本期導(dǎo)讀

MLPerf 組織最近發(fā)布了最新一輪機器學(xué)習(xí)性能測試結(jié)果，首次直接參加此次測試的“新力量” 賽靈思（Xilinx）， 在最新 MLPerf 推斷基準(zhǔn)測試中取得了“圖像分類”最高的性能/峰值（Perf divided by peak TOPS）成績。TOPS（每秒萬億次運算） 是一個衡量性能效率的指標(biāo)，意味著在給定 X 個硬件峰值計算量的情況下，賽靈思提供了最高的吞吐量性能。機器學(xué)習(xí)（ML）是支撐當(dāng)今人工智能（AI）技術(shù)發(fā)展的核心算法，性能效率關(guān)乎各種 AI 應(yīng)用的實現(xiàn)和落地。然而，玩家們你方唱罷我登場的機器學(xué)習(xí)性能之爭，紙上公開的數(shù)據(jù)是否可信，效率高低誰來評判、如何評判？

帶著這些問題，Aspencore 首席分析師邵樂峰先生連線賽靈思人工智能高級總監(jiān)姚頌及人工智能高級經(jīng)理羅霖先生，希望通過更深度地了解賽靈思此次參加測試的過程及結(jié)果，探索衡量機器學(xué)習(xí)芯片性能的基準(zhǔn)及自適應(yīng)計算平臺的前景。

1

機器學(xué)習(xí)性能誰來評判？

當(dāng)今 AI 芯片的評測標(biāo)準(zhǔn)，主流的有國際上的 MLPerf，國內(nèi)有人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟的 AIIA DNN benchmark（人工智能端側(cè)芯片基準(zhǔn)測試評估方案）。

MLPerf 是用于測試機器學(xué)習(xí)（ML）硬件、軟件以及服務(wù)的訓(xùn)練和推斷性能的一套公開、標(biāo)準(zhǔn)化基準(zhǔn)，該行業(yè)基準(zhǔn)測試組織自 2018 年 5 月成立以來，得到了亞馬遜、百度、Facebook、谷歌、哈佛大學(xué)、英特爾、微軟和斯坦福大學(xué)等支持，旨在提供一個共同認(rèn)可的過程，來衡量不同類型的加速器和系統(tǒng)如何快速有效地執(zhí)行訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)。

作為 AI 芯片領(lǐng)域一個重要的基準(zhǔn)測試，MLPerf 主要包括訓(xùn)練和推斷兩方面的性能測試，并正在迅速成為業(yè)界衡量 ML 性能的事實標(biāo)準(zhǔn)。盡管目前看仍偏重于訓(xùn)練端，但賽靈思軟件和人工智能高級經(jīng)理羅霖認(rèn)為未來推斷側(cè)性能測試的比例將會不斷增加，尤其是 MLPerf 今年在測試中增加了新模式和手機/筆記本電腦這兩種新類別。今年的 MLPerf Inference 基準(zhǔn)測試（v0.7）的第二個版本，吸引了全球 1，200 多位同行進行評審。

2

從參測過程看 MLPerf 測試有何基準(zhǔn)

此次賽靈思與 Mipsology 合作，參加了嚴(yán)格的“封閉”基準(zhǔn)測試。該測試向廠商提供預(yù)訓(xùn)練網(wǎng)絡(luò)和預(yù)訓(xùn)練權(quán)重，是一個真正的“Close Deviation”同類測評。羅霖解釋說，同類測評就像是跳水比賽中和自選動作對應(yīng)的標(biāo)準(zhǔn)動作，是實打?qū)嵉幕谕瑯宇A(yù)訓(xùn)練權(quán)重模型的對比。

測試系統(tǒng)使用賽靈思 Alveo U250 加速器卡，該卡以 Mipsology 優(yōu)化的領(lǐng)域?qū)Ｓ眉軜?gòu)（DSA）為基礎(chǔ)?；鶞?zhǔn)測試測量了基于 Alveo 的定制 DSA 在離線模式下以 5，011 圖像/秒的速度執(zhí)行基于 ResNet-50 基準(zhǔn)的圖像分類任務(wù)的效率。ResNet-50 以圖像/秒為單位測量圖像分類性能。結(jié)果，賽靈思實現(xiàn)了最高的性能/峰值（TOPS，每秒萬億次運算）。這是一個衡量性能效率的指標(biāo)，因此也就意味著，在給定 X 個硬件峰值計算量的情況下，賽靈思提供了最高的吞吐量性能。

此外，值得一提的是，MLPerf 的結(jié)果還顯示，賽靈思與其在數(shù)據(jù)手冊中公布的性能相比，實現(xiàn)了 100% 的可用 TOPS。而市場上的大多數(shù)廠商只能提供其峰值 TOPS 的一小部分，效率最高通常不超過 40%。這一令人印象深刻的結(jié)果表明，并非所有數(shù)據(jù)手冊，或者說紙面上的原始峰值 TOPS，都能準(zhǔn)確代表實際性能。

