如何克服边缘设备中的硬件加速障碍

针对在边缘运行机器学习算法而言，在可重构性、功耗、尺寸、速度和成本方面，FPGA超越了多种其他方式的人工智能芯片组。此外，与微体系架构无关的RISC-V指令集体系架构(ISA)能够与FPGA的体系架构灵活性无缝结合。然而，一个主要瓶颈就是明显缺乏成本效益高的中端FPGA，而且设计流程也比较复杂。另外，也很难找到用于实现完全自定义硬件描述语言(HDL)所需的软件技术，而且还往往伴随着陡峭的学习曲线。

Efinix利用在创新量子计算架构上建立的FPGA填补了这一空白，该架构由可重新配置模块组成，被称为可交换逻辑和路由(XLR)单元，作为逻辑或路由，重新优化了逻辑元件(LE)和路由资源的传统固定比率，从而支持在小型器件封装中利用高密度架构，其中FPGA的所有资源都被充分利用。该平台的潜力超越了当今基于边缘的设备面临的典型障碍：功耗、延迟、成本、尺寸和易开发性。

EfinixFPGA最引人注目的特点，可能是其周围的生态系统和最先进的工具流，这降低了开发门槛，使设计师能够利用同等的硅，在边缘轻松实现人工智能(从原型到量产)。通过采用RISC-V，从而允许用户在软件中创建应用程序和算法，利用该ISA的易编程性，而不必绑定到ARM等专有IP核上。由于这一切都是通过灵活的FPGA架构完成的，用户可以在硬件上大幅加速。另外，Efinix还同时支持低级别和更复杂的自定义指令加速。其中一些技术包括TinyML加速器和预定义的硬件加速器sockets。通过这样的方法，所实现的跳跃式加速既提供了硬件性能，同时又保留了软件定义模型，从而可以在不需要学习VHDL的情况下进行迭代和细化。其结果使得边缘设备的速度极快，同时功耗低，占位面积小。本文详细讨论了Efinix平台如何简化整个设计和开发周期，让用户能够利用灵活的FPGA架构，来实现可扩展的嵌入式处理解决方案。

边缘面临的设计障碍

从大规模的无线传感器网络，到流式传输高分辨率360度沉浸式AR或VR体验，现实世界中大多数数据都处于边缘。将运算负荷从云中剥离出来，并使其更接近边缘设备，为自动驾驶、沉浸式数字体验、自动化工业设施、远程手术等下一代带宽密集型、超低延迟等应用打开了大门。一旦避开了从云端传输数据的巨大障碍，用例就会层出不穷。

然而，对于边缘而言，低延迟、高耗能运算这类决定性因素，正是对这些体积小且功率有限的设备带来重大设计挑战的主要因素。那么，如何设计一种设备，既能处理耗电的ML算法，而又不需要采用复杂的技术呢？该解决方案的硬件可以是任何类型(例如，CPU、GPU、ASIC、FPGA、ASSP)，但资源要足以运行合适的应用程序和算法，同时又能够加速密度更高的运算任务，并能平衡运算时间(延迟)和所用资源(功耗)。

与任何创新一样，随着模型和优化技术的更新，深度学习的环境也在不断变化，这就需要利用更灵活的硬件平台。这些平台的变化速度几乎与在其上运行的程序一样快，而且几乎不能有风险。FPGA的并行处理和灵活性/可重新配置性，似乎与这一需求完全匹配。然而，要使这些设备用于大规模的主流应用，还需要降低加速FPGA架构和配置的设计门槛——这是一个耗时的过程，通常需要高级专业知识。此外，传统的加速器一般来说细粒度都不够，并且通常还包含不易扩展的大模型块。另外，这类设备通常比较耗能，而且往往是独家制造的，这使得工程师必须重新学习如何利用这类定制平台。

SapphireRISC-V内核

利用C/C++即可在RISC-V内核上创建应用程序

Efinix通过以直观的方式克服了AI/ML社区利用FPGA方面的挑战，从而直接解决了所有这些潜在的障碍。可通过EfinityGUI对RISC-VSapphire内核进行完全用户配置。通过这种方式，用户不必全部知道在FPGA中实现RISC-V背后的所有VHDL，而可以利用通用软件语言(例如C/C++)的直接可编程性，这使得团队能够在软件中快速生成应用程序和算法。所需的所有外围设备和总线，都可以与Sapphire内核一起指定、配置和实例化，从而能提供完全可配置的SoC(见图1)。这种RISC-V功能包括多个内核(最多四核)，支持Linux功能，为设计师的FPGA应用程序提供高性能处理器集群，并能够直接在Linux操作系统上运行应用程序。通过软硬件分区，下一步的硬件加速被大大简化。一旦设计师在软件中完善了算法，就可以在灵活的EfinixFPGA架构中实现稳步加速。不过，在进入下一步的硬件加速之前，重要的是要了解RISC-V架构的固有优势，以及如何在FPGA架构中充分利用。

