使用专用硬件加速深度卷积神经 络

英文论文链接：http://research.microsoft.com/apps/pubs/default.aspxd=240715

翻译：卜居

【摘要】

最近在多层卷积神经 络的突破导致了识别任务（如大量图片分类和自动语音识别）准确率的大幅提升【1】。这些多层神经 络很大，很复杂，需要大量计算资源来训练和评估【2】。然而这些需求发生在目前这样一个尴尬的时刻，商业处理器性能增长十分缓慢。

专用硬件形式有GPGPU，FPGA和ASIC，提供了通往处理能力和高能效的坦途。微软通过使用FPGA增强型服务器（类似已经集成到微软数据中心的硬件【3】）加速深度卷积神经 络驾驭了专用硬件。

开始只是在中等规模FPGA上实现了单节点CNN加速器，展示了优于遗忘FPGA设计和高端GPGPU的性能，降低了功耗。未来会通过低延迟通信互联多个FPGA，进一步可能训练和评估模型。

【背景】

目前深度卷积神经 络一般组织为交替的卷积层、最大池化层后面加一系列稠密的全连接层，如图1中经典的拓扑图所示。

【在数据中心加速深度卷积神经 络】

2014年微软宣布了Catapult项目，成功展示了用FPGA在数据中心使Bing Ranking加速了近2倍【3】。利用这个基础，我们团队在微软研究院开发了高吞吐CNN FPGA加速器，在很低的服务器功耗下获得了优异性能。图3给出了用于高效计算卷积层前向传播的CNN FPGA加速器高层次概览。

总体上看，我们目前在装备中等规模Stratix V D5 FPGA的Catapult服务器上获得了最高处理吞吐。相比最近发表的FPGA实现【5】和运行在高端GPGPU上的Caffe+cuDNN【6】。注意GPGPU解决方案需要高达235W功耗【7】，使得部署到功耗限制的数据中心不太现实。相反，FPGA解决方案功耗不超过25W，占整个服务器功耗的不到10%。我们的实现获得了近3倍加速，相对最近发表的利用Virtex 7 485T FPGA的CNN加速器【5】。

（卜居注：【5】只说了处理能力达到61.62GFLOPS，并没有说处理图片速度，这篇文章怎么算的/p>

2016/6/6 卜居补充：原来如此，文献【5】 Table 7 给出了 FPGA 上 5 个 conv layers 计算总时间为 21.61 ms，相当于每秒处理 46.27 张图）

我们参数化的CNN加速器可灵活扩展到更新和更快的FPGA。我们团队正在将设计移植到Altera的最新Arria 10 FPGA上，提供了对浮点处理支持，可以在高能效情况下达到1TFLOPS处理能力【8】。表1列出了我们的预期性能。