當(dāng)前位置:首頁(yè) > 嵌入式 > 嵌入式硬件
[導(dǎo)讀]隨著基于超級(jí)網(wǎng)絡(luò)的NAS出現(xiàn),NAS的成本已經(jīng)在下降。因此,現(xiàn)在可能是時(shí)候讓硬件供貨商開(kāi)始尋找自己的優(yōu)化DNN。當(dāng)被問(wèn)及DeepScale是否計(jì)劃透過(guò)合作、授權(quán)或?yàn)锳I硬件公司開(kāi)發(fā)

隨著基于超級(jí)網(wǎng)絡(luò)的NAS出現(xiàn),NAS的成本已經(jīng)在下降。因此,現(xiàn)在可能是時(shí)候讓硬件供貨商開(kāi)始尋找自己的優(yōu)化DNN。當(dāng)被問(wèn)及DeepScale是否計(jì)劃透過(guò)合作、授權(quán)或?yàn)锳I硬件公司開(kāi)發(fā)優(yōu)化DNN來(lái)填補(bǔ)這一缺口時(shí),Iandola說(shuō),“我們還沒(méi)有真正考慮過(guò)這個(gè)問(wèn)題。”

為了讓AI加速器在最短延遲內(nèi)達(dá)到最佳精準(zhǔn)度,特別是在自動(dòng)駕駛車(chē)中,TFLOP已經(jīng)成為許多所謂大腦芯片的關(guān)鍵指針,然而,有專家認(rèn)為這種野蠻處理方式并不可持續(xù)……

為了讓人工智能(AI)加速器在最短延遲內(nèi)達(dá)到最佳精準(zhǔn)度,特別是在自動(dòng)駕駛車(chē)(AV)中,TFLOP(兆次浮點(diǎn)運(yùn)算)已經(jīng)成為許多所謂大腦芯片的關(guān)鍵指針。這場(chǎng)競(jìng)賽的選手包括Nvidia的Xavier、Mobileye的EyeQ5、特斯拉(Tesla)的全自動(dòng)駕駛(FSD)計(jì)算機(jī)芯片,以及NXP-Kalray芯片。

然而,有專家認(rèn)為這種野蠻處理方式并不可持續(xù)。在EE Times的一次獨(dú)家專訪中,DeepScale執(zhí)行長(zhǎng)Forrest Iandola提出其不可持續(xù)的理由,是因?yàn)锳I硬件設(shè)計(jì)師所持有的許多常見(jiàn)假設(shè)已經(jīng)過(guò)時(shí)。隨著AI應(yīng)用日益增多,AI供貨商從中積累更多的經(jīng)驗(yàn),這導(dǎo)致不同的AI任務(wù)開(kāi)始需求不同的技術(shù)方法。如果事實(shí)的確如此,AI使用者購(gòu)買(mǎi)AI技術(shù)的方式將會(huì)改變,供貨商也必將做出回應(yīng)。

DeepScale執(zhí)行長(zhǎng)Forrest Iandola

Iandola表示,就拿神經(jīng)網(wǎng)絡(luò)架構(gòu)搜尋(NAS)為例,其快速發(fā)展不僅加快優(yōu)化深度神經(jīng)網(wǎng)絡(luò)(DNN)的搜尋過(guò)程,并降低這一過(guò)程的成本。他相信有一種方法可以“在目標(biāo)任務(wù)和目標(biāo)運(yùn)算平臺(tái)上建立最低延遲、最高精準(zhǔn)度的DNN,”而不是依賴于更大的芯片來(lái)處理所有的AI任務(wù)。

Iandola設(shè)想未來(lái)AI芯片或傳感器系統(tǒng)(如計(jì)算機(jī)視覺(jué)、雷達(dá)或光達(dá))供貨商不僅提供硬件,而且還會(huì)提供自己的高速、高效的DNN——為應(yīng)用而設(shè)計(jì)的DNN架構(gòu)。任何供貨商都會(huì)為不同的運(yùn)算平臺(tái)匹配各自所需的DNN,如果事實(shí)真是如此,那AI競(jìng)賽中的所有賭注都將失效。

需要明確的是,目前無(wú)論是芯片公司還是傳感器供貨商都沒(méi)有提出上述前景。甚至很少有人在特定硬件上運(yùn)作有針對(duì)性AI任務(wù)的可能性。

