新芯片架构瞄准深度学习和视觉处理.doc

《新芯片架构瞄准深度学习和视觉处理.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、新芯片架构瞄准深度学习和视觉处理　　当「深度学习」不仅热门，而且还趋近于技术成熟曲线的「沸点」时，对于另一波瞄准深度学习、视觉处理的新创公司如雨后春笋般出现，也就一点都不令人惊讶了。　　这次是一家称为ThinCI（发音为‘Think-Eye’）的公司，由一位出身英特尔背景的资深工程师/架构师DinakarMunagala创办。　　然而，令人惊讶的是，这家位于美国加州的新创公司不仅有资本雄厚、拥有技术专精的大厂支持，而且还提供了一种独特的「大规模平行架构」，Munagala称其为「专为视觉处理和深度学习而生「。　　Munagala承诺，相较于其

2、它深度学习/视觉处理方案，该公司目前专利申请中的芯片架构可以带来「两个数量级的性能提升」。　　从一座车库开始，并以有限的资金熬过6年之后，ThinCI在上个月公开亮相。该公司最近还吸引了两家大型一线汽车供货商成为其机构投资者，而且还有一批在技术领域声誉显赫的大厂成为其私人投资者。　　这两家汽车供货商分别是DENSOInternaTIonalAmerica，Inc.，以及MagnaInternaTIonalInc.。私人投资者包括ThinCI董事会主席和TallwoodVentureCapital的管理合伙人DadoBanatao、英特尔架构部

3、门前执行副总裁、总经理DadiPerlmutter、巴斯夫（BASF）监事会主席和戴姆勒（Daimler）监事会成员JurgenHambrecht以及其他几位背景雄厚的资深人士。　　简单、灵活　　他们为什么投资ThinCI？Perlmutter认为，「在整个职业生涯中，我非常欣赏简单和灵活性。我并不喜欢一些蛮横粗暴的方法，但着重于研究新运算问题的瓶颈，并且经由寻找新途径发现克服瓶颈的方法。ThinCI就是这么做的。」　　当其它解决方案受限于数据的移入与移出，只为了填饱「饥饿」的巨大运算引擎时，Perlmutter形容ThinCI运算是一种「专

4、为深度学习量身打造的绘图分析法，省去了大量不必要的内存存取程序。」　　而其最终的结果如何？「它不仅加快了指令周期，而且降低了成本和功耗，」他补充说。　　Munagala说自己从六年前开始，就怀抱着开发一种新芯片架构，以满足下一代技术（如深度学习）需求的梦想，因此毅然决然地离开英特尔。　　然而，ThinCI并未透露其处理器架构细节，而仅称其为「一种革命性的绘图串流处理器」（GraphStreamingPocessor）。Munagala解释，它是指「一种大规模的平行架构，专为同时处理任务图形的多项运算节点而设计。」　　深度学习本质上是以一组算法

5、为基础，透过具有多个处理层、由线性与非线性交易组成的深度绘图，尝试在数据中建模高层级抽象。　　ThinCI架构的独特之处似乎就在于其处理深度绘图的方式。　　Munagala解释，「ThinCI架构利用极端平行为整个绘图任务串流数据，」取代以多个处理层透过深度绘图连续处理数据的方式。　　正如Perlmutter所说的，ThinCI处理器架构的另一个关键要素是可编程性「。他解释说，许多人犯了针对特定方案进行硬件客制的错误，而历史教训是：问题是不断变化的，而程序设计人员拥有巨大的创造力。Perlmutter表示，ThinCI需要的是一种「对处理器进

6、行编程以实现可不断发展新方案的方法。」　　很显然地，这正是ThinCI所提供的。Munagala指出，设计人员「在使用业界标准API的同时，也受益于独特的编程方法。这使其简化打造为其处理器优化的深度网络。　　相较于市场上的其它处理器，Munagal以GPU为例指出，「尽管GPU已被用于深度学习（如Nvidia），但它并非为数据分析而设计的。它在视觉处理方面的效率不高，而且不仅功耗高、还需大量的内存。」DSP的问题则是编程的效率低且复杂。　　那么，硬线组件如何？也不可行！因为对固定方案来说，用于深度学习的算法变化太快。而CPU「仅适于通用目的」

7、，因为它的效能不佳且功耗过高。　　芯片上绘图执行　　相形之下，ThinCI的视觉运算引擎独到之处在于它提供了「芯片上绘图执行」（on-diegraphexecuTIon）。它是专为加速卷积神经网络（CNN）、深层神经网络（DNN）和其它复杂算法而设计的。更重要的是，该公司表示，来自摄影机传感器的资料「储存和处理都在芯片上完成，而无需DRAM存取。」