未來的高性能FPGA是否會優(yōu)于GPU

未來的高性能FPGA是否會優(yōu)于GPU？英特爾加速器架構實驗室的ErikoNurvitadhi博士以最新的GPU為參照，對兩代IntelFPGA上新興的DNN算法進行了評估，認為新興的低精度和稀疏DNN算法效率較之傳統(tǒng)的密集FP32DNN有巨大改進，但是它們引入了GPU難以處理的不規(guī)則并行度和定制數(shù)據(jù)類型。相比之下，F(xiàn)PGA正是設計用于在運行不規(guī)則并行度和自定義數(shù)據(jù)類型時實現(xiàn)極端的可定制性的。這樣的趨勢使未來FPGA成為運行DNN、AI和ML應用的可行平臺。來自社交媒體和互聯(lián)網(wǎng)的圖像、視頻和語音數(shù)字數(shù)據(jù)的持續(xù)指數(shù)增長推動了分析的需要，以使得數(shù)據(jù)可以理解和處理。數(shù)據(jù)分析通常依賴于機器學習（ML）算法。在ML算法中，深度卷積神經(jīng)網(wǎng)絡（DNN）為重要的圖像分類任務提供了最先進的精度，并被廣泛采用。在最近的InternationalSymposiumonFieldProgrammableGateArrays（ISFPGA）上，IntelAcceleratorArchitectureLab（AAL）的ErikoNurvitadhi博士提出了一篇名為CanFPGAsbeatGPUsinAcceleratingNext-GenerationDeepNeuralNetworks的論文。他們的研究以最新的高性能的NVIDIATitanXPascal*GraphicsProcessingUnit（GPU）為參照，對兩代IntelFPGA（IntelArria10和IntelStratix10）的新興DNN算法進行了評估。IntelProgrammableSolutionsGroup的FPGA架構師RandyHuang博士，論文的合著者之一，說：“深度學習是AI中最令人興奮的領域，因為我們已經(jīng)看到了深入學習帶來的巨大進步和大量應用。雖然AI和DNN研究傾向于使用GPU，但我們發(fā)現(xiàn)應用領域和英特爾下一代FPGA架構之間是完美契合的。我們考察了接下來FPGA的技術進展，以及DNN創(chuàng)新算法的快速增長，并思考了對于下一代DNN來說，未來的高性能FPGA是否會優(yōu)于GPU。我們的研究發(fā)現(xiàn)，F(xiàn)PGA在DNN研究中表現(xiàn)非常出色，可用于需要分析大量數(shù)據(jù)的AI、大數(shù)據(jù)或機器學習等研究領域。使用經(jīng)修剪或壓縮的數(shù)據(jù)（相對于全32位浮點數(shù)據(jù)（FP32）），被測試的IntelStratix10FPGA的性能優(yōu)于GPU。除了性能外，F(xiàn)PGA的強大還源于它們具有適應性，通過重用現(xiàn)有的芯片可以輕松實現(xiàn)更改，從而讓團隊在六個月內(nèi)從想法進展到原型（和用18個月構建一個ASIC相比）?！睖y試中使用的神經(jīng)網(wǎng)絡機器學習神經(jīng)網(wǎng)絡可以被表現(xiàn)為通過加權邊互連的神經(jīng)元的圖形。每個神經(jīng)元和邊分別與激活值和權重相關聯(lián)。該圖形被構造為神經(jīng)元層。如圖1所示。圖1深度神經(jīng)網(wǎng)絡概述神經(jīng)網(wǎng)絡計算會通過網(wǎng)絡中的每個層。對于給定層，每個神經(jīng)元的值通過相乘和累加上一層的神經(jīng)元值和邊權重來計算。計算非常依賴于多重累積運算。DNN計算包括正向和反向傳遞。正向傳遞在輸入層采樣，遍歷所有隱藏層，并在輸出層產(chǎn)生預測。對于推理，只需要正向傳遞以獲得給定樣本的預測。對于訓練，來自正向傳遞的預測錯誤在反向傳遞中被反饋以更新網(wǎng)絡權重。這被稱為反向傳播算法。