮點數(shù)操作的功耗。

上圖是在定點表示里面最基本的方法：BNN和BWN。在網(wǎng)絡(luò)進(jìn)行計算的過程中，可以使用定點的數(shù)據(jù)進(jìn)行計算，由于是定點計算，實際上是不可導(dǎo)的，于是提出使用straight-through方法將輸出的估計值直接傳給輸入層做梯度估計。在網(wǎng)絡(luò)訓(xùn)練過程中會保存兩份權(quán)值，用定點的權(quán)值做網(wǎng)絡(luò)前向后向的計算，整個梯度累積到浮點的權(quán)值上，整個網(wǎng)絡(luò)就可以很好地訓(xùn)練，后面幾乎所有的量化方法都會沿用這種訓(xùn)練的策略。前面包括BNN這種網(wǎng)絡(luò)在小數(shù)據(jù)集上可以達(dá)到跟全精度網(wǎng)絡(luò)持平的精度，但是在ImageNet這種大數(shù)據(jù)集上還是表現(xiàn)比較差。

上圖展示了ECCV2016上一篇名為XNOR-Net的工作，其思想相當(dāng)于在做量化的基礎(chǔ)上，乘了一個尺度因子，這樣大大降低了量化誤差。他們提出的BWN，在ImageNet上可以達(dá)到接近全精度的一個性能，這也是首次在ImageNet數(shù)據(jù)集上達(dá)到這么高精度的網(wǎng)絡(luò)。

上圖展示了阿里巴巴冷聰?shù)热俗龅耐ㄟ^ADMM算法求解binary約束的低比特量化工作。從凸優(yōu)化的角度，在第一個優(yōu)化公式中，f(w)是網(wǎng)絡(luò)的損失函數(shù)，后面會加入一項W在集合C上的loss來轉(zhuǎn)化為一個優(yōu)化問題。這個集合C取值只有正負(fù)1，如果W在滿足約束C的時候，它的loss就是0；W在不滿足約束C的時候它的loss就是正無窮。為了方便求解還引進(jìn)了一個增廣變量，保證W是等于G的，這樣的話就可以用ADMM的方法去求解。

他們在AlexNet和ResNet上達(dá)到了比BWN更高的精度，已經(jīng)很接近全精度網(wǎng)絡(luò)的水平。

上圖是我們今年通過Hashing方法做的網(wǎng)絡(luò)權(quán)值二值化工作。第一個公式是我們最常用的哈希算法的公式，其中S表示相似性，后面是兩個哈希函數(shù)之間的內(nèi)積。我們在神經(jīng)網(wǎng)絡(luò)做權(quán)值量化的時候采用第二個公式，第一項表示輸出的feature map，其中X代表輸入的feature map，W表示量化前的權(quán)值，第二項表示量化后輸出的feature map，其中B相當(dāng)于量化后的權(quán)值，通過第二個公式就將網(wǎng)絡(luò)的量化轉(zhuǎn)化成類似第一個公式的Hashing方式。通過最后一行的定義，就可以用Hashing的方法來求解Binary約束。

我們做了實驗，達(dá)到了比之前任何一個網(wǎng)絡(luò)都高的精度，非常接近全精度網(wǎng)絡(luò)的性能。

上圖是我們在CVPR2017上的工作。實際中借助了矩陣分解和定點變換的優(yōu)勢，對原始權(quán)值矩陣直接做一個定點分解，限制分解后的權(quán)值只有+1、-1、0三個值。將網(wǎng)絡(luò)變成三層的網(wǎng)絡(luò)，首先是正常的3×3的卷積，對feature map做一個尺度的縮放，最后是1×1的卷積，所有的卷積的操作都有+1、-1、0。

上圖是我們在ImageNet數(shù)據(jù)集上與流行的網(wǎng)絡(luò)模型做的對比實驗，可以看出我們提出的FFN與一些網(wǎng)絡(luò)相比已經(jīng)達(dá)到甚至超過全精度網(wǎng)絡(luò)的性能；雖然與ResNet-50相比還存在一些性能上的損失，但是相比之前的方法損失已經(jīng)小了很多。

下面講述一些專門針對深度學(xué)習(xí)芯片設(shè)計的工作。

上圖是2017年芯片設(shè)計兩個頂會ISCA和ISSCC上與deep learning相關(guān)session情況，這兩個會議上都有專門針對深度學(xué)習(xí)的討論可以看出深度學(xué)習(xí)對芯片設(shè)計產(chǎn)生了巨大影響。

首先是上圖中谷歌在2017年推出的的TPU，設(shè)計了矩陣基本乘法的單元，使用int8來表示，還專門針對芯片上包括權(quán)值的所有數(shù)據(jù)設(shè)計了一些緩沖區(qū)域。