從測試看， 還有一個重要的因素值得關(guān)注， ML 應(yīng)用涉及的不僅僅是 AI 處理。它們通常需要 ML 預(yù)處理功能和后處理功能，這兩者會競爭系統(tǒng)帶寬，導(dǎo)致系統(tǒng)級瓶頸。而賽靈思自適應(yīng)平臺的強大之處就在于，它可以通過加速關(guān)鍵型非 AI 功能同時構(gòu)建應(yīng)用級數(shù)據(jù)流流水線，來避免系統(tǒng)瓶頸，從而加速整體應(yīng)用。同時，賽靈思在 TensorFlow 和 Pytorch 框架的支持上也做了很多工作，使 Tensorflow 和 Pytorch 模型的硬件加速變得更容易。

3

Xilinx 首次直接參測意味著什么？

賽靈思首次直接參與 MLPerf 測試，意味著以 FPGA 為基礎(chǔ)的 AI 解決方案已經(jīng)日趨成熟，在推斷應(yīng)用中達到了業(yè)界領(lǐng)先的水平，日漸成為 AI 應(yīng)用的主流玩家。在本次數(shù)據(jù)中心類別的封閉分區(qū)（Closed Division）參賽廠商中，除了 Nvidia 和 Intel 之外，賽靈思是唯一提交結(jié)果的芯片公司。

羅霖表示：AI 推斷是一個快速增長的市場，例如自動駕駛和基于人工智能的視頻監(jiān)控，需要計算機視覺任務(wù)，如圖像分類和目標(biāo)檢測。這些復(fù)雜的計算工作負(fù)載需要不同級別的吞吐量、延遲和功率才能高效運行，這就是賽靈思和自適應(yīng)計算產(chǎn)品的亮點所在。

由于時間的原因，賽靈思在本次 MLPerf 測試中只提交了 3 項測試結(jié)果，除了上文提到的使用 U250 加速卡進行“圖像分類”外，還使用 Alveo U280 加速卡進行“目標(biāo)檢測”，以及使用 Versal ACAP 平臺進行“圖像分類”。 羅霖說，U250 參加的測試是在封閉分區(qū)所有參賽者采用一樣的神經(jīng)網(wǎng)絡(luò)模型，一樣的預(yù)訓(xùn)練權(quán)重，一樣的預(yù)處理和后處理，就像體操比賽里面“標(biāo)準(zhǔn)動作”。相比之下，在開放分區(qū)（Open Division）類別中廠商允許使用自定義的方法對模型進行優(yōu)化，包括重新訓(xùn)練，屬于“百花齊放”類型。

但實際上，MLPerf Inference 0.7 版的 8 項測試內(nèi)容賽靈思平臺其實都能支持，在公司內(nèi)部運行的一些非圖像類模型，例如語音識別、自然語言處理等測試中，都有不錯的表現(xiàn)。相信今后公司會參加更多類別的測試。

法國初創(chuàng)公司 Mipsology 是賽靈思此次測試的合作伙伴，在利用 FPGA 實現(xiàn)神經(jīng)網(wǎng)絡(luò)加速方面頗有建樹。羅霖表示，F(xiàn)PGA 是一個開放的、靈活的計算加速平臺，各種各樣和 Mipsology 一樣有能力的合作伙伴，都可以基于賽靈思相關(guān)硬件和工具鏈產(chǎn)品，開發(fā)出極具市場競爭力的產(chǎn)品。

4

TOPS 是衡量機器學(xué)習(xí)性能的唯一指標(biāo)？

姚頌表示：機器學(xué)習(xí)（ML）應(yīng)用程序不僅僅是 AI 處理，還需要 ML 前后的處理函數(shù)，因為這些函數(shù)會競爭系統(tǒng)帶寬并導(dǎo)致系統(tǒng)級瓶頸。因此，最優(yōu)秀的 AI 應(yīng)用實現(xiàn)方案未必是速度最快的，它需要的是在效率最高的同時保持靈活性，必須是量身定制的，能夠按需交付性能，不多不少。

眾所周知，神經(jīng)網(wǎng)絡(luò)中的前一個計算結(jié)果通常都作為后一個計算的輸入，AI 推斷效率發(fā)揮不出來的主要原因是要花很多時間去內(nèi)存中讀取數(shù)據(jù)。

姚頌列舉了兩種常見的提升效率模式的做法：

一是通過將計算結(jié)果快速存儲下來，避免對內(nèi)存的反復(fù)讀取和寫入；

另一種是對神經(jīng)網(wǎng)絡(luò)進行分割處理，只調(diào)用與特定區(qū)塊處理相關(guān)的數(shù)據(jù)，以流水線的方式掩蓋掉內(nèi)存讀取的延時。