图1:EfinityGUI支持开发人员利用熟悉的编程语言，为完全可配置的SoC配置SapphireRISC-V内核(左)以及所有所需的外围设备和总线。此功能可扩展到多达四个RISC-V内核。

支持自定义指令的RISC-V

RISC-V架构的独特之处在于，它并没有对所有指令都进行定义，而是预留了一些指令，开放给设计师自定义和实现。换句话说，可以创建一个自定义算术逻辑单元(ALU)，当调用自定义指令时，可执行自定义的任意功能(见图2)。这些自定义指令，将具有与其他指令相同的体系架构(例如，两个寄存器输入，一个寄存器输出)，总共支持使用八个字节的有效数据，其中四个字节的数据可以回传至RISC-V。

然而，由于ALU是在FPGA中构建的，它既可以访问FPGA，也可以从FPGA中提取数据，从而支持用户扩展超过8字节的数据，使ALU变得任意复杂，并支持访问以前送入FPGA上的数据(例如来自传感器的数据)。当涉及到硬件加速时，这种能力（能够使ALU任意复杂）则正是速度的倍增因素。Efinix利用了定制指令的这种能力，并通过TinyML平台将其发布到AI和ML社区。

图2：可以利用RISC-V创建自定义ALU，其标准配置包括两个四字节宽的源寄存器(rs1和rs2)和一个四字节宽的目标寄存器(rd)。

TinyML平台-自定义指令库

利用TinyML平台的硬件加速

TinyML平台简化了硬件加速过程，其中Efinix采用了TensorFlowLite模型中所用的计算原语，并创建了自定义指令，使得在FPGA架构中实现的加速器上的执行得以优化(见图3)。从而将TensorFlow的标准软件定义模型吸收到了RISC-V复合体中，以硬件速度进行加速，并利用了开源TensorFlowLite社区的丰富优势。使用流行的Ashling工具流，简化了整个开发流程，使设置、应用程序创建和调试过程变得既简单又直观。

图3:TensorFlowLite模型示意图。

TensorFlowLite创建了标准TensorFlow模型的量化版本，并利用函数库，支持这些模型在边缘MCU上运行。EfinixTinyML采用这些TensorFlowLite模型，并利用RISC-V内核的自定义指令功能，在FPGA硬件中实现加速。

许多TinyML平台的自定义指令库，都可供EfinixGitHub上的开源社区免费访问，可以访问设计和开发大幅加速边缘AI应用所需的EfinixSapphire内核以及其他任何东西。

加速策略

由于RISC-V内核、EfinixFPGA架构和丰富的开源TensorFlow社区的有机结合，从而支持创造性的加速策略，这些策略可以分解为几个步骤(图4)：

步骤1：利用EfinityRISC-VIDE运行TensorFlowLite模型

步骤2：利用TinyML加速器

步骤3：用户自定义的指令加速器

步骤4：硬件加速器模板

如上所述，“步骤1”是贯穿EfinityGUI的标准流程，用户可以利用TensorflowLite模型，并在RISC-V上的软件中运行它，采用的是与标准MCU中相似且设计师非常熟悉的流程，而根本不必担心VHDL。在步骤1之后，设计师通常会发现，他们正在运行的算法性能不是最优的，因此需要加速。“步骤二”涉及硬件-软件分区，用户可以在TensorFlowLite模型中实现基本构建块，然后点击并拖动以实例化自定义指令，并在SapphireRISC-V内核上对运行中的模型大幅加速。

图4:EfinixTinyML平台的加速策略。

用户定义的自定义指令加速器

“步骤3”支持设计师在没有利用TinyML平台中模板的情况下，创建自己的自定义指令，支持用户在RISC-V内核上进行创新并实现加速。

硬件加速器模板

最后，所需的基本单元在RISC-V上被加速之后，“步骤4”利用加速“sockets”，将它们掩藏在免许可的EfinixSoC框架中。量子加速器sockets支持用户“指向”数据、检索数据、并对内容进行编辑，或者说对更大的数据块执行卷积运算。

SapphireSoC可用于执行整体系统控制，并执行固有顺序或需要灵活性的算法。如前所述，通过硬件-软件代码设计，支持用户选择该运算是在RISC-V处理器中执行，还是在硬件中执行。在这种加速方法中，预定义的硬件加速器sockets连接到直接存储器访问(DMA)控制器和SoC从接口，用于数据传输和CPU控制，也可以用于AI推理之前或之后的预处理/后处理。为了设计中简化外部存储器与其他构建块之间的通信(参见图5)，DMA控制器采用以下方式：

