實(shí)測(cè)！AlexNet卷積核在FPGA占90%資源仍跑750MHz|算力達(dá)288萬(wàn)張圖像/秒

Achronix創(chuàng)新的機(jī)器學(xué)習(xí)處理器（MLP）突破傳統(tǒng)FPGA時(shí)序性能瓶頸

作者：楊宇，Achronix資深現(xiàn)場(chǎng)應(yīng)用工程師

介紹：本文將重點(diǎn)描述基于AlexNet的2D卷積核的實(shí)例應(yīng)用。

正文：

MLP_Conv2D是功能齊全的設(shè)計(jì)，可將2D輸入圖像與多個(gè)內(nèi)核同時(shí)進(jìn)行卷積。 該設(shè)計(jì)充分利用了MLP和BRAM模塊，每個(gè)MLP一個(gè)周期執(zhí)行12個(gè)int8乘法。此外，MLP列和BRAM塊均等級(jí)聯(lián)以有效地將圖像數(shù)據(jù)傳遞，從而允許同時(shí)處理多個(gè)內(nèi)核。

該設(shè)計(jì)使用NoC接入點(diǎn)（NAP）從片上網(wǎng)絡(luò)（NoC）讀取或?qū)懭霐?shù)據(jù)。NoC連接到Speedster7t器件中的GDDR6控制器再到外部存儲(chǔ)器。

AlexNet

盡管最初為AlexNet圖像和內(nèi)核大小配置了MLP_Conv2D設(shè)計(jì)，但是2D卷積是一個(gè)通用過(guò)程，因此可以重新配置該設(shè)計(jì)并使其適應(yīng)許多不同的2D方法。

2D卷積的一般原理是在圖像（實(shí)際上是另一個(gè)2D矩陣）上傳遞內(nèi)核（2D矩陣）。對(duì)于每次計(jì)算，內(nèi)核均以輸入圖像的像素為中心，并對(duì)每個(gè)內(nèi)核值（稱為權(quán)重）與其當(dāng)前對(duì)齊的像素執(zhí)行乘法運(yùn)算。這些乘法的總和給出了原始圖像像素的特定卷積結(jié)果。然后將內(nèi)核移至下一個(gè)像素，并重復(fù)該過(guò)程。

經(jīng)過(guò)訓(xùn)練的內(nèi)核，2D卷積生成一個(gè)輸出結(jié)果圖像，突出顯示輸入圖像的特定特征，例如垂直線，水平線，變化角度的對(duì)角線和變化半徑的曲線。然后可以將這些特征輸入到其他處理層（包括其他2D卷積），然后可以將其標(biāo)識(shí)為（通常在軟件中）為特定對(duì)象。

因此，二維卷積處理不應(yīng)被視為圖像識(shí)別的完整解決方案，而應(yīng)被視為處理操作鏈中的單個(gè)關(guān)鍵組件。

乘法密度

2D卷積的挑戰(zhàn)是所需的乘法數(shù)量，這就是MLP中專用的乘法器陣列。對(duì)于AlexNet配置，每個(gè)內(nèi)核為11×11= 121個(gè)權(quán)重值。但是，卷積實(shí)際上是3D的，因?yàn)檩斎雸D像具有三層（RGB），因此一組內(nèi)核有121×3 = 363個(gè)乘法來(lái)產(chǎn)生單個(gè)輸出結(jié)果。AlexNet輸入圖像為227×227;但是，此圖像的stride為4（在計(jì)算之間內(nèi)核移動(dòng)了四個(gè)像素）。此過(guò)程導(dǎo)致輸出結(jié)果矩陣為54×54 = 2916個(gè)結(jié)果。因此，對(duì)于一幅圖像需要363×2916 = 1，058，508次乘法；即處理一個(gè)圖像需要進(jìn)行一百萬(wàn)次以上的累加運(yùn)算。其中單個(gè)Kernel進(jìn)行2D卷積的動(dòng)態(tài)示意圖如下：

圖表 1 單個(gè)Kernel進(jìn)行2D卷積的動(dòng)態(tài)示意圖

對(duì)于MLP_Conv2D，其設(shè)計(jì)旨在一次處理一幅圖像中的60個(gè)內(nèi)核，單次執(zhí)行超過(guò)6000萬(wàn)次乘法累加操作。