而具體到賽靈思的做法，羅霖更強調(diào)“端到端的優(yōu)化”對高計算效率的影響。也就是說，首先要關(guān)注底層神經(jīng)網(wǎng)絡(luò)處理單元微架構(gòu)的設(shè)計，包括計算乘加、數(shù)據(jù)存儲/搬運、流水線調(diào)度等等；其次是中間層的工具鏈，例如在編譯的時候是否對模型進行了優(yōu)化，是否將與模型相關(guān)的計算和對存儲的操作有效映射到微架構(gòu)上；最后，再對上層應(yīng)用進行優(yōu)化。這一系列操作并非簡單的硬件堆砌就能達到，而是要在性能、成本、功耗等多因素之間找到微妙的平衡，不能像孩子們玩的蹺蹺板，一邊的升起，往往意味著另一邊的下墜。

羅霖進一步解釋說，一些解決方案非常適合 AI 推斷，但并不適合整體應(yīng)用處理。GPU 和 ASIC 往往能提供在紙面上看上去很高的 TOPS，但是 AI 推斷性能通常需要與系統(tǒng) I/O、預(yù)處理性能和后處理性能相匹配。如果非 AI 組件不能高效地在單芯片上實現(xiàn)，就需要多芯片解決方案。多芯片方案需要在器件之間傳遞數(shù)據(jù)，會降低系統(tǒng)性能并提高功耗。因此，一個能夠高效實現(xiàn)整體應(yīng)用的單器件在實際 AI 推斷部署中擁有顯著優(yōu)勢。

5

自適應(yīng)計算平臺有哪些典型應(yīng)用？

賽靈思 Versal ACAP 自適應(yīng)計算平臺構(gòu)建于能在制造后依然可以動態(tài)重配置的硬件上，包括 FPGA 等經(jīng)過長期檢驗的技術(shù)，以及賽靈思 AI 引擎等最近的創(chuàng)新。其強大之處在于，不僅可以加速關(guān)鍵的人工智能和非人工智能功能，而且還可以構(gòu)建應(yīng)用程序級流媒體管道，以避免系統(tǒng)瓶頸，從而實現(xiàn)整個應(yīng)用程序的加速。

為了能夠更好地理解上述理論，羅霖和姚頌為我們列舉了一些典型的應(yīng)用場景：

自動駕駛

自動駕駛對超低延時是相當(dāng)看重的，通常要求每一幀的延時不能超過 33 毫秒，這意味著真正能留給感知和識別的時間只有不到 10 毫秒，F(xiàn)PGA 可以做到幾毫秒之內(nèi)的延時，相比之下，GPU 就很難做到。

智能視頻分析

“數(shù)據(jù)路徑越復(fù)雜對 FPGA 越有利”，羅霖說，在智能視頻分析中，不光有 CNN 推斷，還包括檢測、解碼、圖像預(yù)處理和后處理等許多工作，F(xiàn)PGA 器件能夠做很多優(yōu)化的、定制化的硬件加速。如果換成 GPU，盡管在處理 YOLOV3 模型時效果不錯，但添加上其他任務(wù)后，就會明顯感到“力不從心”，類似現(xiàn)象在語音類、推薦類應(yīng)用中也很常見。

ResNet-50 Vs YOLOv3

YOLOv3 是用于各類目標(biāo)檢測與識別的神經(jīng)網(wǎng)絡(luò)模型，準(zhǔn)確率高。支持者認(rèn)為，ResNet-50 使用的 224×224 基準(zhǔn)圖像像素現(xiàn)在“幾乎無人使用”，而 YOLOv3 使用 608×608，甚至 1440×1440 像素，屬于高清處理，這對自動駕駛、機器人、銀行安全及零售分析領(lǐng)域的客戶來說十分重要。

姚頌不否認(rèn) YOLOv3 是在準(zhǔn)確率和計算性能上取得不錯平衡的模型，但他不認(rèn)為這樣就可以取代 ResNet-50 標(biāo)準(zhǔn)，例如在醫(yī)療影像、工業(yè)圖像檢測等領(lǐng)域就使用了包括 SSB 在內(nèi)的其它模型。更重要的是，ResNet-50 的整體架構(gòu)非常高效，很多互聯(lián)網(wǎng)企業(yè)的神經(jīng)網(wǎng)絡(luò)都基于 ResNet-50 模塊搭建。所以，“我們不應(yīng)該只把眼光聚焦在 YOLOv3 模型上，一顆 AI 芯片，至少應(yīng)該把 CNN 推斷或者類似的神經(jīng)網(wǎng)絡(luò)架構(gòu)都支持起來，否則人家會認(rèn)為你只支持 YOLOv3 模型?！彼f。

作者：邵樂峰

ASPENCORE 中國區(qū)首席分析師

責(zé)任編輯：haq