1.  隱私問題：對于始終在線始終感知的設(shè)備，個人數(shù)據(jù)和/或機密信息在上傳期間或在數(shù)據(jù)中心的保存期限內(nèi)存在遭受濫用的風(fēng)險。

 

2.  不必要的功耗：如果每個數(shù)據(jù)位都傳輸?shù)皆?，則硬件、無線電、傳輸裝置以及云中不必要的計算都會消耗電能。

 

3.  小批量推斷的延時：如果數(shù)據(jù)來源于邊緣，有時至少需要一秒才能收到云系統(tǒng)的響應(yīng)。當(dāng)延時超過100毫秒時，人們便有明顯感知，造成反響不佳的用戶體驗。

 

4.  數(shù)據(jù)經(jīng)濟需要創(chuàng)造價值：傳感器隨處可見，價格低廉；但它們會產(chǎn)生大量數(shù)據(jù)。將每個數(shù)據(jù)位都上傳到云進行處理并不劃算。

 

要使用本地處理引擎解決這些挑戰(zhàn)，必須首先針對目標(biāo)用例利用指定數(shù)據(jù)集對執(zhí)行推斷運算的神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。這通常需要高性能計算（和存儲器）資源以及浮點算數(shù)運算。因此，機器學(xué)習(xí)解決方案的訓(xùn)練部分仍需在公共或私有云（或本地GPU、CPU和FPGA Farm）上實現(xiàn)，同時結(jié)合數(shù)據(jù)集來生成最佳神經(jīng)網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)模型的推斷運算不需要反向傳播，因此在該模型準(zhǔn)備就緒之后，可利用小型計算引擎針對本地硬件進行深度優(yōu)化。推斷引擎通常需要大量乘-累加（MAC）引擎，隨后是激活層（例如修正線性單元（ReLU）、Sigmoid函數(shù)或雙曲正切函數(shù)，具體取決于神經(jīng)網(wǎng)絡(luò)模型復(fù)雜度）以及各層之間的池化層。

 

大多數(shù)神經(jīng)網(wǎng)絡(luò)模型需要大量MAC運算。例如，即使是相對較小的“1.0 MobileNet-224”模型，也有420萬個參數(shù)（權(quán)重），執(zhí)行一次推斷需要多達5.69億次的MAC運算。此類模型中的大多數(shù)都由MAC運算主導(dǎo)，因此這里的重點是機器學(xué)習(xí)計算的運算部分，同時還要尋找機會來創(chuàng)建更好的解決方案。下面的圖2展示了一個簡單的完全連接型兩層網(wǎng)絡(luò)。輸入神經(jīng)元（數(shù)據(jù)）通過第一層權(quán)重處理。第一層的輸出神經(jīng)元通過第二層權(quán)重處理，并提供預(yù)測（例如，模型能否在指定圖像中找到貓臉）。這些神經(jīng)網(wǎng)絡(luò)模型使用“點積”運算計算每層中的每個神經(jīng)元，如下面的公式所示：

 

多級存儲器與模擬內(nèi)存內(nèi)計算完美融合，人工智能邊緣處理難題迎刃而解（為簡單起見，公式中省略了“偏差”項）。

 

圖 SEQ Figure * ARABIC 2：完全連接的兩層神經(jīng)網(wǎng)絡(luò)

 

在數(shù)字神經(jīng)網(wǎng)絡(luò)中，權(quán)重和輸入數(shù)據(jù)存儲在DRAM/SRAM中。權(quán)重和輸入數(shù)據(jù)需要移至某個MAC引擎旁以進行推斷。根據(jù)下圖，采用這種方法后，大部分功耗都來源于獲取模型參數(shù)以及將數(shù)據(jù)輸入到實際發(fā)生MAC運算的ALU。從能量角度來看，使用數(shù)字邏輯門的典型MAC運算消耗約250 fJ的能量，但在數(shù)據(jù)傳輸期間消耗的能量超過計算本身兩個數(shù)量級，達到50皮焦（pJ）到100 pJ的范圍。公平地說，很多設(shè)計技巧可以最大程度減少存儲器到ALU的數(shù)據(jù)傳輸，但整個數(shù)字方案仍受馮·諾依曼架構(gòu)的限制。這就意味著，有大量的機會可以減少功率浪費。如果執(zhí)行MAC運算的能耗可以從約100 pJ減少到若干分之幾pJ，將會怎樣呢？

