1
導(dǎo)讀：在過去的一個月中，Intel收購了深度學(xué)習(xí)芯片公司 Nervana Systems ，以及移動和嵌入式機(jī)器學(xué)習(xí)公司 Movidius，給未來的深度學(xué)習(xí)下了重注。而Intel所做的這一切，正是在為未來適應(yīng)深度學(xué)習(xí)的數(shù)據(jù)流（DPU）架構(gòu)升級布局。
這些新公司將一起解決英特爾仍在形成的難題：捕捉未來深度學(xué)習(xí)領(lǐng)域——這塊預(yù)估達(dá)到數(shù)萬億美元的蛋糕。而這個艱巨的任務(wù)，都將通過 Intel 自己的 Knights Mill 在機(jī)器學(xué)習(xí)代碼和工具方面的成果，加上軟件優(yōu)化的工作來實(shí)現(xiàn)。而與此同時，NVIDIA 正在加強(qiáng)其自產(chǎn)的GPU訓(xùn)練和推理芯片市場，以及配備了最新 Pascal GPU 和所需深度學(xué)習(xí)書庫的自產(chǎn)硬件市場。
Intel 最近令人驚訝的收購行為，也成為了重磅頭條，而此舉使得 NVIDIA 更難說明 GPU 該如何加速（目前在模型訓(xùn)練占主導(dǎo)地位的計算引擎），想要在這個新興市場上占有一席之地，他們還要更加努力。然而在過去的兩年中，有很多新成員加入了該領(lǐng)域，這無疑是雪上加霜。
深度學(xué)習(xí)芯片新貴宣揚(yáng)的理念是：通用體系架構(gòu)（包括GPU）無法在低精度、固定點(diǎn)及專業(yè)性上與之比擬。事實(shí)上，我們可能進(jìn)入到計算機(jī)體系結(jié)構(gòu)的“寒武紀(jì)爆炸”時代，它由深度學(xué)習(xí)方面的新需求形成。不過，我們可以設(shè)想在短時間內(nèi)，應(yīng)用程序和用戶的數(shù)量足夠多，實(shí)際上就能確保芯片初創(chuàng)公司在等待大爆發(fā)時不會玩完。
這些新貴中，其中一家專注深度學(xué)習(xí)的初創(chuàng)公司名為 Wave Computing，它在 Nervana 系統(tǒng)方面有很多優(yōu)點(diǎn)，這些都可以使它成為 Intel（或者其它公司）的最佳收購對象。
雖然 Wave Computing 的技術(shù)和執(zhí)行方法不同于 Nervana，但公認(rèn)的是：在有著低級隨機(jī)舍入和其他相同技術(shù)的超低精度硬件上，進(jìn)行大規(guī)模深度學(xué)習(xí)訓(xùn)練時，它在實(shí)用性上略勝一籌。同時該公司的 Jin Kim 告訴 The Next Platform，他們看到了自身技術(shù)對于如英特爾這類公司的價值所在。Nervana 的采購行為對大局來說是有益的，因?yàn)樗砻髁嗽擃愋偷氖袌鲂枰峭ㄓ糜布?/p>
有一個可能性是：Intel 對于芯片的興趣就如同對于 Nervana 的 Neon 軟件框架一樣，但 Wave Computing 的 Kim 說：“還有另一個會遭公司哄搶的需求未被滿足：開發(fā)板和加速器板?？僧?dāng)我們與該領(lǐng)域的人交談時發(fā)現(xiàn)，他們都希望有一個針對深度學(xué)習(xí)具體需求的單體系統(tǒng)。”
當(dāng)然，在 NVIDIA 的 DGX-1 appliance 中這種東西已經(jīng)存在，它配備了 Pascal generation GPUs ，且具備了進(jìn)行訓(xùn)練和推理的所有軟件。然而，Kim 說，他們已經(jīng)掌握了硬件和軟件技術(shù)，且可以憑借更低的功耗和更短的訓(xùn)練時間（理論上無需 DGX-1 appliance）擊敗 Pascal。關(guān)鍵點(diǎn)是除了 DGX-1 外，它是深度學(xué)習(xí)采取的第一個系統(tǒng)，毫無疑問，它肯定是基于一種新架構(gòu)。
Wave Computing 方法基于通過其DPU處理單元的數(shù)據(jù)流架構(gòu)。和 Nervana 一樣，Wave 的核心部位也有一個高度可擴(kuò)展的共享內(nèi)存架構(gòu)（有著混合內(nèi)存立方體或 HMC）。