Iandola及其DeepScale團(tuán)隊(duì)最近設(shè)計(jì)了一系列DNN模型,稱為“SqueezeNAS”。在最近的一篇報(bào)告中,他們聲稱,當(dāng)在目標(biāo)平臺(tái)上搜尋延遲時(shí),SqueezeNAS“可以建立更快、更準(zhǔn)確的模型”。這篇報(bào)告推翻了AI小區(qū)先前對(duì)NAS、乘積累加(MAC)運(yùn)算和將ImageNet精確度應(yīng)用于目標(biāo)任務(wù)時(shí)所做的一些假設(shè)。

DeepScale于2015年由Iandola和Kurt Keutzer教授共同創(chuàng)立,是一家位于加州山景城的新創(chuàng)公司,致力于開(kāi)發(fā)“微型DNN”。兩位聯(lián)合創(chuàng)始人曾在加州大學(xué)柏克萊大學(xué)分校共事,DeepScale因其快速高效的DNN研究而在科學(xué)界備受推崇。

手工設(shè)計(jì)(Manual designs)

要想真正理解機(jī)器學(xué)習(xí)在計(jì)算機(jī)視覺(jué)方面的最新進(jìn)展的意義,需要了解其發(fā)展歷史。

還記得AlexNet網(wǎng)絡(luò)結(jié)構(gòu)模型在2012年贏得ImageNet影像分類(lèi)競(jìng)賽嗎?這為研究人員打開(kāi)了競(jìng)爭(zhēng)的大門(mén),讓他們專注于ImageNet研究,并尋找能夠在計(jì)算機(jī)視覺(jué)任務(wù)上達(dá)到最高精準(zhǔn)度的DNN,以此開(kāi)展競(jìng)爭(zhēng)。

ImageNet分類(lèi)錯(cuò)誤統(tǒng)計(jì)。(數(shù)據(jù)源:ResearchGate)

通常,這些計(jì)算機(jī)視覺(jué)研究人員依靠專家工程師,他們會(huì)手工設(shè)計(jì)快速且高精準(zhǔn)度的DNN架構(gòu)。

從2012年到2016年,他們提高了計(jì)算機(jī)視覺(jué)的準(zhǔn)確性,但都是透過(guò)大幅增加執(zhí)行DNN所需資源來(lái)實(shí)現(xiàn)這一目標(biāo)。Iandola解釋,例如,贏得2014年ImageNet比賽冠軍的VGGNet,其使用的運(yùn)算量是AlexNet的10倍,參數(shù)是AlexNet的2倍。

到2016年,學(xué)術(shù)研究界發(fā)現(xiàn)利用增加DNN的資源需求來(lái)提高準(zhǔn)確性“不可持續(xù)”。SqueezeNet便是研究人員尋找的眾多替代方案之一,由Iandola及其同事在2016年發(fā)表,它展示出在微小預(yù)算(低于5MB)參數(shù)下ImageNet的“合理的準(zhǔn)確性”。

Squeezenet引發(fā)了兩個(gè)重大變化。相對(duì)于SqueezeNet和其他早期運(yùn)算而言,MobileNetV1能夠大幅度減少M(fèi)AC的數(shù)量,Shufflenetv1是為行動(dòng)端CPU實(shí)現(xiàn)低延遲而優(yōu)化的DNN。

利用機(jī)器學(xué)習(xí)改善機(jī)器學(xué)習(xí)

如前所述,所有這些先進(jìn)DNN都是透過(guò)手工設(shè)計(jì)和調(diào)整神經(jīng)網(wǎng)絡(luò)架構(gòu)開(kāi)發(fā)而成。由于手工流程需要專業(yè)的工程師大量的除錯(cuò),這很快就成為一個(gè)成本太高、耗時(shí)太久的提議。

因而基于機(jī)器學(xué)習(xí),實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)自動(dòng)化的理念,NAS應(yīng)運(yùn)而生。NAS是一種搜尋最佳神經(jīng)網(wǎng)絡(luò)架構(gòu)的算法,并改變了AI格局。Iandola稱,“到2018年,NAS已經(jīng)開(kāi)始構(gòu)建能夠以較低延遲運(yùn)行的DNN,并且比以前手工設(shè)計(jì)的DNN產(chǎn)生更高的準(zhǔn)確性。”

強(qiáng)化學(xué)習(xí)(Reinforcement Learning)

