異構(gòu)架構(gòu)中的處理器編程

　　隨著越來越多不同類型的處理元件包含在同一架構(gòu)中，對處理器進(jìn)行編程變得越來越復(fù)雜。

　　雖然系統(tǒng)架構(gòu)師可能會陶醉于可用于提高功率、性能和面積的選項數(shù)量，但編程功能并使其協(xié)同工作的挑戰(zhàn)將成為一項重大挑戰(zhàn)。它涉及來自不同IP提供商的多種編程工具、模型和方法。

　　“在任何一種邊緣推理產(chǎn)品中，無論是Nest相機(jī)、汽車應(yīng)用中的相機(jī)，還是筆記本電腦，基本上都有三種類型的功能軟件，主要來自三種不同類型的開發(fā)人員——數(shù)據(jù)科學(xué)家、嵌入式CPU開發(fā)人員和DSP開發(fā)人員，”的首席營銷官史蒂夫·羅迪說二次曲面。

　　根據(jù)他們在開發(fā)過程中所處的位置，他們的方法可能看起來非常不同?！皵?shù)據(jù)科學(xué)家花時間在Python、框架培訓(xùn)和數(shù)學(xué)抽象層面上做事情，”羅迪說。“PyTorch是非常高級的、抽象的、解釋的，不太關(guān)心實現(xiàn)的效率，因為他們關(guān)心的只是數(shù)學(xué)中的增益函數(shù)和模型的準(zhǔn)確性等。從那里出來的是PyTorch模型，ONNX代碼，以及嵌入PyTorch模型的Python代碼。嵌入式開發(fā)者是完全不同的性格類型。他們使用更傳統(tǒng)的工具集，這些工具集可能是CPU供應(yīng)商的工具，或者Arm工具包，或者像Microsoft Visual Studio for C/C++開發(fā)這樣的通用工具。無論是哪種CPU，您都將獲得該特定芯片的供應(yīng)商版本的開發(fā)工作室，它將帶有預(yù)構(gòu)建的東西，如RTOS代碼和驅(qū)動程序代碼。如果你從某個特定的供應(yīng)商那里購買芯片級的解決方案，它會有DDR和PCI接口的驅(qū)動程序，等等?！?/p>

　　例如，考慮iPhone的應(yīng)用程序編程，它是高度抽象的?！癷Phone開發(fā)者有一個開發(fā)工具包，上面有很多其他軟件，”他說。“但在很大程度上，這是一個嵌入式的東西。有人在編寫C代碼，有人在開發(fā)操作系統(tǒng)，不管是澤法還是微軟的操作系統(tǒng)，或者類似的東西。他們生產(chǎn)什么？他們產(chǎn)生C代碼，有時是匯編代碼，這取決于編譯器的質(zhì)量。DSP開發(fā)人員也是算法開發(fā)人員，通常面向數(shù)學(xué)家，使用MATLAB或Visual Studio等工具。這里創(chuàng)建了三個級別的代碼。類似Python的數(shù)據(jù)科學(xué)代碼，DSP，C++，還有嵌入式代碼?！?/p>

　　從一個Android開發(fā)者的角度來看，Ronan Naughton是手臂說：“一個典型的軟件工程師可能正在開發(fā)一個移動應(yīng)用程序，用于部署到多個平臺。在這種情況下，他們將尋求最低的維護(hù)開銷、無縫的可移植性和高性能，這些都可以通過無處不在的Arm CPU和支持工具鏈來提供?！?/p>

　　在Android環(huán)境中，針對CPU的編程提供了盡可能多的工具選擇。

　　“例如，”諾頓指出，“一個好的矢量化編譯器，如LLVM或GCC，可以針對多個CPU和操作系統(tǒng)目標(biāo)。有一個豐富的面向特定功能任務(wù)的函數(shù)庫生態(tài)系統(tǒng)，例如面向ML的Arm計算庫?；蛘撸_發(fā)人員可以使用Arm C語言擴(kuò)展等內(nèi)部函數(shù)來針對指令集架構(gòu)本身?！?/p>

　　在所有這些之下是一個傳統(tǒng)的架構(gòu)，由一個NPU、DSP和CPU組成，需要所有的步驟才能到達(dá)目標(biāo)主機(jī)CPU。所有或大部分都使用某種形式的運(yùn)行時應(yīng)用程序。

　　“如果你正在運(yùn)行你的機(jī)器學(xué)習(xí)代碼，CPU會積極參與每一次推理，每一次迭代，每一次通過機(jī)器學(xué)習(xí)圖編排整個事情，”羅迪指出。