“我們都認(rèn)為它們在深度學(xué)習(xí)計算工作負(fù)載方面有一些相似點(diǎn)，這意味著我們可以利用算法對于噪音和錯誤的彈性，再加上并行數(shù)據(jù)和重用數(shù)據(jù)的機(jī)會，讓通用硬件很輕松地占據(jù)優(yōu)勢?！?/p>
Wave 的業(yè)務(wù)并不在銷售加速板，它專注的是提供一個完整的排序和推理系統(tǒng)。這也正是 Kim 說的：數(shù)據(jù)中心網(wǎng)絡(luò)中的即插即用節(jié)點(diǎn)，它可以本地支持 TensorFlow ，Hadoop，Spark，和 kafka 。系統(tǒng)會在 2017 年從 Q2 開始進(jìn)入到 1U 和 3U 配置。他們有一個 28 nm 的測試芯片，雖然在兩年前就交付驗(yàn)證了，但即將到來的 16 nm FinFET芯片現(xiàn)在正在流片，今年年底交付時將提供大幅提升。
Kim說：“第一個 28 nm 芯片可以將 16000 個處理單元置于一塊硅上，但 16 nm 的 FinFEt 芯片即將問世，它可以將 64000 個處理單元置于一塊硅上?！彼紫葘⑼ㄟ^一個私有云，培養(yǎng)那些想要在系統(tǒng)變得可用之前就先行體驗(yàn)的早期用戶?！拔覀兊纳虡I(yè)模式，并不是使用我們的云端來供服務(wù)，但是，需求非常高，而且私有云可以更快的選擇出那些是想要早期訪問的人?！?/p>
獲取這里所有內(nèi)存的負(fù)載和最重要的內(nèi)存帶寬能力。實(shí)際上，它與數(shù)據(jù)流處理單元自身一樣重要，畢竟，如果無法移動數(shù)據(jù)的話，即使是最聰明的處理器也沒什么用。當(dāng)然，這只是絕大部分的移動指令，另一個主要特征是，用于深度學(xué)習(xí)工作負(fù)載的法案，在其數(shù)據(jù)重用的地方可以顯著提高效率。
每個 8 位 RISC 型處理器都有 RAM 指令和局部寄存器，以保存大量局部操作的內(nèi)存數(shù)據(jù)。這樣使得話，就無需移動數(shù)據(jù)，只要移動指令?；镜闹噶钚蛄邪ǎ撼朔?、添加、轉(zhuǎn)移等。每個處理單元組都集合到有著16 元素的集群中，共享算術(shù)單元（每個有2個）。這些集群組成了核心計算引擎，且可以聚集在一起單獨(dú)完成 8 位的工作，或者一起做 64 位的工作（可變長度的算法）。
它的主要原理很簡單。將每一個 DPUs 組合到一起，并完成多個任務(wù)。這是一個 NIMD 框架（有兩種控制流），可以支持很高的內(nèi)存帶寬。第一代芯片在 6.7-8 GHz 之間跑來跑去，且在 150-200 瓦的范圍內(nèi)，但 Kim 沒有評論冬季將出來下一代的芯片。每個數(shù)據(jù)流處理單元（DPUs）都成為了群集的一部分。它通過團(tuán)隊(duì)開發(fā)的戰(zhàn)術(shù)調(diào)度工具包進(jìn)行靜態(tài)調(diào)度，且不會遇到內(nèi)存一致問題，因?yàn)樗鞔_了：在DPU的特定部分運(yùn)行那些算法。
每個 DPU 有 24 個“計算機(jī)器”，且從上面你可以看出，建筑能支持高度的隨機(jī)訪問存儲器 ，該存儲器有著 4 個 HMC 和DDR4存儲器（由將這些鋪在一起的核心組成元素組成）。在 Wave 的 3U 配置下，他們可以把 16 臺這樣的機(jī)器結(jié)合在一起。
當(dāng)然，它與通用處理器之間的關(guān)鍵區(qū)別是：低精度與固定點(diǎn)的數(shù)學(xué)能力。Kim說：“我們專注于在多個線程中，處理單元級別上的高度并行操作。我們還專注于高內(nèi)存帶寬的能力。由于它是實(shí)時可重構(gòu)的，所以有可能得到支持隨機(jī)四舍五入的硬件，進(jìn)行混合精度的數(shù)學(xué)問題。這是深度學(xué)習(xí)向低精度發(fā)展的正確趨勢，這樣可以節(jié)省內(nèi)存帶寬。只要你可以在更高的精度下積累結(jié)果，就可以保證準(zhǔn)確性，”