訓練迭代地進行向前和向后傳遞以調(diào)整網(wǎng)絡權重，直到達到期望的精度。FPGA成為可行的替代方案硬件：與高端GPU相比，F(xiàn)PGA具有卓越的能效（性能/瓦特），但它們不具有高峰值浮點性能。FPGA技術正在迅速發(fā)展，即將推出的IntelStratix10FPGA提供超過5，000個硬件浮點單元（DSP），超過28MB的芯片上RAM（M20Ks），與高帶寬內(nèi)存（upto4x250GB/s/stackor1TB/s）的集成，并來自新HyperFlex技術的改進頻率。英特爾FPGA提供了一個全面的軟件生態(tài)系統(tǒng)，從低級HardwareDescription語言到具有OpenCL、C和C++的更高級別的軟件開發(fā)環(huán)境。英特爾將進一步利用MKL-DNN庫，針對Intel的機器學習生態(tài)系統(tǒng)和傳統(tǒng)框架（如今天提供的Caffe）以及其他不久后會出現(xiàn)的框架對FPGA進行調(diào)整。基于14nm工藝的英特爾Stratix10在FP32吞吐量方面達到峰值9.2TFLOP/s。相比之下，最新的TitanXPascalGPU的FP32吞吐量為11TFLOP/s。新興的DNN算法：更深入的網(wǎng)絡提高了精度，但是大大增加了參數(shù)和模型大小。這增加了對計算、帶寬和存儲的要求。因此，使用更為有效的DNN已成趨勢。新興趨勢是采用遠低于32位的緊湊型低精度數(shù)據(jù)類型，16位和8位數(shù)據(jù)類型正在成為新的標準，因為它們得到了DNN軟件框架（例如TensorFlow）支持。此外，研究人員已經(jīng)對極低精度的2位三進制和1位二進制DNN進行了持續(xù)的精度改進，其中值分別約束為（0，+1，-1）或（+1，-1）。Nurvitadhi博士最近合著的另一篇論文首次證明了，ternaryDNN可以在最著名的ImageNet數(shù)據(jù)集上實現(xiàn)目前最高的準確性。另一個新興趨勢是通過諸如修剪、ReLU和ternarization等技術在DNN神經(jīng)元和權重中引入稀疏性（零存在），這可以導致DNN帶有?50％至?90％的零存在。由于不需要在這樣的零值上進行計算，因此如果執(zhí)行這種稀疏DNN的硬件可以有效地跳過零計算，性能提升就可以實現(xiàn)。新興的低精度和稀疏DNN算法效率較之傳統(tǒng)的密集FP32DNN有巨大改進，但是它們引入了GPU難以處理的不規(guī)則并行度和定制數(shù)據(jù)類型。相比之下，F(xiàn)PGA正是設計用于在運行不規(guī)則并行度和自定義數(shù)據(jù)類型時實現(xiàn)極端的可定制性的。這樣的趨勢使未來FPGA成為運行DNN、AI和ML應用的可行平臺。黃先生說：“FPGA專用機器學習算法有更多的余量。圖2說明了FPGA的極端可定制性（2A），可以有效實施新興的DNN（2B）。圖2研究所用的硬件和方法GPU：使用已知的庫（cuBLAS）或框架（TorchwithcuDNN）FPGA：使用QuartusEarlyBeta版本和PowerPlay圖3GEMM測試結果、GEMM是DNN中的關鍵操作在低精度和稀疏DNN中，Stratix10FPGA比TitanXGPU的性能更好，甚至性能功耗比要更好。未來這類DNN可能會成為趨勢。研究1：GEMM測試DNN嚴重依賴GEMM。常規(guī)DNN依靠FP32密集GEMM。然而，較低的精度和稀疏的新興DNN依賴于低精度和/或稀疏的GEMM。Intel團隊對這些GEMM進行了評估。FP32密集GEMM：由于FP32密集GEMM得到了很好的研究，該團隊比較了FPGA和GPU數(shù)據(jù)表上的峰值。TitanXPascal的最高理論性能是Stratix10的11TFLOP和9.2TFLOP。圖3A顯示，帶有多得多的DSP數(shù)量的IntleStratix10將提供比IntelArria10更強大的FP32性能，和TitanX的性能表現(xiàn)接近。