 

消除存儲器瓶頸同時降低功耗

 

如果存儲器本身可用來消除之前的存儲器瓶頸，則在邊緣執(zhí)行推斷相關(guān)的運算就成為可行方案。使用內(nèi)存內(nèi)計算方法可以最大程度地減少必須移動的數(shù)據(jù)量。這反過來也會消除數(shù)據(jù)傳輸期間浪費的能源。閃存單元運行時產(chǎn)生的有功功率消耗較低，在待機模式下幾乎不消耗能量，因此可以進一步降低能耗。

 

圖 SEQ Figure * ARABIC 3：機器學(xué)習(xí)計算中的存儲器瓶頸

 

來源：Y.-H. Chen、J. Emer和V. Sze于2016國際計算機體系結(jié)構(gòu)研討會發(fā)表的“Eyeriss: A Spatial Architecture for Energy-Efficient Dataflow for Convolutional Neural Networks”。

 

該方法的一個示例是Microchip子公司Silicon Storage Technology（SST）的memBrain™技術(shù)。該解決方案依托于SST的SuperFlash®存儲器技術(shù)，這項技術(shù)已成為適用于單片機和智能卡應(yīng)用的多級存儲器的公認標(biāo)準(zhǔn)。這種解決方案內(nèi)置一個內(nèi)存內(nèi)計算架構(gòu)，允許在存儲權(quán)重的位置完成計算。權(quán)重沒有數(shù)據(jù)移動，只有輸入數(shù)據(jù)需要從輸入傳感器（例如攝像頭和麥克風(fēng)）移動到存儲器陣列中，因此消除了MAC計算中的存儲器瓶頸。

 

這種存儲器概念基于兩大基本原理：(a)晶體管的模擬電流響應(yīng)基于其閾值電壓（Vt）和輸入數(shù)據(jù)，(b)基爾霍夫電流定律，即在某個點交匯的多個導(dǎo)體網(wǎng)絡(luò)中，電流的代數(shù)和為零。了解這種多級存儲器架構(gòu)中的基本非易失性存儲器（NVM）位單元也十分重要。下圖（圖4）是兩個ESF3（第3代嵌入式SuperFlash）位單元，帶有共用的擦除門（EG）和源線（SL）。每個位單元有五個終端：控制門（CG）、工作線（WL）、擦除門（EG）、源線（SL）和位線（BL）。通過向EG施加高電壓執(zhí)行位單元的擦除操作。通過向WL、CG、BL和SL施加高/低電壓偏置信號執(zhí)行編程操作。通過向WL、CG、BL和SL施加低電壓偏置信號執(zhí)行讀操作。

 

圖 SEQ Figure * ARABIC 4：SuperFlash ESF3單元

 

利用這種存儲器架構(gòu)，用戶可以通過微調(diào)編程操作，以不同Vt電壓對存儲器位單元進行編程。存儲器技術(shù)利用智能算法調(diào)整存儲器單元的浮柵（FG）電壓，以從輸入電壓獲得特定的電流響應(yīng)。根據(jù)最終應(yīng)用的要求，可以在線性區(qū)域或閾下區(qū)域?qū)卧M行編程。

 

圖5說明了在存儲器單元中存儲多個電壓的功能。例如，我們要在一個存儲器單元中存儲一個2位整數(shù)值。對于這種情況，我們需要使用4個2位整數(shù)值（00、01、10、11）中的一個對存儲器陣列中的每個單元進行編程，此時，我們需要使用四個具有足夠間隔的可能Vt值之一對每個單元進行編程。下面的四條IV曲線分別對應(yīng)于四種可能的狀態(tài)，單元的電流響應(yīng)取決于向CG施加的電壓。

 

圖 SEQ Figure * ARABIC 5：ESF3單元中的編程Vt電壓

 

受訓(xùn)模型的權(quán)重通過編程設(shè)定為存儲器單元的浮柵Vt。因此，受訓(xùn)模型每一層（例如完全連接的層）的所有權(quán)重都可以在類似矩陣的存儲器陣列上編程，如圖6所示。對于推斷運算，數(shù)字輸入（例如來自數(shù)字麥克風(fēng)）首先利用數(shù)模轉(zhuǎn)換器（DAC）轉(zhuǎn)換為模擬信號，然后應(yīng)用到存儲器陣列。隨后該陣列對指定輸入向量并行執(zhí)行數(shù)千次MAC運算，產(chǎn)生的輸出隨即進入相應(yīng)神經(jīng)元的激活階段，隨后利用模數(shù)轉(zhuǎn)換器（ADC）將輸出轉(zhuǎn)換回數(shù)字信號。然后，這些數(shù)字信號在進入下一層之前進行池化處理。