“整體的想法是，成為一個企業(yè)數(shù)據(jù)中心的 tensorflow 計算服務(wù)器節(jié)點(diǎn)，所有的 tensorflow 模型都以最小的修改運(yùn)行，且分區(qū)也在一個可擴(kuò)展的數(shù)據(jù)流架構(gòu)高效運(yùn)行，這樣的話，整個系統(tǒng)都可以利用共享內(nèi)存，我們就可以更好的測量 GPU ，且不消耗 CPU ?！?/p>
Wave 方法的核心是：通過隨機(jī)四舍五入技術(shù)使用固定點(diǎn)，和許多小的高并行計算元素。Kim指著IBM和斯坦福的研究說：“使用固定點(diǎn)和低精度算法，你只要小心轉(zhuǎn)動浮點(diǎn)基本相同的收斂，”如下圖所示。
模型上進(jìn)行推測的成本不能太高，這也是深度壓縮工作為何如此重要的原因（就像來自斯坦福的 Song Han一樣利用 EIE 成果）。頂部綠色線采用的是低精度、無智能四舍五入的固定點(diǎn)。這項(xiàng)研究是在幾年前進(jìn)行的，那時人們認(rèn)為浮點(diǎn)數(shù)是必需的。
Kim 說：“事實(shí)上，如果你進(jìn)行隨機(jī)或?qū)?shù)為基礎(chǔ)的四舍五入，且使用固定點(diǎn)訓(xùn)練的話，其浮點(diǎn)幾乎都是一樣的?！钡撞康暮谏€表示是固定狀態(tài)下紅色和藍(lán)色的浮點(diǎn)。
在系統(tǒng)水平的性能方面，所有廠商依然可以一起玩耍 競爭，因?yàn)?NVIDIA 的 DGX-1 appliances 并沒有對很多框架進(jìn)行太大沖擊。然而，根據(jù) NVIDIA 深度學(xué)習(xí)盒中現(xiàn)有的 P100 性能數(shù)據(jù)，以及Xeon 的實(shí)際基準(zhǔn)，Wave 分享了以下指標(biāo)。
我們能想象出一些 Wave Computing 的可能結(jié)果，其中最有可能的是“一部分大公司以收購的方式，尋找可以在價格和性能擊敗 NVIDIA，且與深度學(xué)習(xí)掛鉤的系統(tǒng)?！?/strong>當(dāng)然，在恰當(dāng)?shù)奈恢?，它也要有必需的軟件堆棧。這一領(lǐng)域，NVIDIA 已經(jīng)讓自己的 CUDA 庫與最知名的深度學(xué)習(xí)框架進(jìn)行對接。
Wave Computing 系統(tǒng)是個容器，它可以支持微服務(wù)方向結(jié)構(gòu) ，該結(jié)構(gòu)有著基于tensorflow的SDk 以運(yùn)行和執(zhí)行模型（有著用于tensorflow的Python和C++API ），和一個用于大型數(shù)據(jù)中心（想要支持不同的語言）的低水平 SDK。Kin 說：“目標(biāo)是為了使 tensorflow 模型在沒有匣子的情況下運(yùn)行更快 ，盡可能的遠(yuǎn)離用戶?！边@聽起來很像 DGX-1 Appliance，然而，Kim 說“這將是有競爭力的價格?！睕]有人知道這是否意味著少幾千元，還是相同的價格。
需要注意的是，我們應(yīng)該指出 ：Kim 并沒有說這是 CPU 或 GPU 的所有用戶的替代物?！霸谀承┣闆r下，這樣的 tensorflow 分區(qū)方式，圖表的某些部分將在 DPU 上運(yùn)行，有一些在 CPU 上運(yùn)行、還有一些在 GPU 上運(yùn)行。我們的目標(biāo)是用最好的混合和匹配加快速度?！彼谌速徺I的系統(tǒng)中是如何形成的，以及它是怎么實(shí)施的還有待觀察，但我們希望隨著重點(diǎn)轉(zhuǎn)移到新的結(jié)構(gòu)，有人可以在明年結(jié)束之前搶到 Wave，且深度學(xué)習(xí)開始將其應(yīng)用于有真實(shí)用戶的實(shí)際系統(tǒng)中。
推薦閱讀：
英特爾3.5億美元收購深度學(xué)習(xí)公司Nervana
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