低精度INT6GEMM：為了顯示FPGA的可定制性優(yōu)勢，該團隊通過將四個int6打包到一個DSP模塊中，研究了FPGA的Int6GEMM。對于本來不支持Int6的GPU，他們使用了Int8GPU的峰值性能進行了比較。圖3B顯示，IntelStratix10的性能優(yōu)于GPU。FPGA比GPU提供了更引人注目的性能/功耗比。非常低精度的1位二進制GEMM：最近的二進制DNN提出了非常緊湊的1bit數(shù)據(jù)類型，允許用xnor和位計數(shù)操作替換乘法，非常適合FPGA。圖3C顯示了團隊的二進制GEMM測試結果，其中FPGA基本上執(zhí)行得比GPU好（即，根據(jù)頻率目標的不同，為~2x到~10x）。稀疏GEMM：新出現(xiàn)的稀疏DNN包含許多零值。該團隊在帶有85％零值的矩陣上測試了一個稀疏的GEMM（基于已修剪的AlexNet）。該團隊測試了使用FPGA的靈活性以細粒度的方式來跳過零計算的GEMM設計。該團隊還在GPU上測試了稀疏的GEMM，但發(fā)現(xiàn)性能比在GPU上執(zhí)行密集的GEMM更差（相同的矩陣大?。Ｔ搱F隊的稀疏GEMM測試（圖3D）顯示，F(xiàn)PGA可以比GPU表現(xiàn)更好，具體取決于目標FPGA的頻率。圖4DNN精度的趨勢，以及FPGA和GPU在TernaryResNetDNN上的測試結果研究2：使用三進制ResNetDNN測試三進制DNN最近提出神經(jīng)網(wǎng)絡權重約束值為+1，0或-1。這允許稀疏的2位權重，并用符號位操作代替乘法。在本次測試中，該團隊使用了為零跳躍、2位權重定制的FPGA設計，同時沒有乘法器來優(yōu)化運行Ternary-ResNetDNN。與許多其他低精度和稀疏的DNN不同，三進制DNN可以為最先進的DNN（即ResNet）提供可供比較的精度，如圖4A所示?！霸S多現(xiàn)有的GPU和FPGA研究僅針對基于AlexNet（2012年提出）的ImageNet的”足夠好“的準確性。最先進的Resnet（在2015年提出）提供比AlexNet高出10％以上的準確性。在2016年底，在另一篇論文中，我們首先指出，Resnet上的低精度和稀疏三進制DNN算法可以在全精度ResNet的±1％的精度范圍內(nèi)實現(xiàn)。這個三進制ResNet是我們在FPGA研究中的目標。因此，我們首先論證，F(xiàn)PGA可以提供一流的（ResNet）ImageNet精度，并且可以比GPU更好地實現(xiàn)。““Nurvitadhi說。圖4B顯示了IntelStratix10FPGA和TitanXGPU在ResNet-50上的性能和性能/功耗比。即使保守估計，IntelStratix10FPGA也比TitanXGPU性能提高了約60％。中度和激進的估計會更好（2.1x和3.5x的加速）。有趣的是，IntelStratix10750MHz的激進預估可以比TitanX的理論峰值性能還高35％。在性能/功耗比方面，從保守估計到激進估計，IntelStratix10比TitanX要好2.3倍到4.3倍，F(xiàn)PGA如何在研究測試中堆疊結果表明，IntelStratix10FPGA的性能（TOP/秒）比稀疏的、Int6和二進制DNN的GEMM上的TitanXPascalGPU分別提高了10％、50％和5.4倍。在三進制ResNet上，Stratix10FPGA的性能比TitanXPascalGPU提高了60％，而性能/功耗比好2.3倍。結果表明，F(xiàn)PGA可能成為下一代DNN加速的首選平臺。深層神經(jīng)網(wǎng)絡中FPGA的未來FPGA能否在下一代DNN的性能上擊敗GPU？Intel對兩代FPGA（IntelArria10和IntelStratix10）以及最新的TitanXGPU的各種新興DNN的評估顯示，目前DNN算法的趨勢可能有利于FPGA，而且FPGA甚至可以提供卓越的性能。雖然這些結論源于2