FPGA 2017大会最佳论文出炉：深鉴科技ESE语音识别引擎获奖（附解读）
本帖最后由 lcytms 于 2017-3-7 14:16 编辑FPGA 2017大会最佳论文出炉：深鉴科技ESE语音识别引擎获奖（附解读）
信息来源：http://it.sohu.com/20170225/n481711674.shtml
http://www.iot-online.com/IC/embedded/2017/030250172.html
http://www.isfpga.org/
FPGA 2017简介
FPGA 芯片领域顶级会议——FPGA，作为FPGA领域最具影响力、历史最悠久的学术会议，始终引领着整个FPGA工业界的技术创新。
在深度学习浪潮席卷全球的今天，FPGA 2017特别增设了一个环节：The Role of FPGAs in Machine Learning（FPGA在机器学习领域所扮演的角色）。
并邀请了两家公司，英特尔与深鉴科技，共同致会议Tutorial。
成立不足一年，深鉴科技已得到FPGA学术界的高度认可。
FPGA 2017 于 2 月 24 日在加州 Monterey 结束。
在本次大会上，斯坦福大学在读 PhD、深鉴科技联合创始人韩松等作者的论文 ESE: Efficient Speech Recognition Engine with Sparse LSTM on FPGA 获得了大会最佳论文奖。
深鉴科技 简介
深鉴科技成立于2016年3月，虽然公司仅注册成立不到一年时间，但早在2013年，来自清华大学和斯坦福大学的几位公司创始人就开始了深度学习相关的学术研究。
2015年深度学习顶级会议NIPS上，斯坦福大学在读博士、深鉴科技首席科学家韩松提出利用剪枝和权重共享的方式，对modern deep neural network在不损失网络精度的前提下大幅度降低计算和存储资源消耗，深鉴科技的初创成员也从此迈出了学术到产品转化的第一步。
公司聚焦于稀疏化神经网络处理得技术路线，提出的Deep Compression算法可以将模型尺寸压缩数十倍大小而不损失预测精度，并结合专用的深度学习处理架构来实现加速。
ICLR2016和FPGA2017两篇最佳论文的获奖，证实深鉴科技所聚焦的稀疏化技术路线越来越得到深度学习界的认可。 论文：ESE: Efficient Speech Recognition Engine with Sparse LSTM on FPGA
摘要：
长短期记忆网络（LSTM）被广泛用于语音识别领域。
为实现更高的预测精度，机器学习研究者们构建了越来越大的模型。
然而这样的模型十分耗费计算和存储资源。
部署此类笨重的模型会带数据中心来很高的功耗，从而带来很高的总拥有成本（TCO）。
为了增加预测速度，提高能源效率，我们首次提出了一种可以在几乎没有预测精度损失的情况下将 LSTM 模型的尺寸压缩 20 倍（10 倍来自剪枝和 2 倍来自量化）的负载平衡感知剪枝（load-balance-aware pruning）方法。
这种剪枝后的模型对并行计算很友好。
另外，我们提出了可以对压缩模型进行编码和分割成 PE 以进行并行化的调度器（scheduler），并编排了其复杂的 LSTM 数据流。
最后，我们设计了一种可以直接在这种压缩模型上工作的硬件框架——Efficient Speech Recognition Engine (ESE)。
该框架使用了运行频率为 200 MHz 的 Xilinx XCKU060 FPGA，具有以 282 GOPS 的速度直接运行压缩 LSTM 网络的性能，相当于在未压缩 LSTM 网络上 2.52 TOPS 的速度；
此外，该框架执行一个用于语音识别任务的全 LSTM 仅需 41 W 功耗。
在基于 LSTM 的语音基准测试中，ESE 的速度为英特尔 Core i7 5930k CPU 的 43 倍，英伟达 Pascal Titan X GPU 的 3 倍。
它的能量效率分别为以上两种处理器的 40 倍和 11.5 倍。
本帖最后由 lcytms 于 2017-3-7 14:02 编辑
演示平台
“耳听为虚，眼见为实”，难得的是，此篇论文绝不仅仅停留在仿真与模拟结果阶段，而是落在了实实在在的演示系统上。
会场外，基于ESE语音识别引擎的深鉴语音识别平台进行了现场展示，得到了参会教授与工业界人士的极大关注——使用Xilinx KU060 FPGA与NVIDIA GTX 1080 GPU运行一个实际应用的LSTM现场对比，深鉴FPGA方案稳定的保持了超过GPU六倍以上的性能。
这就意味着，处理相同的语音识别任务，处理延迟大大降低，用户体验能有明显的提升。
此项工作的开展得到了搜狗与Xilinx的大力支持，使得深鉴能够基于业界领先的商用的语音识别算法模型与数据，实现模型压缩，提升硬件性能。
本帖最后由 lcytms 于 2017-3-7 13:40 编辑
韩松提出的深度学习部署方案。
跟传统的「训完即用」的方案相比，「训练后经过压缩再用硬件加速推理」的方案，可以使得推理更快、能耗更低。
本帖最后由 lcytms 于 2017-3-7 14:03 编辑
ESE 语音识别引擎工作全流程
该项工作聚焦于使用 LSTM 进行语音识别的场景，结合深度压缩（Deep Compression）、专用编译器以及 ESE 专用处理器架构，在中端的 FPGA 上即可取得比 Pascal Titan X GPU 高 3 倍的性能，并将功耗降低 3.5 倍。
而此前，本文还曾获得 2016 年 NIPS Workshop on Efficient Method for Deep Neural Network 的最佳论文提名。
据悉，本文所描述的 ESE 语音识别引擎，也是深鉴科技 RNN 处理器产品的原型。
结合新的模型压缩算法以及 ESE 专用处理架构，在一个可实际使用的 LSTM 模型上测试。
相同情况下，深鉴基于中等 FPGA 平台的耗时为 82.7us，功耗为 41W；
而 Pascal Titan X GPU 则需要 287.4us 的运行时间，并且耗能 135W。
这也再次证明了稀疏化路线的作用：在价格、资源全面弱于 GPU 的专用硬件上，通过算法与硬件的协同优化，的确可以取得更好的深度学习运算能力。
本帖最后由 lcytms 于 2017-3-7 13:57 编辑
LSTM 在语音识别中的位置
LSTM 全称为 Long-Short Term Memory，在语音识别、机器翻译、Image Captioning中有较多的应用。
对于语音识别而言，LSTM 是其中最重要一环，也是计算耗时最多的一环，通常占到整个语音识别流程时间的 90% 以上。
本帖最后由 lcytms 于 2017-3-8 09:28 编辑
Load-Balance-Aware Pruning示意：保证稀疏性的同时保证多核负载均衡
Deep Compression 算法可以将 LSTM 压缩 20 倍以上。
但在以往的纯算法压缩上，并没有考虑多核并行时的负载均衡，这样在实际运行时，实际的运行性能被负载最大的核所限制。
本文提出了一种新的 Load Balance Aware Pruning，在稀疏化时保证剪枝后分配到每个核的计算量类似，从而进一步加速的计算。
介绍的很详细，感谢楼主分享
页:
[1]
