機器學(xué)習(xí)和深度學(xué)習(xí)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(xùn)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(xué)習(xí)解決方案的訓(xùn)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(xué)習(xí)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)。
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。
圖3：機器學(xué)習(xí)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。
圖5：ESF3單元中的編程Vt電壓
受訓(xùn)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(xùn)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。
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(xùn)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(xùn)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
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(xué)習(xí)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)。
（作者：Vipin Tiwari ，Microchip嵌入式存儲器產(chǎn)品開發(fā)總監(jiān)）
