你知道TinyML運行效能誰說了算嗎？

在AI芯片或神經(jīng)加速處理器(Neural Network Processing Unit, NPU或Deep Learning Accelerator, DLA)領(lǐng)域中，大家也都說自家的芯片世界最棒，對手看不到車尾燈，難道沒有一個較為公正衡量芯片運行（推論）效能，就像手機(jī)跑分軟件一樣，讓大家比較信服的基準(zhǔn)嗎？

其實在AI芯片領(lǐng)域中所謂的「效能」，可能因關(guān)心的重點不同而會有不同定義和解讀。分別可從硬件每秒可執(zhí)行乘加的次數(shù)(又可細(xì)分FP32,FP16及INT8等)、對于特定模型在指定推論精度下每秒可執(zhí)行次數(shù)或推論一次所需時間（包含有無模型優(yōu)化處理）、特定模型推論功耗（推論一次耗費焦耳數(shù)）、每瓦特可執(zhí)行乘加指令次數(shù)及其它特定規(guī)范時的表現(xiàn)，甚至有用每塊美金獲得算力來當(dāng)成基準(zhǔn)。所以常會遇到誰也不服誰，老王賣瓜自賣自夸的現(xiàn)象。

目前較被大家接受的就是ML Commons所提出的MLPerf規(guī)范，其中包含訓(xùn)練及推論兩大項，而推論部份又可細(xì)分為數(shù)據(jù)中心(Datacenter)、邊緣(Edge)、行動(Mobile)及微型(Tiny,大多為MCU)。前不久(2023/6/27)才剛公布了Tiny v1.1測試結(jié)果報告，接下來就幫大家解讀一下這份報告，讓大家能更了解未來單芯片運行AI的方向及可行性。

評測場景及項目

目前ML Commons在Tiny部份先前已經(jīng)過三輪(v0.5, v0.7, v1.0)測試，此次公布的是v1.1結(jié)果。測試時分為封閉(Closed)及開放(Open)型式，前者依官方規(guī)范測，而后者廠商可提出依自己規(guī)范測試更優(yōu)的結(jié)果，不過不是每輪評測都會有開放型式。

目前主要評測項目如Fig.1 所示，共有四個項目，包含關(guān)鍵詞偵測(Keyword Spoting, KS)、視覺喚醒字(Visual Wake Words, VW)、影像分類(Image Classification, IC)及異常偵測(Anomaly Detection, AD)。而每個項目都是采單串流數(shù)據(jù)(Single Stream)方式進(jìn)行，即推論完一筆再取下一筆進(jìn)行推論。依照不同項目，分別使用對應(yīng)的數(shù)據(jù)集和模型，并在指定的推論質(zhì)量下進(jìn)行評量。

Fig.1 MLPerf v1.1 工作場景及效能評量項目

參與評測公司、硬件及軟件

本次參與評測的項目共有32項，以下依不同項目分別介紹。

參與評測公司：共有10家，Krai, Nuvoton(新唐科技), STMicroelectronics(簡稱STM), Skymizer(臺灣發(fā)展軟件科技), cTuning, fpgaconvnet, Plumerai, Syntiant, Robert Bosh GmbH, kai-jiang（個人）。

參與評測開發(fā)板：共有14種，規(guī)格下如下所示。

STM NUCLEO-H7A3ZI-Q, Arm Cortex-M7(DSP+FPU) @280MHz

STM NUCLEO-L4R5ZI, Arm Cortex-M4(DSP+FPU) @120MHz

STM NUCLEO-U575ZI-Q, Arm Cortex-M33(DSP+FPU) @160MHz

STM NUCLEO-G0B1RE, Arm Cortex-M0+ @64MHz

STM DISCO-F746NG, Arm Cortex-M7(DSP+FPU) @216MHz

Nordic nRF5340 DK, Arm Cortex-M33(DSP+FPU) @128MHz

Nuvoton NUMAKER-M467HJ, Arm Cortex-M4F @200MHz

DIGILENT Cora Z7, Arm Cortex-A9 @667MHz

DIGILENT ZC706, Arm Cortex-A9 @650MHz

DIGILENT ZedBoard, Arm Cortex-A9 @650MHz

DIGILENT ZyBo, Arm Cortex-A9 @650MHz

Infineon CY8CPROTO-062-4343W, Arm Cortex-M4 (DSP + FPU) @150MHz

Syntiant NDP9120, HiFi3+M0 @30.7MHz/98.7MHz

ZCU106, RISC-V @20MHz

主要CPU規(guī)格：共有7大類。只有1項使用RISC-V，1項為MCU+NPU，其余皆是Arm Based。Cortex-M為單芯片（MCU）等級，Cortex-A為微處理器（MPU）等級芯片，用于手機(jī)或單板微電腦。

Arm Cortex-M0+ (1項)

Arm Cortex-M33 (4項)

Arm Cortex-M4/M4F (13項)

Arm Cortex-M7 (7項)

Arm Cortex-A9 (4項)

Syntiant HiFi3+M0 (2項)

RISC-V (1項)

主要軟件及函式庫：共有9種。

Skymizer ONNC

MicroTVM

Plumerai Inference Engine

Syntiant TDK+SDK

Bosch Hardware-Aware Lowering Engine(HALE)

STM X-CUBE-AI

fpgaConvNet(Model+Optimiser)

Arm CMSIS-5

TVM

評測結(jié)果：

由于芯片等級落差頗大，單從推論時間(毫秒ms)及能耗(微焦耳uJ 比較可能會有點不公平，所以這里依CPU等級及工作頻率來分會更清楚些。Fig. 2分別列出各等級中推論速度表現(xiàn)最好的。

Fig.2 MLPerf Tiny v1.1各等級CPU及不同應(yīng)用表現(xiàn)最佳清單。

另外從此次提交的項目亦可看出Arm Cortex-M4已成為TinyML的主流，若推論仍不夠快時，則可再提升到Cortex-M7。而新上市的Cortex-M33效能已高過Cortex-M4，略低于Cortex-M7，讓使用者有多一點性價比的選擇空間。

小結(jié)

在邊緣智能(Edge AI)裝置及智能物聯(lián)網(wǎng)(AIoT)應(yīng)用中使用單芯片（MCU）來運行AI（TinyML)已是現(xiàn)在進(jìn)行式，透過此次的評比結(jié)果，可讓大家更了解各家芯片性能及模型優(yōu)化工具的進(jìn)展，未來隨著MCU+NPU的普及，相信下一次的評比結(jié)果可能就有更大躍升，就讓大家一起期待吧！



審核編輯：劉清