　　圖1：傳統(tǒng)NPU+DSP+CPU的工具/代碼流程。來源：Quadric.io

　　DSP、CPU和npu的編程方式因應(yīng)用、用例、系統(tǒng)架構(gòu)和環(huán)境而異。這將決定如何優(yōu)化代碼，以實現(xiàn)特定應(yīng)用程序或使用模型的最佳性能。

　　“在CPU上，大多數(shù)編譯器可以非常好地優(yōu)化代碼，但當(dāng)編程DSP或npu時，特別是并行化代碼時，大量工作必須由軟件工程師完成，因為所有編譯器都失敗了，”Andy Heinig說，他是弗勞恩霍夫協(xié)會適應(yīng)性系統(tǒng)工程分部。這意味著硬件上的并行工作越多，軟件工程師手動完成的工作就越多。而且大部分工作都是低級編程需要的。”

　　雖然有一些重疊，但這些不同的處理元素之間也有一些基本差異?！癈PU是一種通用架構(gòu)，因此支持廣泛的用途、操作系統(tǒng)、開發(fā)工具、庫和許多編程語言，從傳統(tǒng)的低級C到高級C++、Python、Web應(yīng)用程序和Java，”的產(chǎn)品經(jīng)理蓋伊·本哈姆說新思科技?！癉SP應(yīng)用通常運(yùn)行在優(yōu)化的實時系統(tǒng)上，因此對DSP處理器進(jìn)行編程需要使用低級語言（如匯編語言、C語言）、DSP庫和特定的編譯器/分析器，以實現(xiàn)數(shù)據(jù)并行、性能調(diào)整和代碼大小優(yōu)化。與通用CPU不同，但與DSP類似，NPU架構(gòu)也致力于加速特定任務(wù)，在這種情況下是為了加速AI/ML應(yīng)用?！?/p>

　　DSP架構(gòu)可以并行處理來自多個傳感器的數(shù)據(jù)。傳統(tǒng)的CPU或DSP編程依賴于一個程序或一套規(guī)則的算法來處理數(shù)據(jù)，而人工智能則從數(shù)據(jù)中學(xué)習(xí)，并隨著時間的推移提高其性能。

　　“人工智能使用PyTorch和TensorFlow等高級框架來創(chuàng)建、訓(xùn)練和部署模型，”本哈姆解釋道?！?a href="http://srfitnesspt.com/tags/神經(jīng)網(wǎng)絡(luò)/" target="_blank">神經(jīng)網(wǎng)絡(luò)模型的靈感來自人腦中神經(jīng)元的結(jié)構(gòu)，由一個系統(tǒng)的數(shù)學(xué)表示組成，該系統(tǒng)可以根據(jù)輸入數(shù)據(jù)進(jìn)行預(yù)測或決策。”

　　還有其他不同之處。Tensilica Vision和AI DSPs的產(chǎn)品營銷和管理小組主任Pulin Desai說，除了用C和C++等高級語言編程之外節(jié)奏，“DSP和CPU還利用各種庫，如math lib、fp lib。DSP也有一個特定的庫，用于特定的垂直領(lǐng)域，以執(zhí)行特殊用途的應(yīng)用。DSP和CPU還可以與OpenCL和Halide等高級語言一起工作，客戶可以使用這些語言來開發(fā)他們的應(yīng)用。”

　　NPU編程是在完全不同的環(huán)境中使用AI訓(xùn)練框架完成的。反過來，它們在TensorFlow和PyTorch中生成神經(jīng)網(wǎng)絡(luò)代碼，并使用神經(jīng)網(wǎng)絡(luò)編譯器為特定硬件進(jìn)一步編譯網(wǎng)絡(luò)?！?/p>

　　“神經(jīng)網(wǎng)絡(luò)不是‘程序化的’“他們受過訓(xùn)練，”新思科技的產(chǎn)品經(jīng)理戈爾登·庫勃說DSP和CPU以更傳統(tǒng)的方式編程。代碼是用C/C++寫的。然后，您需要一個IDE和調(diào)試器來測試和編輯代碼。“

　　編程模型如何工作

　　所以對于CPU和DSP，設(shè)計師會用C或C++編程，但可能會調(diào)用特定的lib api。“例如，對于vision，代碼可能會調(diào)用OpenCV API調(diào)用，”Desai說。

　　圖2:DSP/CPU與npu上嵌入式軟件開發(fā)的比較。來源：Cadence

　　Fraunhofer的Heinig說，大多數(shù)時候，優(yōu)化代碼的工作是手工完成的?！爱?dāng)涉及到并行使用硬件時，高級編程模型通常會失敗。但是，當(dāng)然，使用具有基本高度優(yōu)化功能的庫是可能的?！?/p>