隨后,計(jì)算機(jī)視覺(jué)界開(kāi)始使用基于機(jī)器學(xué)習(xí)的強(qiáng)化方法——強(qiáng)化學(xué)習(xí)。換句話說(shuō),“機(jī)器學(xué)習(xí)得到回饋來(lái)改善機(jī)器學(xué)習(xí),”Iandola解釋。在基于強(qiáng)化學(xué)習(xí)的NAS下,未經(jīng)訓(xùn)練的強(qiáng)化學(xué)習(xí)獲得建議,指定層數(shù)和參數(shù)來(lái)訓(xùn)練DNN架構(gòu)。一旦對(duì)DNN進(jìn)行訓(xùn)練,訓(xùn)練運(yùn)作的結(jié)果將作為回饋,從而推動(dòng)強(qiáng)化學(xué)習(xí)執(zhí)行更多DNN來(lái)展開(kāi)訓(xùn)練。

經(jīng)證明,基于強(qiáng)化學(xué)習(xí)的NAS是有效的。Google MnasNet就是一個(gè)很好的例子,它在ImageNet延遲和準(zhǔn)確性方面都優(yōu)于ShuffleNet。但它也有一個(gè)關(guān)鍵的弱點(diǎn):成本太高?;趶?qiáng)化學(xué)習(xí)的搜尋通常需要數(shù)千個(gè)GPU天(GPU day),以訓(xùn)練數(shù)百乃至數(shù)千個(gè)不同的DNN,才能生成理想的設(shè)計(jì)。“Google負(fù)擔(dān)得起,”Iandola表示,但大多數(shù)其他公司負(fù)擔(dān)不起。

現(xiàn)實(shí)地說(shuō),一個(gè)基于強(qiáng)化學(xué)習(xí)的NAS要訓(xùn)練一千個(gè)DNN,每個(gè)DNN通常需要一個(gè)GPU天。考慮到目前亞馬遜(Amazon)云端服務(wù)平臺(tái)的價(jià)格,Iandola估計(jì),一個(gè)使用基于強(qiáng)化學(xué)習(xí)的NAS搜尋所花費(fèi)的云端運(yùn)算時(shí)間可能耗資高達(dá)7萬(wàn)美元。

超級(jí)網(wǎng)絡(luò)(Supernetwork)

在這種情況下,去年底出現(xiàn)了一種新的NAS類(lèi)型,稱為基于“超級(jí)網(wǎng)絡(luò)”的搜尋。它的典型代表包括FBNet(Facebook柏克萊網(wǎng)絡(luò))和SqueezNet。

 

 

搜尋時(shí)間減少100倍。(數(shù)據(jù)源:DeepScale)

Iandola解釋:“超級(jí)網(wǎng)絡(luò)采用一步到位的方法,而不是培訓(xùn)1,000個(gè)獨(dú)立的DNN。”例如,一個(gè)DNN有20個(gè)模塊,每個(gè)模塊有13個(gè)選項(xiàng)。若為每個(gè)模塊選擇一個(gè)最喜歡的選項(xiàng),“你正在以10個(gè)DNN訓(xùn)練運(yùn)作花費(fèi)為代價(jià),一次性訓(xùn)練一個(gè)匯集了千兆種DNN設(shè)計(jì)的DNN,”Iandola解釋。

結(jié)果顯示,基于超級(jí)網(wǎng)絡(luò)的NAS可以在10個(gè)GPU天的搜尋時(shí)間內(nèi)建立DNN,其延遲和準(zhǔn)確性優(yōu)于MnasNet。“這讓搜尋成本從7萬(wàn)多美元減少到大約700美元的亞馬遜云端服務(wù)GPU時(shí)間,”Iandola說(shuō)。

“10個(gè)GPU天”的搜尋時(shí)間相當(dāng)于在一臺(tái)如衣柜般大小的8 GPU機(jī)器上花費(fèi)一天的時(shí)間,”Iandola解釋。

 

 

基于強(qiáng)化學(xué)習(xí)與基于超級(jí)網(wǎng)絡(luò)的NAS比較。(數(shù)據(jù)源:DeepScale)

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車(chē)的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

倫敦2024年8月29日 /美通社/ -- 英國(guó)汽車(chē)技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車(chē)工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車(chē)。 SODA V工具的開(kāi)發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車(chē) 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來(lái)越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來(lái)越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對(duì)日本游戲市場(chǎng)的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開(kāi)幕式在貴陽(yáng)舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語(yǔ)權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對(duì)環(huán)境變化,經(jīng)營(yíng)業(yè)績(jī)穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤(rùn)率延續(xù)升勢(shì) 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長(zhǎng) 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競(jìng)爭(zhēng)力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)...

關(guān)鍵字: 通信 BSP 電信運(yùn)營(yíng)商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國(guó)電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場(chǎng) NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡(jiǎn)稱"軟通動(dòng)力")與長(zhǎng)三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