 

圖 SEQ Figure * ARABIC 6：用于推斷的權(quán)重矩陣存儲器陣列

 

這類多級存儲器架構(gòu)模塊化程度非常高，而且十分靈活。許多存儲器片可以結(jié)合到一起，形成一個混合了權(quán)重矩陣和神經(jīng)元的大型模型，如圖7所示。在本例中，MxN片配置通過各片間的模擬和數(shù)字接口連接到一起。

 

圖 SEQ Figure * ARABIC 7：memBrain™的模塊化結(jié)構(gòu)

 

截至目前，我們主要討論了該架構(gòu)的芯片實施方案。提供軟件開發(fā)套件（SDK）可幫助開發(fā)解決方案。除了芯片外，SDK還有助于推斷引擎的開發(fā)。SDK流程與訓(xùn)練框架無關(guān)。用戶可以在提供的所有框架（例如TensorFlow、PyTorch或其他框架）中根據(jù)需要使用浮點計算創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型。創(chuàng)建模型后，SDK可幫助量化受訓(xùn)神經(jīng)網(wǎng)絡(luò)模型，并將其映射到存儲器陣列。在該陣列中，可以利用來自傳感器或計算機的輸入向量執(zhí)行向量矩陣乘法。

 

圖8：memBrain™ SDK流程

 

多級存儲器與模擬內(nèi)存內(nèi)計算完美融合，人工智能邊緣處理難題迎刃而解

多級存儲器方法結(jié)合內(nèi)存內(nèi)計算功能的優(yōu)點包括：

 

1.        超低功耗：專為低功耗應(yīng)用設(shè)計的技術(shù)。功耗方面的第一個優(yōu)點是，這種解決方案采用內(nèi)存內(nèi)計算，因此在計算期間，從SRAM/DRAM傳輸數(shù)據(jù)和權(quán)重不會浪費能量。功耗方面的第二個優(yōu)點是，閃存單元在閾下模式下以極低的電流運行，因此有功功率消耗非常低。第三個優(yōu)點是待機模式下幾乎沒有能耗，原因是非易失性存儲器單元不需要任何電力即可保存始終開啟設(shè)備的數(shù)據(jù)。這種方法也非常適合對權(quán)重和輸入數(shù)據(jù)的稀疏性加以利用。如果輸入數(shù)據(jù)或權(quán)重為零，則存儲器位單元不會激活。

 

2.        減小封裝尺寸：該技術(shù)采用分離柵（1.5T）單元架構(gòu)，而數(shù)字實施方案中的SRAM單元基于6T架構(gòu)。此外，與6T SRAM單元相比，這種單元是小得多。另外，一個單元即可存儲完整的4位整數(shù)值，而不是像SRAM單元那樣需要4*6 = 24個晶體管才能實現(xiàn)此目的，從本質(zhì)上減少了片上占用空間。

 

3.        降低開發(fā)成本：由于存儲器性能瓶頸和馮·諾依曼架構(gòu)的限制，很多專用設(shè)備（例如Nvidia的Jetsen或Google的TPU）趨向于通過縮小幾何結(jié)構(gòu)提高每瓦性能，但這種方法解決邊緣計算難題的成本卻很高。采用將模擬內(nèi)存內(nèi)計算與多級存儲器相結(jié)合的方法，可以在閃存單元中完成片上計算，這樣便可使用更大的幾何尺寸，同時降低掩膜成本和縮短開發(fā)周期。

 

邊緣計算應(yīng)用的前景十分廣闊。然而，需要首先解決功耗和成本方面的挑戰(zhàn)，邊緣計算才能得到發(fā)展。使用能夠在閃存單元中執(zhí)行片上計算的存儲器方法可以消除主要障礙。這種方法利用經(jīng)過生產(chǎn)驗證的公認標(biāo)準(zhǔn)類型多級存儲器技術(shù)解決方案，而這種方案已針對機器學(xué)習(xí)應(yīng)用進行過優(yōu)化。

 

（來源：Microchip，作者：Vipin Tiwari，Microchip嵌入式存儲器產(chǎn)品開發(fā)總監(jiān)）