多級存儲器與模擬內存內計算完美融合,人工智能邊緣處理難題迎刃而解
機器學習和深度學習已成為我們生活中不可或缺的部分。利用自然語言處理(NLP)、圖像分類和物體檢測實現(xiàn)的人工智能(AI)應用已深度嵌入到我們使用的眾多設備中。大多數(shù)AI應用通過云引擎即可出色地滿足其用途,例如在Gmail中回復電子郵件時可以獲得詞匯預測。
本文引用地址:http://cafeforensic.com/article/202007/415516.htm雖然我們可以享受到這些AI應用帶來的益處,但這種方法導致隱私、功耗、延時和成本等諸多因素面臨挑戰(zhàn)。如果有一個能夠在數(shù)據來源處執(zhí)行部分或全部計算(推斷)的本地處理引擎,那么這些問題即可迎刃而解。傳統(tǒng)數(shù)字神經網絡的存儲器功耗存在瓶頸,難以實現(xiàn)這一目標。為了解決這一問題,可以將多級存儲器與模擬內存內計算方法結合使用,使處理引擎滿足更低的毫瓦級(mW)到微瓦級(μW)功率要求,從而在網絡邊緣執(zhí)行AI推斷。
圖1:從邊緣到云的數(shù)據傳輸
通過云引擎提供服務的
AI應用面臨的挑戰(zhàn)
如果通過云引擎為AI應用提供服務,用戶必須將一些數(shù)據以主動或被動方式上傳到云,計算引擎在云中處理數(shù)據并提供預測,然后將預測結果發(fā)送給下游用戶使用。下面概述了這一過程面臨的挑戰(zhàn):
1. 隱私問題:對于始終在線始終感知的設備,個人數(shù)據和/或機密信息在上傳期間或在數(shù)據中心的保存期限內存在遭受濫用的風險。
2. 不必要的功耗:如果每個數(shù)據位都傳輸?shù)皆?,則硬件、無線電、傳輸裝置以及云中不必要的計算都會消耗電能。
3. 小批量推斷的延時:如果數(shù)據來源于邊緣,有時至少需要一秒才能收到云系統(tǒng)的響應。當延時超過100毫秒時,人們便有明顯感知,造成反響不佳的用戶體驗。
4. 數(shù)據經濟需要創(chuàng)造價值:傳感器隨處可見,價格低廉;但它們會產生大量數(shù)據。將每個數(shù)據位都上傳到云進行處理并不劃算。
要使用本地處理引擎解決這些挑戰(zhàn),必須首先針對目標用例利用指定數(shù)據集對執(zhí)行推斷運算的神經網絡進行訓練。這通常需要高性能計算(和存儲器)資源以及浮點算數(shù)運算。因此,機器學習解決方案的訓練部分仍需在公共或私有云(或本地GPU、CPU和FPGA Farm)上實現(xiàn),同時結合數(shù)據集來生成最佳神經網絡模型。神經網絡模型的推斷運算不需要反向傳播,因此在該模型準備就緒之后,可利用小型計算引擎針對本地硬件進行深度優(yōu)化。推斷引擎通常需要大量乘-累加(MAC)引擎,隨后是激活層(例如修正線性單元(ReLU)、Sigmoid函數(shù)或雙曲正切函數(shù),具體取決于神經網絡模型復雜度)以及各層之間的池化層。
大多數(shù)神經網絡模型需要大量MAC運算。例如,即使是相對較小的“1.0 MobileNet-224”模型,也有420萬個參數(shù)(權重),執(zhí)行一次推斷需要多達5.69億次的MAC運算。此類模型中的大多數(shù)都由MAC運算主導,因此這里的重點是機器學習計算的運算部分,同時還要尋找機會來創(chuàng)建更好的解決方案。下面的圖2展示了一個簡單的完全連接型兩層網絡。輸入神經元(數(shù)據)通過第一層權重處理。第一層的輸出神經元通過第二層權重處理,并提供預測(例如,模型能否在指定圖像中找到貓臉)。這些神經網絡模型使用“點積”運算計算每層中的每個神經元,如下面的公式所示:
(為簡單起見,公式中省略了“偏差”項)。
Layer 1 | 第1層 |
Layer 2 | 第2層 |
L1 Input Neurons (e.g. Image Pixels) | 第1層輸入神經元 (例如圖像像素) |
L2 Output Neurons | 第2層輸出神經元 |
圖2:完全連接的兩層神經網絡
在數(shù)字神經網絡中,權重和輸入數(shù)據存儲在DRAM/SRAM中。權重和輸入數(shù)據需要移至某個MAC引擎旁以進行推斷。根據下圖,采用這種方法后,大部分功耗都來源于獲取模型參數(shù)以及將數(shù)據輸入到實際發(fā)生MAC運算的ALU。從能量角度來看,使用數(shù)字邏輯門的典型MAC運算消耗約250 fJ的能量,但在數(shù)據傳輸期間消耗的能量超過計算本身兩個數(shù)量級,達到50皮焦(pJ)到100 pJ的范圍。公平地說,很多設計技巧可以最大程度減少存儲器到ALU的數(shù)據傳輸,但整個數(shù)字方案仍受馮·諾依曼架構的限制。這就意味著,有大量的機會可以減少功率浪費。如果執(zhí)行MAC運算的能耗可以從約100 pJ減少到若干分之幾pJ,將會怎樣呢?