上圖是中科院計算所研發(fā)的寒武紀(jì)。它在思想上實際和TPU有一點相似，實際中專門針對CNN設(shè)計了一些計算單元，還對常用的一些卷積神經(jīng)網(wǎng)絡(luò)中的操作專門設(shè)計了一些指令，這樣芯片可以達(dá)到452GOP/s的高速度和485Mw的低功耗。

上圖是清華大學(xué)2016年在FPGA平臺上使用了VGG16所做的早期工作，采用類似正常網(wǎng)絡(luò)的計算思路，在FPGA上實現(xiàn)了VGG16，可以達(dá)到4.5幀每秒的速度。

上圖是MIT發(fā)布的一款名為Eyeriss的芯片，把正常的3×3卷積核操作做差分運算，將每一行做一個類似的處理，在卷積核進(jìn)來以后，對整個feature map掃描以后，再把數(shù)據(jù)給拋掉。

上面對3×3的卷積核的處理只是針對一行，如果并行處理三行，就是上面這張圖。將三行都保存在片上，藍(lán)色的部分相當(dāng)于特征，對其使用類似于一個流水線的方式進(jìn)行處理，最左邊的圖表示一二三，中間是三三四，右邊是三四五，用這種方式把feature map在芯片上所有位置的響應(yīng)都計算出來。

上面是我們2018年在DATE上的工作，我們和清華大學(xué)使用相同的板子做了VGG16。我們的出發(fā)點是這樣的，由于VGG16的feature map非常大，所以在計算過程中我們不可避免地需要在內(nèi)存和板子上搬數(shù)據(jù)，這會帶來非常大的功耗。如果我們一次要搬這個數(shù)據(jù)的話，無論是從功耗還是速度的角度都有很大的損失。我們從算法和硬件結(jié)合的角度考慮，首先從算法上對神經(jīng)網(wǎng)絡(luò)進(jìn)行分塊的操作，將上面正常的卷積，分成2×2的四塊，本來從A1計算B1的時候需要A2和A3的信息，現(xiàn)在在算法的層面把這些依賴都去掉，就可以轉(zhuǎn)化成下面的這種方式。所有對B1的計算只依賴于A1，得到B1以后不需要等B2和B3的計算結(jié)果，就可以直接使用B1去計算C1，而且還可以把A1、B1、C1的操作做層之間的合并，這樣計算時延非常低，并且我們在整個網(wǎng)絡(luò)的運算過程中不需要大量的內(nèi)存，從而大幅提高了神經(jīng)網(wǎng)絡(luò)的計算速度。

下面談一談我們能看到的對神經(jīng)網(wǎng)絡(luò)未來的展望。

1. 首先前面提到的二值化方法大多都是針對權(quán)值的二值化，對這些網(wǎng)絡(luò)的feature map做8比特的量化，很容易達(dá)到類似于feature map是浮點數(shù)的性能。如果我們能夠把feature map也做成binary的話，無論是在現(xiàn)有的硬件還是在專用的硬件上都可以達(dá)到更好的性能。但是性能上還有很大損失。所以如何更高效地二值化網(wǎng)絡(luò)也是未來研究的熱點。

2. 目前在訓(xùn)練階段的一些量化操作都是針對測試階段的。如果我們要設(shè)計一款有自主學(xué)習(xí)能力的芯片，則需要在訓(xùn)練的階段實現(xiàn)量化，我們可以在芯片實際使用的時候在線更新權(quán)值，這是未來發(fā)展的一個趨勢。

3. 另一個方面是不需要重新訓(xùn)練，或者只需要無監(jiān)督訓(xùn)練的網(wǎng)絡(luò)加速與壓縮方法?，F(xiàn)在的網(wǎng)絡(luò)加速方法都是做了一些網(wǎng)絡(luò)壓縮以后還要做大量的fine-tuning操作，但是實際使用中用戶給定一個網(wǎng)絡(luò)，如果我們可以使用不需要重新訓(xùn)練，或者我們只是用一部分不帶標(biāo)簽的數(shù)據(jù)就可以對這個網(wǎng)絡(luò)進(jìn)行壓縮的話，這是一個非常有實用價值的研究方向。

4. 面向不同的任務(wù)，現(xiàn)在進(jìn)行加速的方法，包括面向深度學(xué)習(xí)的芯片，大部分都是針對分類任務(wù)去做的。但是在實際應(yīng)用中，分類是一個最基礎(chǔ)的工作，而像目標(biāo)檢測、圖像分割的應(yīng)用也非常的廣泛，對這些任務(wù)進(jìn)行加速也是非常重要的問題。

5. 單獨做神經(jīng)網(wǎng)絡(luò)或芯片架構(gòu)的優(yōu)化都很難做得非常好，兩個方面結(jié)合起來協(xié)同優(yōu)化會更好。這些就是我們能看到的一些未來的發(fā)展。