一種遞歸神經網(wǎng)絡在FPGA平臺上的實現(xiàn)方案詳解

近十年來，人工智能又到了一個快速發(fā)展的階段。深度學習在其發(fā)展中起到了中流砥柱的作用，盡管擁有強大的模擬預測能力，深度學習還面臨著超大計算量的問題。在硬件層面上，GPU，ASIC，FPGA都是解決龐大計算量的方案。本文將闡釋深度學習和FPGA各自的結構特點以及為什么用FPGA加速深度學習是有效的，并且將介紹一種遞歸神經網(wǎng)絡（RNN）在FPGA平臺上的實現(xiàn)方案。

揭開深度學習的面紗

深度學習是機器學習的一個領域，都屬于人工智能的范疇。深度學習主要研究的是人工神經網(wǎng)絡的算法、理論、應用。自從2006年Hinton等人提出來之后，深度學習高速發(fā)展，在自然語言處理、圖像處理、語音處理等領域都取得了非凡的成就，受到了巨大的關注。在互聯(lián)網(wǎng)概念被人們普遍關注的時代，深度學習給人工智能帶來的影響是巨大的，人們會為它隱含的巨大潛能以及廣泛的應用價值感到不可思議。

事實上，人工智能是上世紀就提出來的概念。1957年，Rosenblatt提出了感知機模型（Perception），即兩層的線性網(wǎng)絡；1986年，Rumelhart等人提出了后向傳播算法（Back Propagation），用于三層的神經網(wǎng)絡的訓練，使得訓練優(yōu)化參數(shù)龐大的神經網(wǎng)絡成為可能；1995年，Vapnik等人發(fā)明了支持向量機（Support Vector Machines），在分類問題中展現(xiàn)了其強大的能力。以上都是人工智能歷史上比較有代表性的事件，然而受限于當時計算能力，AI總是在一段高光之后便要陷入灰暗時光——稱為：“AI寒冬”。

然而，隨著計算機硬件能力和存儲能力的提升，加上龐大的數(shù)據(jù)集，現(xiàn)在正是人AI發(fā)展的最好時機。自Hinton提出DBN（深度置信網(wǎng)絡）以來，人工智能就在不斷的高速發(fā)展。在圖像處理領域，CNN（卷積神經網(wǎng)絡）發(fā)揮了不可替代的作用，在語音識別領域，RNN（遞歸神經網(wǎng)絡）也表現(xiàn)的可圈可點。而科技巨頭也在加緊自己的腳步，谷歌的領軍人物是Hinton，其重頭戲是Google brain，并且在去年還收購了利用AI在游戲中擊敗人類的DeepMind；Facebook的領軍人物是Yann LeCun，另外還組建了Facebook的AI實驗室，Deepface在人臉識別的準確率更達到了驚人的97.35%；而國內的巨頭當屬百度，在挖來了斯坦福大學教授Andrew Ng（Coursera的聯(lián)合創(chuàng)始人）并成立了百度大腦項目之后，百度在語音識別領域的表現(xiàn)一直十分強勢。

一覽深度學習

簡單來說，深度學習與傳統(tǒng)的機器學習算法的分類是一致的，主要分為監(jiān)督學習（supervised learning）和非監(jiān)督學習（unsupervised learning）。所謂監(jiān)督學習，就是輸出是有標記的學習，讓模型通過訓練，迭代收斂到目標值；而非監(jiān)督學習不需要人為輸入標簽，模型通過學習發(fā)現(xiàn)數(shù)據(jù)的結構特征。比較常見的監(jiān)督學習方法有邏輯回歸、多層感知機、卷積神經網(wǎng)絡登；而非監(jiān)督學習主要有稀疏編碼器、受限玻爾茲曼機、深度置信網(wǎng)絡等。所有的這些都是通過神經網(wǎng)絡來實現(xiàn)的，他們通常來說都是非常復雜的結構，需要學習的參數(shù)也非常多。但是神經網(wǎng)絡也可以做簡單的事情，比如XNOR門，如圖。

在圖1（a）中，兩個輸入x_1和x_2都是分別由一個神經元表示，在輸入中還加入了一個作為偏置（bias）的神經元，通過訓練學習參數(shù)，最終整個模型的參數(shù)收斂，功能和圖1（b）真值表一模一樣。圖1（c）分類結果。

而通常來說，模型都是比較復雜的。比如ILSVRC2012年圖像識別大賽中Krizhevsky等人構建出來的 Alex Net。他們一共構建了11層的神經網(wǎng)絡（5個卷積層，3個全連接層，3個池化層），一共有65萬個神經元，6千萬個參數(shù)，最終達到了15.2%的識別錯誤率，大大領先于第二名的26.2%。