Global Buffer | 全局緩沖器 |
Normalized Energy Cost | 標準化能量消耗 |
NoC: 200-1000 PEs | NoC:200-1000 PE |
Buffer | 緩沖器 |
1 × Reference | 1×參考值 |
圖3:機器學習計算中的存儲器瓶頸
消除存儲器瓶頸
同時降低功耗
如果存儲器本身可用來消除之前的存儲器瓶頸,則在邊緣執(zhí)行推斷相關的運算就成為可行方案。使用內存內計算方法可以最大程度地減少必須移動的數(shù)據量。這反過來也會消除數(shù)據傳輸期間浪費的能源。閃存單元運行時產生的有功功率消耗較低,在待機模式下幾乎不消耗能量,因此可以進一步降低能耗。
來源:Y.-H. Chen、J. Emer和V. Sze于2016國際計算機體系結構研討會發(fā)表的“Eyeriss: A Spatial Architecture for Energy-Efficient Dataflow for Convolutional Neural Networks”。
該方法的一個示例是Microchip子公司Silicon Storage Technology(SST)的memBrain?技術。該解決方案依托于SST的SuperFlash?存儲器技術,這項技術已成為適用于單片機和智能卡應用的多級存儲器的公認標準。這種解決方案內置一個內存內計算架構,允許在存儲權重的位置完成計算。權重沒有數(shù)據移動,只有輸入數(shù)據需要從輸入傳感器(例如攝像頭和麥克風)移動到存儲器陣列中,因此消除了MAC計算中的存儲器瓶頸。
這種存儲器概念基于兩大基本原理:(a)晶體管的模擬電流響應基于其閾值電壓(Vt)和輸入數(shù)據,(b)基爾霍夫電流定律,即在某個點交匯的多個導體網絡中,電流的代數(shù)和為零。了解這種多級存儲器架構中的基本非易失性存儲器(NVM)位單元也十分重要。下圖(圖4)是兩個ESF3(第3代嵌入式SuperFlash)位單元,帶有共用的擦除門(EG)和源線(SL)。每個位單元有五個終端:控制門(CG)、工作線(WL)、擦除門(EG)、源線(SL)和位線(BL)。通過向EG施加高電壓執(zhí)行位單元的擦除操作。通過向WL、CG、BL和SL施加高/低電壓偏置信號執(zhí)行編程操作。通過向WL、CG、BL和SL施加低電壓偏置信號執(zhí)行讀操作。
圖4:SuperFlash ESF3單元
利用這種存儲器架構,用戶可以通過微調編程操作,以不同Vt電壓對存儲器位單元進行編程。存儲器技術利用智能算法調整存儲器單元的浮柵(FG)電壓,以從輸入電壓獲得特定的電流響應。根據最終應用的要求,可以在線性區(qū)域或閾下區(qū)域對單元進行編程。
圖5說明了在存儲器單元中存儲多個電壓的功能。例如,我們要在一個存儲器單元中存儲一個2位整數(shù)值。對于這種情況,我們需要使用4個2位整數(shù)值(00、01、10、11)中的一個對存儲器陣列中的每個單元進行編程,此時,我們需要使用四個具有足夠間隔的可能Vt值之一對每個單元進行編程。下面的四條IV曲線分別對應于四種可能的狀態(tài),單元的電流響應取決于向CG施加的電壓。
Level 1 | 電壓1 |
Level 2 | 電壓2 |
Level 3 | 電壓3 |
Level 4 | 電壓4 |
Input Voltage | 輸入電壓 |
Subthreshold Current | 閾下電流 |
圖5:ESF3單元中的編程Vt電壓
受訓模型的權重通過編程設定為存儲器單元的浮柵Vt。因此,受訓模型每一層(例如完全連接的層)的所有權重都可以在類似矩陣的存儲器陣列上編程,如圖6所示。對于推斷運算,數(shù)字輸入(例如來自數(shù)字麥克風)首先利用數(shù)模轉換器(DAC)轉換為模擬信號,然后應用到存儲器陣列。隨后該陣列對指定輸入向量并行執(zhí)行數(shù)千次MAC運算,產生的輸出隨即進入相應神經元的激活階段,隨后利用模數(shù)轉換器(ADC)將輸出轉換回數(shù)字信號。然后,這些數(shù)字信號在進入下一層之前進行池化處理。
Input Data on WL/CG | WL/CG上的輸入數(shù)據 |
