AlphaGo又給人工智能添了把柴，Vision C5 DSP想要這樣燒

AlphaGo 對戰(zhàn)柯潔勝了兩局，人工智能繼去年大敗李世石又火了一把，雖然人們針對未來機器人是否會殺死人類的話題爭論不休，但是我們也不得不被人工智能的強大所折服，未來它或許會在各個領(lǐng)域超越并替代人類。隨著人工智能的發(fā)展，無人機、安防監(jiān)控、手機 / 可穿戴將會更智能化，自動駕駛離上路也更近一步。

但是人工智能背后的強力支撐是大數(shù)據(jù)分析，對智能要求越高，計算任務(wù)越繁重復雜，實時系統(tǒng)面臨著一個前所未有的挑戰(zhàn)：不僅要快速處理所有數(shù)據(jù)還要針對下一步工作作出智能的決策，卷積神經(jīng)網(wǎng)絡(luò)（CNN）是快速處理海量數(shù)據(jù)的關(guān)鍵。CNN 的應(yīng)用領(lǐng)域非常廣泛，主要包括圖像和模式識別、語音識別、自然語言處理，以及視頻分析。隨著半導體技術(shù)的發(fā)展，芯片尺寸更小，高度并行處理器的功耗更低，基于卷積神經(jīng)網(wǎng)絡(luò)的計算機視覺解決方案將會發(fā)揮巨大作用。

Tensilica Vision C5 DSP：靈活編程，適應(yīng)未來變化

從 2012 年到 2015 年，3 年間神經(jīng)網(wǎng)絡(luò)對計算量的要求增長 16 倍，市面上很多芯片廠家都針對神經(jīng)網(wǎng)絡(luò)開發(fā)了 SoC，但是 SoC 從開始設(shè)計到制造，再到真正使用該 SoC 的產(chǎn)品上市需要經(jīng)過 2 到 3 年的時間。在這個期間，神經(jīng)網(wǎng)絡(luò)的算法和廠商需求一直在變化，SoC 廠商要設(shè)計怎樣的芯片來適應(yīng)這期間的變化？產(chǎn)品設(shè)計廠商也不愿意采用 3 年前的芯片設(shè)計當前的產(chǎn)品，因此芯片需要更高的靈活性。相對于市場上固化的硬件加速器，DSP 更加靈活，更能適應(yīng)未來的變化，降低設(shè)計風險。

近日，Cadence 公司針對車載、監(jiān)控安防、無人機和移動 / 可穿戴設(shè)備應(yīng)用，推出業(yè)界首款獨立完整的神經(jīng)網(wǎng)絡(luò)處理器—Vision C5 DSP。Cadence 公司 Tensilica 事業(yè)部資深市場群總監(jiān) Steve Roddy 介紹，“它在不到 1mm2 的芯片面積可以實現(xiàn) 1TMAC／秒的計算能力（吞吐量較目前 Tensilica Vision P6 DSP 提高 4 倍），為深度學習內(nèi)核提供極高的計算吞吐量；1024 8-bit MAC 或 512 16-bit MAC 確保 8-bit 和 16-bit 精度的出色性能；128 路 8-bit SIMD 或 64 路 16-bit SIMD 的 VLIW SIMD 架構(gòu)。不同的應(yīng)用對神經(jīng)網(wǎng)絡(luò)的計算量要求不同，這款 DSP 可以支持無人駕駛、智能手機、智能安防等應(yīng)用?！?/p>

圖像處理和神經(jīng)網(wǎng)絡(luò)加速二者合一

在數(shù)據(jù)中心，工程師可以用成千上萬的 CPU 或 GPU 一起做計算，但是嵌入式設(shè)備對功耗和體積有很高的要求，這樣做顯然不適用。通過上圖綜合對比，DSP 相對于 CPU、GPU 和硬件加速器在開發(fā)易用性、功耗效率、可編程性和計算速度方面都具有諸多優(yōu)勢。
?

?

如上圖，通過“DSP/CPU/GPU +卷積加速硬件”的模式來進行數(shù)據(jù)處理時，數(shù)據(jù)通過 AXI 總線在 CPU/GPU 和硬件加速器之間傳輸，不僅占用更多資源，而且增加整體功耗。

拿實際應(yīng)用來解釋，基于攝像頭的視覺系統(tǒng)在汽車、無人機和安防領(lǐng)域最為常見，這種架構(gòu)需要兩種最基礎(chǔ)的視覺優(yōu)化計算模式。首先，利用傳統(tǒng)視覺算法對攝像頭捕捉到的照片或圖像進行增強；其次，使用基于神經(jīng)網(wǎng)絡(luò)的認知算法對物體進行檢測和識別?，F(xiàn)有的神經(jīng)網(wǎng)絡(luò)加速器解決方案皆依賴與圖像 DSP 連接的硬件加速器；神經(jīng)網(wǎng)絡(luò)代碼被分為兩部分，一部分網(wǎng)絡(luò)層運行在 DSP 上，卷積層則運行在硬件加速器上。這種架構(gòu)不但效率低下，且耗能較高。

Vision C5 DSP 是專門針對神經(jīng)網(wǎng)絡(luò)進行了特定優(yōu)化的 DSP，可以實現(xiàn)全神經(jīng)網(wǎng)絡(luò)層的計算（卷積層、全連接層、池化層和歸一化層），而不僅僅是卷積層的加速。因此，主視覺／圖像 DSP 能力得以釋放，獨立運行圖像增強應(yīng)用，Vision C5 DSP 則負責執(zhí)行神經(jīng)網(wǎng)絡(luò)任務(wù)。通過移除神經(jīng)網(wǎng)絡(luò) DSP 和主視覺／圖像 DSP 之間的冗余數(shù)據(jù)傳輸，Vision C5 DSP 的功耗遠低于現(xiàn)有的神經(jīng)網(wǎng)絡(luò)加速器。同時，Vision C5 DSP 還提供針對神經(jīng)網(wǎng)絡(luò)的單核編程模型。

Steve Roddy 表示，“由此可見，Vision C5 DSP 是一款靈活前瞻的永不過時解決方案，支持各類內(nèi)核尺寸、深度和輸入規(guī)格。Vision C5 DSP 采用多項系數(shù)壓縮／解壓技術(shù)，支持未來添加的新計算層。同時，Vision C5 DSP 搭載 Cadence 神經(jīng)網(wǎng)絡(luò) Mapping 工具鏈，可將 Caffe 和 TensorFlow 等映射為在 Vision C5 DSP 上高度優(yōu)化過的可執(zhí)行代碼，充分發(fā)揮手動優(yōu)化神經(jīng)網(wǎng)絡(luò)庫的豐富功能。”

通過 AlphaGo 和柯潔的本場人機大賽，人工智能會更加強大，DSP 的作用也不言而喻，相信基于 Cadence Tensilica Vision C5 DSP 的芯片也會很快面世。

與非網(wǎng)原創(chuàng)報道，不經(jīng)允許，不得轉(zhuǎn)載！