　　開發(fā)一個人工智能模型是非常不同的。需要幾個步驟?！笆紫仁亲R別和準(zhǔn)備，”新思科技的本哈姆說?！霸诖_定適合由人工智能解決的問題后，選擇正確的模型并收集將在該過程中使用的數(shù)據(jù)非常重要。其次是模特培訓(xùn)。訓(xùn)練模型意味著使用大量的訓(xùn)練數(shù)據(jù)來優(yōu)化模型，提高性能并確保準(zhǔn)確性。第三是推理。人工智能模型部署在生產(chǎn)環(huán)境中，用于根據(jù)可用數(shù)據(jù)快速做出結(jié)論、預(yù)測和推斷?！?/p>

　　還有其他不同之處。大多數(shù)DSP都是矢量處理器，其架構(gòu)針對高效并行處理數(shù)據(jù)陣列進(jìn)行了調(diào)整。“為了有效地使用硬件，數(shù)據(jù)需要矢量化，”新思科技高級產(chǎn)品經(jīng)理Markus Willems說?！爱?dāng)從標(biāo)量代碼開始時，優(yōu)化編譯器可以應(yīng)用某種程度的自動向量化。然而，對于絕大多數(shù)用例來說，獲得最佳結(jié)果需要程序員使用專用的矢量數(shù)據(jù)類型，以矢量化的方式編寫代碼?！?/p>

　　Willems建議，為了充分利用指令集的全部功能，通常使用內(nèi)部函數(shù)。與普通的匯編編碼不同，內(nèi)建函數(shù)將寄存器分配留給編譯器，這允許代碼重用和移植

　　此外，對于大多數(shù)DSP算法，設(shè)計從MATLAB開始分析功能性能（即檢查算法是否解決了問題）。對于越來越多的DSP，有一種直接的方法可以將MATLAB算法映射到矢量化DSP代碼，即使用MATLAB嵌入式編碼器和處理器專用DSP庫。

　　但為了充分利用處理器，海尼格說，有必要共同優(yōu)化硬件和軟件。否則，你的解決方案將會失敗，因為你意識到設(shè)計的硬件并不完全符合問題規(guī)范時已經(jīng)太晚了。如果要并行執(zhí)行越來越多的操作，尤其如此?！?/p>

　　對于一個SoC架構(gòu)師來說，它從什么是目標(biāo)市場和目標(biāo)應(yīng)用開始，因為這將驅(qū)動硬件和軟件架構(gòu)。

　　“在可編程性和固定硬件之間做出選擇總是一個挑戰(zhàn)，”Desai解釋道?！皼Q策是由成本（SoC面積）、功耗、性能、上市時間和未來需求驅(qū)動的。如果您了解您的目標(biāo)應(yīng)用，并希望優(yōu)化功耗和面積，固定硬件是最佳選擇。一個例子是H.264解碼器。］神經(jīng)網(wǎng)絡(luò)是不斷變化的，因此可編程性是必須的，但一種架構(gòu)，其中一些功能在固定功能（硬件加速器，如NPU）中，一些在可編程CPU或DSP中，是人工智能的最佳選擇?！?/p>

　　劃分處理

　　所有這些都變得更加復(fù)雜，因為不同的設(shè)計者/程序員可能負(fù)責(zé)不同的代碼。

　　“我們在談?wù)撏评響?yīng)用，但我們也在談?wù)撘粋€系統(tǒng)公司制造一個系統(tǒng)，”德賽說?！坝捎赟oC是通用的，可能會有人工智能開發(fā)人員開發(fā)特定的神經(jīng)網(wǎng)絡(luò)來解決特定的問題，例如，為麥克風(fēng)降低噪聲的降噪網(wǎng)絡(luò)，為安全攝像頭提供人員檢測網(wǎng)絡(luò)等。這個網(wǎng)絡(luò)需要轉(zhuǎn)換為可以在SoC上運(yùn)行的代碼，因此您將擁有知道如何使用工具將神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換為可以在具有CPU/DSP/NPU的SoC上啟動的代碼的程序員。但是，如果是實時應(yīng)用程序，您還需要知道如何使用實時操作系統(tǒng)、處理器級系統(tǒng)軟件等的系統(tǒng)軟件工程師。此外，如果這是消費類設(shè)備，可能會有高級軟件開發(fā)人員開發(fā)GUI或用戶界面?！?/p>