Dot Product on the Bitlines | 位線上的點積 |
圖6:用于推斷的權重矩陣存儲器陣列
這類多級存儲器架構模塊化程度非常高,而且十分靈活。許多存儲器片可以結合到一起,形成一個混合了權重矩陣和神經元的大型模型,如圖7所示。在本例中,MxN片配置通過各片間的模擬和數(shù)字接口連接到一起。
截至目前,我們主要討論了該架構的芯片實施方案。提供軟件開發(fā)套件(SDK)可幫助開發(fā)解決方案。除了芯片外,SDK還有助于推斷引擎的開發(fā)。SDK流程與訓練框架無關。用戶可以在提供的所有框架(例如TensorFlow、PyTorch或其他框架)中根據需要使用浮點計算創(chuàng)建神經網絡模型。創(chuàng)建模型后,SDK可幫助量化受訓神經網絡模型,并將其映射到存儲器陣列。在該陣列中,可以利用來自傳感器或計算機的輸入向量執(zhí)行向量矩陣乘法。
圖7:memBrain?的模塊化結構
多級存儲器方法結合內存內計算功能的優(yōu)點包括:
1. 超低功耗: 專為低功耗應用設計的技術。功耗方面的第一個優(yōu)點是,這種解決方案采用內存內計算,因此在計算期間,從SRAM/DRAM傳輸數(shù)據和權重不會浪費能量。功耗方面的第二個優(yōu)點是,閃存單元在閾下模式下以極低的電流運行,因此有功功率消耗非常低。第三個優(yōu)點是待機模式下幾乎沒有能耗,原因是非易失性存儲器單元不需要任何電力即可保存始終開啟設備的數(shù)據。這種方法也非常適合對權重和輸入數(shù)據的稀疏性加以利用。如果輸入數(shù)據或權重為零,則存儲器位單元不會激活。
2. 減小封裝尺寸: 該技術采用分離柵(1.5T)單元架構,而數(shù)字實施方案中的SRAM單元基于6T架構。此外,與6T SRAM單元相比,這種單元是小得多。另外,一個單元即可存儲完整的4位整數(shù)值,而不是像SRAM單元那樣需要4*6 = 24個晶體管才能實現(xiàn)此目的,從本質上減少了片上占用空間。
3. 降低開發(fā)成本: 由于存儲器性能瓶頸和馮·諾依曼架構的限制,很多專用設備(例如Nvidia的Jetsen或Google的TPU)趨向于通過縮小幾何結構提高每瓦性能,但這種方法解決邊緣計算難題的成本卻很高。采用將模擬內存內計算與多級存儲器相結合的方法,可以在閃存單元中完成片上計算,這樣便可使用更大的幾何尺寸,同時降低掩膜成本和縮短開發(fā)周期。
邊緣計算應用的前景十分廣闊。然而,需要首先解決功耗和成本方面的挑戰(zhàn),邊緣計算才能得到發(fā)展。使用能夠在閃存單元中執(zhí)行片上計算的存儲器方法可以消除主要障礙。這種方法利用經過生產驗證的公認標準類型多級存儲器技術解決方案,而這種方案已針對機器學習應用進行過優(yōu)化。
Use Existing Frameworks | 使用現(xiàn)有框架 |
Augment with memBrain? SDK | 利用memBrain? SDK擴充范圍 |
Train your model in the available frameworks | 在可用框架中訓練模型 |
Model Quantization, Optimizaton and Mapping for in-memory computing | 將模型量化、優(yōu)化和映射用于內存內計算 |
Fine-tuned programming algorithm to load the optimized weights into SuperFlash memBrains? memory | 利用經過微調的編程算法將優(yōu)化權重裝入SuperFlash memBrains?存儲器中 |
圖8:memBrain? SDK流程
作者簡介
Vipin Tiwari在產品開發(fā)、產品營銷、業(yè)務開發(fā)、技術許可、工程管理以及存儲器設計方面擁有20多年的豐富經驗。目前,Tiwari先生在Microchip的子公司Silicon Storage Technology, Inc.擔任嵌入式存儲器產品開發(fā)總監(jiān)。
評論