·将数据帧存储到外部存储器中

·向硬件加速块发送数据并从硬件加速块接收数据

·将数据发送到后处理引擎

在图像信号处理应用中，这看起来像是让RISC-V处理器作为嵌入式软件执行RGB到灰度的转换，而硬件加速器则在FPGA的流水线以及流式架构中执行Sobel边缘检测、二进制侵蚀和二进制扩展。这可以扩展到多摄像头视觉系统，使开发商能够快速地将其设计转化为产品并得以部署。

图5：采集边缘视觉SoC架构方框图。

MediaPipeFaceMesh用例

通过一个例子可以更好地凸显该流程的简单性。该例中，MediaPipeFaceMeshML模型对数百个不同的三维面部标志进行实时估计。Efinix采用了这个模型，并将其部署在TitaniumTi60开发套件上，时钟频率为300MHz。在总延迟中，RISC-V内核上的卷积运算所产生的延迟占比最大，如图6所示。值得注意的是，图6中所显示的高达近60%的FPGA资源利用率，实际上并不能反映ML模型的大小。相反，引起的原因是由于整个相机子系统已经在FPGA中实例化，目的是为了使加速度基准测试能够实时执行。

图6：在Ti60开发套件上运行MediaPipeFaceMesh预训练网络时的延迟和所占资源。

利用TinyML平台的简单自定义指令(步骤2)

创建并运行一个简单的、自定义的两个寄存器输入、一个寄存器输出卷积指令，可以将延迟性能改善四到五倍。随着用于加速ADD、MAXIMUM和MUL功能的自定义指令的利用，这种改进仍在继续。然而，由于RISC-V实现这些操作花费时间本身就较少，故延迟改进步入了平稳期(图7)。

图7：通过为CONV、ADD、MAXIMUM和MUL函数创建简单的自定义指令，显著改善了延迟。

利用DMA的复杂指令(步骤4)

另外还生成了一个任意复杂的ALU来替换原始CONV。这改变了原始曲线的斜率，并再次显著改进了延迟。然而，由于复杂指令占用了FPGA内部更多资源，FPGA的资源利用率也大幅上升。同样，资源条显示也接近100%。其实原因也很简单，因为这里的FPGA包含了用于演示的整个相机子系统。需要着重注意的是，延迟的相对减少对应的正是资源利用率的增加(图8)。

更重要的是，如果切换到更大规模的FPGA(如Ti180)来运行所有这些复杂的指令，并进行大规模加速，所用的FPGA资源甚至还不到50%。这些明显的权衡，让工程师能够容易地看到在FPGA的延迟、功耗、成本、以及规模之间的平衡行为。对于具有严格延迟要求但功率限制较为宽松的边缘应用，可以选择大幅度加速设计，来充分提高性能。而在功率受限的应用中，则可以通过降低时钟速率，来实现更温和的性能改进，换取功耗的显著降低。

图8：利用自定义卷积指令实现加速时的资源消耗示意图。

图8中，利用更大的自定义卷积指令来获得更多的加速，但所消耗的资源急剧增加。请注意，FPGA资源的几乎全部利用，是因为FPGA包含整个相机子系统，如果Ti60只是运行ML模型，资源利用率将大幅降低。

人工智能/机器学习发展的范式转变

简而言之，Efinix结合了熟悉的RISC-VISA开发环境，并利用其自定义指令功能，在架构灵活的FPGA中发挥作用。与许多硬件加速器不同，这种方法不需要任何第三方工具或编译器。利用机器指令实现的加速，加速也是细粒度的，而这一级别的粒度，只有FPGA才能实现。

边缘设备可以原型化，并部署在EfinixFPGA的创新设计架构上，这意味着该解决方案经得起未来考验。新的模型和更新的网络架构，可以在熟悉的软件环境中表达，并且只需少量的VHDL(具有可用模板库以用于指导)，就可以在自定义指令级别上实现加速。这种程度的硬件-软件分区，其中90%的模型保留在RISC-V上运行的软件中，从而可以保证非常快的上市时间。

由于所有这些方法的完美结合，导致了一个优异解决方案的产生，从而真正降低了边缘设备的实现门槛。设计师如今可以利用世界级的嵌入式处理能力，还可以利用最先进的工具流进行访问，并在革命性的EfinixQuantum架构上进行实例化。

(参考原文：How Efinix is Conquering the Hurdle of Hardware Acceleration for Devices at the Edge）

本文为《电子工程专辑》2023年6月刊杂志文章，版权所有，禁止转载。点击申请免费杂志订阅