性能

MLP_Conv2D設(shè)計(jì)可以以750 MHz的頻率運(yùn)行。單個(gè)MLP能夠在137 μs內(nèi)對(duì)具有11×11內(nèi)核的單個(gè)227×227 RGB輸入圖像進(jìn)行卷積，相當(dāng)于每秒15.4GOPS（包含乘和加）。 但一個(gè)MLP_Conv2D實(shí)例由60個(gè)并行運(yùn)行的MLP構(gòu)成，可以同時(shí)對(duì)60個(gè)輸入圖像進(jìn)行卷積，相當(dāng)于924GOPS。 最后，將多達(dá)40個(gè)MLP_Conv2D實(shí)例化到單個(gè)器件中，每個(gè)實(shí)例都通過(guò)自己的NAP將數(shù)據(jù)傳輸?shù)紾DDR6存儲(chǔ)器，從而實(shí)現(xiàn)了組合高達(dá)37 TOPS的性能-相當(dāng)于每秒處理28，8000張圖像（本設(shè)計(jì)主要針對(duì)卷積核）。

資源

MLP_Conv2D圍繞MLP和BRAM塊功能而設(shè)計(jì)，并使用它們各自的內(nèi)部級(jí)聯(lián)走線。 同樣，NAP允許直接從外部存儲(chǔ)器路由數(shù)據(jù)互聯(lián)。這些功能可實(shí)現(xiàn)最小的附加邏輯或路由要求，利用率表如下：

圖表 2 單個(gè)MLP_Conv2D實(shí)例資源使用

圖表 3 并行40個(gè)MLP_Conv2D實(shí)例資源使用

圖表 4 MLP_Conv2D框圖

數(shù)據(jù)流：?jiǎn)蝹€(gè)MLP

每個(gè)MLP都有一個(gè)鄰近的BRAM。 在此設(shè)計(jì)中BRAM用于存儲(chǔ)內(nèi)核并將其多次傳遞到MLP。 初始化時(shí)，將從輸入NAP中讀取不同的內(nèi)核，并將其寫入相應(yīng)的BRAM。 BRAM在寫側(cè)配置為72位，而讀取設(shè)置為144位。在操作期間，僅將96位用作內(nèi)核權(quán)重，即讀取為4個(gè)權(quán)重×3層×8位。初始圖像數(shù)據(jù)從NAP讀取到輸入FIFO中，該輸入FIFO用于將圖像存儲(chǔ)為一系列行。盡管此輸入存儲(chǔ)器被列為FIFO，但仍可作為可重復(fù)讀取的FIFO，因?yàn)榭梢远啻螐闹凶x取行。該存儲(chǔ)器配置為144位寬，僅使用96位，由兩個(gè)BRAM72K組成。每個(gè)字由4個(gè)像素×3層×8位組成。初始化時(shí)，將讀取足夠的行以匹配內(nèi)核中的行數(shù)加上垂直跨步所需的行數(shù)。即

一旦加載了初始數(shù)據(jù)和內(nèi)核，便開(kāi)始計(jì)算。

從輸入FIFO中讀取第一條圖像行，并讀取與內(nèi)核水平大小匹配的圖像數(shù)據(jù)像素?cái)?shù)量。在讀取這些像素時(shí)，將讀取匹配的內(nèi)核權(quán)重。MLP將這些96位流的每一個(gè)乘以12個(gè)int8值并累加結(jié)果。輸入FIFO前進(jìn)到第二行，重復(fù)此過(guò)程，直到內(nèi)核的所有行都與輸入圖像左上角的適當(dāng)像素相乘。在此過(guò)程中，MLP積累了結(jié)果；現(xiàn)在，該結(jié)果是圖像與內(nèi)核卷積的左上角的2D卷積。該結(jié)果以16位結(jié)果的形式從MLP輸出。重復(fù)此過(guò)程，輸入FIFO跨行超前STRIDE參數(shù)設(shè)置的像素?cái)?shù)（對(duì)于當(dāng)前設(shè)計(jì)，STRIDE固定為4）。在每個(gè)處理周期包括在內(nèi)時(shí)，都會(huì)生成另一個(gè)結(jié)果，直到水平地獲取了適當(dāng)數(shù)量的結(jié)果為止。

然后，將輸入FIFO下移STRIDE行數(shù)，然后重復(fù)該過(guò)程以生成輸入圖像中下一組線的卷積結(jié)果。當(dāng)輸入FIFO向下移動(dòng)時(shí)，不再需要FIFO中的初始行，因此與MLP計(jì)算并行時(shí)，將加載下一組用于輸入圖像的STRIDE行?？紤]外部存儲(chǔ)源的帶寬要求時(shí)，可以看到映像和內(nèi)核僅從內(nèi)存中讀取一次。然后，它們可以從各自的BRAM中重新使用，從而減少了外部存儲(chǔ)器帶寬的總體負(fù)擔(dān)，其過(guò)程參考圖表1。