當前深度學習得以流行，是得益于大數(shù)據(jù)和計算性能的提升。但其仍然遭受計算能力和數(shù)據(jù)量的瓶頸。針對數(shù)據(jù)量的需求，專家們可以通過模型的調整、變更來緩解，但計算力的挑戰(zhàn)沒有捷徑?？拼笥嶏w、百度、阿里、360在深度學習方面也面臨著計算力的困擾?？拼笥嶏w的深度學習平臺屬于計算密集型的平臺，集群幾百臺機器之間要實現(xiàn)高速互聯(lián)，是類似超算的結構，但它又不是一個非常典型的超算。科大訊飛最開始探索傳統(tǒng)的方式，用大量CPU來支持大規(guī)模數(shù)據(jù)預處理，運行GMM-HMM等經典模型的訓練，在千小時的數(shù)據(jù)量下，效果很不好。而360每天處理的數(shù)據(jù)有上億條，參數(shù)50萬以上，如果用CPU，每次模型訓練就要花幾天，這對于崇尚快速迭代的互聯(lián)網(wǎng)公司運營來說簡直是不可接受的。

為什么選擇FPGA

FPGA（Field Programmable Gate Array）是在PAL、GAL、CPLD等可編程邏輯器件的基礎上進一步發(fā)展的產物。它是作為專用集成電路領域中的一種半定制電路而出現(xiàn)的，既解決了全定制電路的不足，又克服了原有可編程邏輯器件門電路數(shù)有限的缺點。FPGA的開發(fā)相對于傳統(tǒng)PC、單片機的開發(fā)有很大不同。FPGA以并行運算為主，以硬件描述語言來實現(xiàn)；相比于PC或單片機（無論是馮諾依曼結構還是哈佛結構）的順序操作有很大區(qū)別。FPGA開發(fā)需要從頂層設計、模塊分層、邏輯實現(xiàn)、軟硬件調試等多方面著手。FPGA可以通過燒寫位流文件對其進行反復編程，目前，絕大多數(shù) FPGA 都采用基于 SRAM（Static Random Access Memory 靜態(tài)隨機存儲器）工藝的查找表結構，通過燒寫位流文件改變查找表內容實現(xiàn)配置。

下面討論幾種可實現(xiàn)深度學習算法的硬件。

使用CPU。在2006年的時候，人們還是用串行處理器處理機器學習的問題，當時Mutch 和 Lowe開發(fā)了一個工具FHLib（feature hierarchy library）用來處理hierarchical 模型。對于CPU來說，它所要求的編程量是比較少的并且有可遷移性的好處，但是串行處理的特點變成了它在深度學習領域的缺點，而這個缺點是致命的。時至今日，據(jù)2006年已經過去了十年，過去的十年集成電路的發(fā)展還是遵循著摩爾定律，CPU的性能得到了極大的提升，然而，這并沒有讓CPU再次走入深度學習研究者的視野。盡管在小數(shù)據(jù)集上CPU能有一定的計算能力表現(xiàn)，多核使得它能夠并行處理，然而這對深度學習來說還是遠遠不夠的。

使用GPU。GPU走進了研究者的視線，相比于CPU，GPU的核心數(shù)大大提高了，這也讓它有更強大的并行處理能力，它還有更加強大的控制數(shù)據(jù)流和儲存數(shù)據(jù)的能力。Chikkerur進行了CPU和GPU在處理目標識別能力上的差別，最終GPU的處理速度是CPU的3-10倍。

使用ASIC。專用集成電路芯片（ASIC）由于其定制化的特點，是一種比GPU更高效的方法。但是其定制化也決定了它的可遷移性低，一旦專用于一個設計好的系統(tǒng)中，要遷移到其它的系統(tǒng)是不可能的。并且，其造價高昂，生產周期長，使得它在目前的研究中是不被考慮的。當然，其優(yōu)越的性能還是能在一些領域勝任。用的就是ASIC 的方案，在640×480pixel的圖像中識別速率能達到 60幀/秒。

