目前,，深度神經(jīng)網(wǎng)絡(luò)技術(shù)已經(jīng)成為人工智能領(lǐng)域的代表性算法,，基于深度神經(jīng)網(wǎng)絡(luò)技術(shù)的字符識(shí)別、圖像分類或語(yǔ)音識(shí)別等關(guān)鍵技術(shù),，已經(jīng)廣泛應(yīng)用于搜索引擎和智能手機(jī)等產(chǎn)品中,。

其中,，當(dāng)前最為有效且應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)算法是卷積神經(jīng)網(wǎng)絡(luò)算法，簡(jiǎn)稱“卷積運(yùn)算”,。在現(xiàn)有技術(shù)中,，CNN算法的核心計(jì)算單元是乘加運(yùn)算，乘法累加器陣列常用于矩陣乘法運(yùn)算,，而卷積運(yùn)算可以轉(zhuǎn)換為矩陣乘法運(yùn)算,。

因此業(yè)界廣泛采用MAC(乘累加器)陣列為計(jì)算核心的專用加速硬件，例如：現(xiàn)場(chǎng)可編程門陣列(FPGA),、專用集成電路(ASIC)等,，以加速卷積運(yùn)算的運(yùn)算速度。

但是目前卷積計(jì)算也存在著一些問題,，一方面,，當(dāng)MAC陣列中存在多個(gè)卷積窗口同時(shí)進(jìn)行卷積運(yùn)算時(shí)，這些卷積窗口分布在MAC陣列中的不同位置,，使得MAC陣列的利用率非常低,。另一方面,，存在大量重復(fù)數(shù)據(jù)被從RAM輸入到MAC陣列，這樣會(huì)增加RAM的訪問次數(shù),。

為了解決這樣的問題,，華為發(fā)明了將CPU、RAM和卷積運(yùn)算芯片集成在同一數(shù)據(jù)總線上的AI芯片,，2016年12月29日,，華為發(fā)明了一項(xiàng)名為“卷積運(yùn)算芯片和通信設(shè)備”的發(fā)明專利(申請(qǐng)?zhí)枺?01611243272.X)，申請(qǐng)人為華為機(jī)器有限公司,。

根據(jù)該專利目前公開的資料,，讓我們一起來看看華為的這項(xiàng)新架構(gòu)AI芯片吧。

如上圖,，為該專利中發(fā)明的硬件設(shè)備的示意性框架圖,，硬件架構(gòu)中包括中央處理器100、雙倍速率同步動(dòng)態(tài)隨機(jī)存儲(chǔ)器(DDR SDRAM)200以及卷積運(yùn)算芯片300,。CPU用來控制卷積運(yùn)算芯片啟動(dòng)卷積運(yùn)算,，DDR SDRAM用于向卷積運(yùn)算芯片的數(shù)據(jù)緩存模塊輸入多個(gè)卷積數(shù)據(jù)和多個(gè)卷積參數(shù)，然后卷積運(yùn)算芯片根據(jù)這些數(shù)據(jù)來完成卷積運(yùn)算,。

當(dāng)?shù)玫竭\(yùn)算結(jié)果后,，就會(huì)將運(yùn)算結(jié)果寫回到DDR SDRAM事先設(shè)定好的內(nèi)存地址中，并同時(shí)通知CPU完成運(yùn)算,，以從內(nèi)存地址中提取結(jié)果數(shù)據(jù),。

如上圖，為上面框架中的卷積運(yùn)算芯片的結(jié)構(gòu)示意圖,，這種卷積運(yùn)算芯片包括數(shù)據(jù)緩存模塊310,、M*N乘法累加器陣列320、輸出控制模塊330和陣列控制模塊340,。

數(shù)據(jù)緩存模塊用于向乘法累加器中的第一乘法累加窗口傳輸用于卷積運(yùn)算的多個(gè)卷積數(shù)據(jù)和卷積參數(shù),，卷積參數(shù)由數(shù)據(jù)緩存模塊根據(jù)第一卷積參數(shù)矩陣確定，而該控制器也是通過在運(yùn)算器內(nèi)集成這樣的數(shù)據(jù)緩存器,，從而減少了RAM的訪問次數(shù),，進(jìn)而減少了RAM的訪問壓力。

其中M*N乘法累加器是該運(yùn)算芯片的核心運(yùn)算部件,，而這種M*N的結(jié)構(gòu)設(shè)計(jì)方式也是為了進(jìn)行卷積運(yùn)算而特意設(shè)計(jì)的,，其具體結(jié)構(gòu)如下圖所示。

可以看到,，這種乘法累加器包括M*N個(gè)處理單元,，并且每?jī)尚械奶幚韱卧g還存在斜向的數(shù)據(jù)傳輸通道，這相比于傳統(tǒng)的矩陣式數(shù)據(jù)傳輸通道,，具有更加靈活的數(shù)據(jù)傳輸方式,，可以更好的適用于AI芯片進(jìn)行多種類型的運(yùn)算,。

第一乘法累加窗口可以將數(shù)據(jù)進(jìn)行乘法運(yùn)算，并接著進(jìn)行加法運(yùn)算以獲得卷積結(jié)果,，最后由輸出控制模塊輸出卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)算結(jié)果,，進(jìn)而完成AI芯片中的任務(wù)。

在該專利中,，為了盡可能地提高M(jìn)AC陣列的利用率以及卷積運(yùn)算效率，陣列控制模塊會(huì)根據(jù)第一卷積參數(shù)矩陣的行數(shù)和第一卷積數(shù)據(jù)陣列的行數(shù)來確定第一乘法累加窗口的列數(shù),。

華為發(fā)明的卷積運(yùn)算芯片,，這種卷積運(yùn)算芯片能夠在提高陣列資源利用率的同時(shí)降低RAM訪問次數(shù)，進(jìn)而減小RAM的訪問壓力,。例如華為發(fā)明的昇騰AI芯片也正是基于這樣的技術(shù)之上,，才能實(shí)現(xiàn)極高的算力，不管多么復(fù)雜的模型都可以輕松訓(xùn)練,，且實(shí)現(xiàn)極低的功耗,。