數(shù)據(jù)流：多個(gè)MLP

MLP的一個(gè)顯著特點(diǎn)是能夠?qū)?shù)據(jù)和結(jié)果從一個(gè)MLP或BRAM級(jí)聯(lián)到同一列中。 MLP_Conv2D通過(guò)將MLP及其關(guān)聯(lián)的BRAM放在列組中來(lái)利用這些級(jí)聯(lián)路徑。在將BRAM加載到內(nèi)核時(shí)，級(jí)聯(lián)路徑用于將數(shù)據(jù)流水線傳輸?shù)矫總€(gè)BRAM，并且使用BRAM塊地址模式選擇要寫入內(nèi)核的BRAM。

在計(jì)算過(guò)程中，輸入的圖像數(shù)據(jù)將在MLP的列中級(jí)聯(lián)，以便每個(gè)MLP在其下一個(gè)鄰居之后的一個(gè)周期接收到圖像數(shù)據(jù)。同時(shí)，控制內(nèi)核讀取的BRAM讀取地址以一個(gè)周期的延遲級(jí)聯(lián)到BRAM列中。這樣，每個(gè)MLP在其先前的MLP之后一個(gè)周期接收相同的圖像數(shù)據(jù)和相同的內(nèi)核讀取地址。每個(gè)MLP的計(jì)算差異在于，其關(guān)聯(lián)的BRAM將具有不同的內(nèi)核數(shù)據(jù)。結(jié)果是一個(gè)圖像并行地與多個(gè)內(nèi)核卷積。并行卷積的數(shù)量稱為BATCH。

數(shù)據(jù)流：計(jì)算結(jié)果

如前所述，每個(gè)MLP為內(nèi)核和圖像部分的每個(gè)卷積生成16位結(jié)果。

MLP排列在16列中，因此從該列中生成一個(gè)256位字，該字由該列中每個(gè)MLP的結(jié)果組成。然后將此256位字寫入輸出NAP。 這種安排導(dǎo)致卷積結(jié)果作為同一圖像的圖層存儲(chǔ)在內(nèi)存中；因此，當(dāng)三層或RGB存儲(chǔ)在單個(gè)輸入字中時(shí)，匹配輸入字排列。

然后，由于可以在完整的256位結(jié)果上的16個(gè)并行實(shí)例中執(zhí)行激活功能，因此該安排允許將涉及的結(jié)果并行處理到激活層中。同樣，一旦256位結(jié)果通過(guò)輸出NAP寫回到存儲(chǔ)器中，則可以將結(jié)果讀回到另一個(gè)2D卷積電路中。

圖表 5 MLP_Conv2D布局示意圖

布局

在Speedster7t架構(gòu)中，每個(gè)NAP對(duì)應(yīng)32個(gè)MLP。該設(shè)計(jì)經(jīng)過(guò)優(yōu)化，可使用兩個(gè)NAP，一個(gè)用于讀取，一個(gè)用于寫入，因此可以對(duì)應(yīng)64個(gè)MLP。

但是，輸入和輸出FIFO需要兩個(gè)BRAM 72K存儲(chǔ)塊才能創(chuàng)建一個(gè)256位寬的組合存儲(chǔ)器。因此，這些存儲(chǔ)器將消耗64個(gè)可用位置中的四個(gè)用于數(shù)據(jù)I / O。

設(shè)計(jì)被安排為使用與兩個(gè)NAP相關(guān)聯(lián)的四列MLP。但是，第一列和最后一列都使用14個(gè)MLP，剩下兩個(gè)MLP位置分別用于輸入和輸出FIFO。中間兩列使用所有16個(gè)可用的MLP。在平面圖中，各列的排列方式是使第一列（底部具有輸入FIFO存儲(chǔ)器）與NAP相鄰，以改善時(shí)序。

下面顯示了一個(gè)實(shí)例，即使用了60個(gè)MLP（Batch=60）的設(shè)計(jì)實(shí)際布局圖（突出顯示了路線）：

圖表 6 60個(gè)MLP布局圖

在全芯片構(gòu)建中使用40個(gè)實(shí)例時(shí)，盡力使每個(gè)實(shí)例都使用NAP與內(nèi)存進(jìn)行通信。結(jié)果，F(xiàn)Max仍能達(dá)到750MHz，并使用掉芯片中的所有80個(gè)NAP以及94％的MLP和BRAM72K。

圖表 7 2400個(gè)MLP布局圖

下一期將舉例介紹MLP的浮點(diǎn)架構(gòu)和性能，敬請(qǐng)期待。