使用FPGA。FPGA在GPU和ASIC中取得了權衡，很好的兼顧了處理速度和控制能力。一方面，F(xiàn)PGA是可編程重構的硬件，因此相比GPU有更強大的可調控能力；另一方面，與日增長的門資源和內存帶寬使得它有更大的設計空間。更方便的是，F(xiàn)PGA還省去了ASIC方案中所需要的流片過程。FPGA的一個缺點是其要求使用者能使用硬件描述語言對其進行編程。但是，已經有科技公司和研究機構開發(fā)了更加容易使用的語言比如Impulse Accelerated Technologies Inc. 開發(fā)了C-to-FPGA編譯器使得FPGA更加貼合用戶的使用，耶魯?shù)腅-Lab 開發(fā)了Lua腳本語言。這些工具在一定程度上縮短了研究者的開發(fā)時限，使研究更加簡單易行。

在FPGA上運行LSTM神經網(wǎng)絡

LSTM簡介

傳統(tǒng)的RNN由一個三層的網(wǎng)絡：輸入層it，隱藏層ht，輸出層yt；其中ht的信息作用到下一時刻的輸入，這樣的結構簡單的模仿了人腦的記憶功能，圖3是其拓撲圖：

只有一個隱藏層方程：

其中 Wx和 Wh分別是輸入和隱藏層的權重，b 是偏置。

LSTM 是RNN（遞歸神經網(wǎng)絡）的一種，在處理時序數(shù)據(jù)得到了最廣泛的應用，它由門控制信息一共有三個個門：輸入門it，遺忘門ft，輸出門ot，另外還有隱藏層ht和記憶細胞ct。圖4是其拓撲圖：

輸入門控制了某一時刻的輸入；遺忘門通過作用到上一時刻記憶細胞上，控制了上一時刻的數(shù)據(jù)流要流多少進入下一時刻；記憶細胞是由上一時刻的輸入和這一時刻的候選輸入共同決定的；輸出門作用到記憶細胞上，決定了這一時刻的隱藏層信息，并且送到下一層神經網(wǎng)絡上。全部方程如下：

其中W 代表各自的權重，b 代表各自的偏置， σ 是logistic sigmoid 函數(shù)：

設計FPGA模塊

研究使用的FPGA是Xilinx的Zedboard Zynq ZC7020板子。圖5是它的概覽

LSTM主要進行的是矩陣的乘法和非線性函數(shù)的計算（tanh，sigmoid），因此，選擇了Q8.8定點。

矩陣乘法由MAC單元進行（Multiply Accumulate），一共有兩個數(shù)據(jù)流：向量和權重矩陣流，如圖6（a）。在迭代完一次之后MAC就會重置以防止之前的數(shù)據(jù)混入下一時刻的數(shù)據(jù)。兩個MAC單元的數(shù)據(jù)相加之后進行非線性函數(shù)計算。同時用一個rescale模塊將32位的數(shù)據(jù)轉變?yōu)?6位的數(shù)據(jù)。

標量計算的模塊，是為了計算ct和ht，最終傳入下一時刻的計算。如圖6（b）。

整個模型一共用了三個圖6（a）和一個圖6（b）的模塊，如圖6（c）。數(shù)據(jù)的流入流出用了DMA（Direct Memory Access）串口控制。由于DMA串口是獨立的，因此，還需要一個時鐘模塊對其進行時序控制。時鐘模塊主要是一個緩沖存儲器組成并暫存了一些數(shù)據(jù)直到數(shù)據(jù)都到達。當最后的一個端口數(shù)據(jù)流入時鐘模塊才開始傳送數(shù)據(jù)，這保證了輸入跟權重矩陣是同個時刻相關的。

因此，LSTM模型的運算分為三個階段：

結果分析

通過在不同平臺上訓練LSTM網(wǎng)絡，我們得到了不同模型的對比。表1是平臺的參數(shù)，運行結果如圖7，可以發(fā)現(xiàn)：即使在142MHz的時鐘頻率下，F(xiàn)PGA平臺下的運行時間遠遠小于其他平臺，并行八個LSTM 記憶細胞的處理取得了比 Exynos5422 快16倍的結果。

未來展望

深度學習采用包含多個隱藏層的深層神經網(wǎng)絡（DeepNeural Networks，DNN）模型。DNN內在的并行性，使得具備大規(guī)模并行體系結構的GPU和FPGA成為加速深度學習的主流硬件平臺，其突出優(yōu)勢是能夠根據(jù)應用的特征來定制計算和存儲結構，達到硬件結構與深度學習算法的最優(yōu)匹配，獲得更高的性能功耗比；并且，F(xiàn)PGA靈活的重構功能也方便了算法的微調和優(yōu)化，能夠大大縮短開發(fā)周期。毫無疑問，F(xiàn)PGA在深度學習的未來是十分值得期待的。