　　對于NPU，有幾個注意事項。“首先，NPU必須設(shè)計為加速人工智能工作負(fù)載，”本哈姆說。“人工智能/神經(jīng)網(wǎng)絡(luò)工作負(fù)載由深度學(xué)習(xí)算法組成，這些算法在許多層中需要大量的數(shù)學(xué)和多重矩陣乘法，因此需要并行架構(gòu)?！?/p>

　　他解釋說，一個好的NPU的關(guān)鍵特征之一是處理數(shù)據(jù)和快速完成操作的能力，性能以TOPS/MAC衡量。“功率/性能/面積（成本）之間的典型半導(dǎo)體權(quán)衡也與NPU設(shè)計密切相關(guān)。對于自動駕駛汽車的使用，NPU的延遲是至關(guān)重要的，特別是當(dāng)決定何時踩下汽車剎車是生死攸關(guān)的事情時。這也與功能安全設(shè)計考慮有關(guān)。設(shè)計團(tuán)隊還必須考慮NPU設(shè)計是否符合安全要求?！?/p>

　　程序員需要考慮的另一個關(guān)鍵問題是開發(fā)和編程工具。

　　“如果沒有合適的軟件開發(fā)工具，能夠輕松地從流行的人工智能框架中導(dǎo)入NN/AI模型，編譯，優(yōu)化它，并自動利用包括內(nèi)存設(shè)計考慮在內(nèi)的NPU架構(gòu)，那么構(gòu)建一個偉大的NPU是不夠的，”他說?！疤峁┮环N檢查模型準(zhǔn)確性的方法以及模擬工具也很重要，這樣程序員可以在硬件存在之前就開始軟件開發(fā)和驗證。這是上市時間的一個重要考慮因素?！?/p>

　　庫珀同意了?！皀pu比DSP更接近于定制加速器，尤其是GPU或CPU，它們完全靈活。您可能不會選擇添加NPU，除非您在相當(dāng)長的時間內(nèi)強(qiáng)烈需要NN性能。我們的客戶只需要一點點人工智能，他們使用矢量DSP來實現(xiàn)DSP性能，并在需要時對其進(jìn)行重新配置以處理人工智能，從而確保其芯片面積的最大靈活性。這很好，但不會像專用NPU那樣節(jié)能或節(jié)省面積?！?/p>

　　最后，當(dāng)試圖確定圖的哪些子集適合NPU，哪些不適合時，編程挑戰(zhàn)就來了。［參見上面圖1的左側(cè)］

　　Quadric公司的羅迪說：“如果它不運(yùn)行，它就必須在別的地方運(yùn)行，所以代碼必須被拆分?！迸c此同時，還有一個存儲在內(nèi)存中的輔助命令流生成器或鏈表生成器，NPU知道足夠多的信息來獲取它的命令。雖然這一部分非常簡單，但是所有不在系統(tǒng)上運(yùn)行的部分呢？那些運(yùn)營商該往哪里跑？有沒有已經(jīng)存在的機(jī)器學(xué)習(xí)操作符的高效實現(xiàn)？如果是，它是在DSP上，還是在CPU上，如果它不存在？必須有人去創(chuàng)造一個新的版本。你在DSP上這樣做是因為你希望它具有高性能?，F(xiàn)在你必須在DSP上編碼，很多DSP缺乏好的工具，尤其是那些專門為機(jī)器學(xué)習(xí)而構(gòu)建的工具。通用版本的DSP——音頻DSP或基本通用DSP——可能有兩個MAC或四個MAC類型的東西。為機(jī)器學(xué)習(xí)而構(gòu)建的DSP將是非常廣泛的DSP。超寬DSP可以成為非常廣泛的激活和標(biāo)準(zhǔn)化以及數(shù)據(jù)科學(xué)中發(fā)生的事情的良好目標(biāo)，但它們是新的，因此可能沒有可靠的編譯器?！?/p>

　　結(jié)論

　　在過去，這些編程世界是獨立的學(xué)科。但隨著人工智能計算越來越多地包含在設(shè)備中，以及隨著系統(tǒng)變得越來越異構(gòu)，軟件開發(fā)人員至少需要更多地了解其他領(lǐng)域正在發(fā)生的事情。

　　最終，這可能成為單一硬件/軟件架構(gòu)的驅(qū)動因素，允許工程團(tuán)隊編寫和運(yùn)行復(fù)雜的C++代碼，而不必在兩三種類型的處理器之間進(jìn)行劃分。但是，如果要做到這一點，從現(xiàn)在到那時還有許多工作要做。鑒于人工智能和硬件架構(gòu)的發(fā)展速度，尚不完全清楚該架構(gòu)在準(zhǔn)備就緒時是否仍然相關(guān)。

? ? ? 審核編輯：黃飛