|
作者：Vipin Tiwari ，Microchip嵌入式存儲器產(chǎn)品開發(fā)總監(jiān) 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(yīng)用已深度嵌入到我們使用的眾多設(shè)備中。大多數(shù)AI應(yīng)用通過云引擎即可出色地滿足其用途，例如在Gmail中回復(fù)電子郵件時可以獲得詞匯預(yù)測。 雖然我們可以享受到這些AI應(yīng)用帶來的益處，但這種方法導(dǎo)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(jù)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(jīng)網(wǎng)絡(luò)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(nèi)存內(nèi)計算方法結(jié)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(wǎng)絡(luò)邊緣執(zhí)行AI推斷。 通過云引擎提供服務(wù)的AI應(yīng)用面臨的挑戰(zhàn) 如果通過云引擎為AI應(yīng)用提供服務(wù)，用戶必須將一些數(shù)據(jù)以主動或被動方式上傳到云，計算引擎在云中處理數(shù)據(jù)并提供預(yù)測，然后將預(yù)測結(jié)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)： 
圖1：從邊緣到云的數(shù)據(jù)傳輸 1. 隱私問題：對于始終在線始終感知的設(shè)備，個人數(shù)據(jù)和/或機密信息在上傳期間或在數(shù)據(jù)中心的保存期限內(nèi)存在遭受濫用的風險。 2. 不必要的功耗：如果每個數(shù)據(jù)位都傳輸?shù)皆疲瑒t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(jù)來源于邊緣，有時至少需要一秒才能收到云系統(tǒng)的響應(yīng)。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(jù)經(jīng)濟需要創(chuàng)造價值：傳感器隨處可見，價格低廉；但它們會產(chǎn)生大量數(shù)據(jù)。將每個數(shù)據(jù)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(jù)集對執(zhí)行推斷運算的神經(jīng)網(wǎng)絡(luò)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(jié)合數(shù)據(jù)集來生成最佳神經(jīng)網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)模型復(fù)雜度）以及各層之間的池化層。 大多數(shù)神經(jīng)網(wǎng)絡(luò)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(quán)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(dǎo)，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(wǎng)絡(luò)。輸入神經(jīng)元（數(shù)據(jù)）通過第一層權(quán)重處理。第一層的輸出神經(jīng)元通過第二層權(quán)重處理，并提供預(yù)測（例如，模型能否在指定圖像中找到貓臉）。這些神經(jīng)網(wǎng)絡(luò)模型使用“點積”運算計算每層中的每個神經(jīng)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(jīng)元（例如圖像像素） L2 Output Neurons 第2層輸出神經(jīng)元 圖2：完全連接的兩層神經(jīng)網(wǎng)絡(luò) 在數(shù)字神經(jīng)網(wǎng)絡(luò)中，權(quán)重和輸入數(shù)據(jù)存儲在DRAM/SRAM中。權(quán)重和輸入數(shù)據(jù)需要移至某個MAC引擎旁以進行推斷。根據(jù)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(jù)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(jù)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(shè)計技巧可以最大程度減少存儲器到ALU的數(shù)據(jù)傳輸，但整個數(shù)字方案仍受馮·諾依曼架構(gòu)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？ 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(guān)的運算就成為可行方案。使用內(nèi)存內(nèi)計算方法可以最大程度地減少必須移動的數(shù)據(jù)量。這反過來也會消除數(shù)據(jù)傳輸期間浪費的能源。閃存單元運行時產(chǎn)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。
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 來源：Y.-H. Chen、J. Emer和V. Sze于2016國際計算機體系結(jié)構(gòu)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(shù)。該解決方案依托于SST的SuperFlash®存儲器技術(shù)，這項技術(shù)已成為適用于單片機和智能卡應(yīng)用的多級存儲器的公認標準。這種解決方案內(nèi)置一個內(nèi)存內(nèi)計算架構(gòu)，允許在存儲權(quán)重的位置完成計算。權(quán)重沒有數(shù)據(jù)移動，只有輸入數(shù)據(jù)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(yīng)基于其閾值電壓（Vt）和輸入數(shù)據(jù)，(b)基爾霍夫電流定律，即在某個點交匯的多個導(dǎo)體網(wǎng)絡(luò)中，電流的代數(shù)和為零。了解這種多級存儲器架構(gòu)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(gòu)，用戶可以通過微調(diào)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(shù)利用智能算法調(diào)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(yīng)。根據(jù)最終應(yīng)用的要求，可以在線性區(qū)域或閾下區(qū)域?qū)卧M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(yīng)于四種可能的狀態(tài)，單元的電流響應(yīng)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(quán)重通過編程設(shè)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(quán)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(zhuǎn)換器（DAC）轉(zhuǎn)換為模擬信號，然后應(yīng)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(chǎn)生的輸出隨即進入相應(yīng)神經(jīng)元的激活階段，隨后利用模數(shù)轉(zhuǎn)換器（ADC）將輸出轉(zhuǎn)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(jù) Dot Product on the Bitlines 位線上的點積 圖6：用于推斷的權(quán)重矩陣存儲器陣列 這類多級存儲器架構(gòu)模塊化程度非常高，而且十分靈活。許多存儲器片可以結(jié)合到一起，形成一個混合了權(quán)重矩陣和神經(jīng)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。
圖7：memBrain™的模塊化結(jié)構(gòu) 截至目前，我們主要討論了該架構(gòu)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(guān)。用戶可以在提供的所有框架（例如TensorFlow、PyTorch或其他框架）中根據(jù)需要使用浮點計算創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型。創(chuàng)建模型后，SDK可幫助量化受訓神經(jīng)網(wǎng)絡(luò)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8：memBrain™ SDK流程 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(nèi)存內(nèi)計算 Fine-tuned programming algorithm to load the optimized weights into SuperFlash memBrains™ memory 利用經(jīng)過微調(diào)的編程算法將優(yōu)化權(quán)重裝入SuperFlash memBrains™存儲器中 多級存儲器方法結(jié)合內(nèi)存內(nèi)計算功能的優(yōu)點包括： 1. 超低功耗：專為低功耗應(yīng)用設(shè)計的技術(shù)。功耗方面的第一個優(yōu)點是，這種解決方案采用內(nèi)存內(nèi)計算，因此在計算期間，從SRAM/DRAM傳輸數(shù)據(jù)和權(quán)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(shè)備的數(shù)據(jù)。這種方法也非常適合對權(quán)重和輸入數(shù)據(jù)的稀疏性加以利用。如果輸入數(shù)據(jù)或權(quán)重為零，則存儲器位單元不會激活。 2. 減小封裝尺寸：該技術(shù)采用分離柵（1.5T）單元架構(gòu)，而數(shù)字實施方案中的SRAM單元基于6T架構(gòu)。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(zhì)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(gòu)的限制，很多專用設(shè)備（例如Nvidia的Jetsen或Google的TPU）趨向于通過縮小幾何結(jié)構(gòu)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(nèi)存內(nèi)計算與多級存儲器相結(jié)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(yīng)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(jīng)過生產(chǎn)驗證的公認標準類型多級存儲器技術(shù)解決方案，而這種方案已針對機器學習應(yīng)用進行過優(yōu)化。 作者簡介 Vipin Tiwari在產(chǎn)品開發(fā)、產(chǎn)品營銷、業(yè)務(wù)開發(fā)、技術(shù)許可、工程管理以及存儲器設(shè)計方面擁有20多年的豐富經(jīng)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(chǎn)品開發(fā)總監(jiān)。 |
