123,123,123

內(nèi)容簡(jiǎn)介

　　這是一本講解NPU硬件架構(gòu)設(shè)計(jì)與技術(shù)實(shí)現(xiàn)的著作。作者將自己在CPU、GPU和NPU領(lǐng)域15年的軟硬件工作經(jīng)驗(yàn)融會(huì)貫通，將四代NPU架構(gòu)設(shè)計(jì)經(jīng)驗(yàn)融為一體，將端側(cè)和云側(cè)NPU架構(gòu)合二為一，總結(jié)并提煉出本書內(nèi)容。本書主要討論神經(jīng)網(wǎng)絡(luò)硬件層面，尤其是芯片設(shè)計(jì)層面的內(nèi)容，主要包含神經(jīng)網(wǎng)絡(luò)的分析、神經(jīng)網(wǎng)絡(luò)加速器的設(shè)計(jì)以及具體實(shí)現(xiàn)技術(shù)。通過(guò)閱讀本書，讀者可以深入了解主流的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，掌握如何從零開始設(shè)計(jì)一個(gè)能用、好用的產(chǎn)品級(jí)加速器。通過(guò)閱讀本書，你將：？透徹理解與深度學(xué)習(xí)相關(guān)的機(jī)器學(xué)習(xí)算法及其實(shí)現(xiàn)？學(xué)會(huì)主流圖像處理領(lǐng)域神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)？掌握加速器運(yùn)算子系統(tǒng)和存儲(chǔ)子系統(tǒng)的設(shè)計(jì)？摸清加速器設(shè)計(jì)中遇到的具體問(wèn)題及其解決方法？了解NPU架構(gòu)需要考慮的控制通路和數(shù)據(jù)通路

作者簡(jiǎn)介

　　甄建勇資深CPU、GPU、NPU三棲架構(gòu)師，從事相關(guān)軟硬件架構(gòu)與設(shè)計(jì)工作超過(guò)15年?，F(xiàn)就職于地平線，擔(dān)任BPU首席架構(gòu)師。曾就職于英偉達(dá)，擔(dān)任高級(jí)架構(gòu)師，作為多款CPU、NPU、GPU的核心架構(gòu)師，參與了Xburst、NVDLA、TensorCore的架構(gòu)設(shè)計(jì)工作。熟悉SIMT/RayTracing等模塊的架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)。擅長(zhǎng)的領(lǐng)域還包括經(jīng)濟(jì)學(xué)、法學(xué)、心理學(xué)以及Linux內(nèi)核、計(jì)算機(jī)圖形加速和全同態(tài)加密。王路業(yè)優(yōu)矽科技聯(lián)合創(chuàng)始人兼總經(jīng)理，中國(guó)開放指令生態(tài)（RISC-V）聯(lián)盟（CRVA）軟件開源工作組副組長(zhǎng)。曾就職于ARM安謀科技、Synopsys新思科技、ST意法半導(dǎo)體和中國(guó)長(zhǎng)城計(jì)算機(jī)。

圖書目錄

CONTENTS
目　　錄
前言
第1章　卷積神經(jīng)網(wǎng)絡(luò)　1
1.1　神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)　2
1.2　GCN　4
1.3　網(wǎng)絡(luò)的基本塊　7
1.4　網(wǎng)絡(luò)的算子　17
1.5　網(wǎng)絡(luò)參數(shù)量與運(yùn)算量　29
1.6　加速器編程模型　31
1.7　硬件加速器架構(gòu)分類　33
第2章　運(yùn)算子系統(tǒng)的設(shè)計(jì)　35
2.1　數(shù)據(jù)流設(shè)計(jì)　35
2.2　算力與帶寬　38
2.2.1　算力與輸入帶寬　38
2.2.2　算力與輸出帶寬　41
2.3　卷積乘法陣列　43
2.3.1　Conv算法詳解　43
2.3.2　NVDLA的乘法陣列　47
2.3.3　TPU的乘法陣列　59
2.3.4　GPU的乘法陣列　66
2.3.5　華為DaVinci的乘法陣列　74
2.4　卷積運(yùn)算順序的選擇　80
2.5　池化模塊的設(shè)計(jì)　81
第3章　存儲(chǔ)子系統(tǒng)的設(shè)計(jì)　86
3.1　存儲(chǔ)子系統(tǒng)概述　86
3.1.1　存儲(chǔ)子系統(tǒng)的組成　86
3.1.2　內(nèi)部緩存的設(shè)計(jì)　89
3.2　數(shù)據(jù)格式的定義　97
3.2.1　特征圖的格式　98
3.2.2　權(quán)重的格式　100
第4章　架構(gòu)優(yōu)化技術(shù)　106
4.1　運(yùn)算精度的選擇　106
4.1.1　dynamic fixed point類型　109
4.1.2　bfloat16類型　110
4.2　硬件資源的復(fù)用　111
4.2.1　FC　112
4.2.2　de-Conv　115
4.2.3　dilate Conv　123
4.2.4　group Conv　123
4.2.5　3D Conv　127
4.2.6　TC Conv　130
4.2.7　3D Pool　132
4.2.8　Up Sample Pooling　136
4.2.9　多個(gè)加速器的級(jí)聯(lián)　136
4.3　Winograd算法和FFT算法　138
4.3.1　Winograd算法解析　138
4.3.2　FFT算法解析　148
4.4　除法變乘法　150
4.5　LUT的使用　150
4.6　宏塊并行技術(shù)　155
4.7　減少軟件配置時(shí)間　156
4.8　軟件優(yōu)化技術(shù)　157
4.9　一些激進(jìn)的優(yōu)化技術(shù)　158
第5章　安全與防護(hù)　160
5.1　安全技術(shù)　160
5.2　安全性評(píng)估　162
5.3　防護(hù)　163
第6章　神經(jīng)網(wǎng)絡(luò)加速器的實(shí)現(xiàn)　165
6.1　乘法器的設(shè)計(jì)　165
6.1.1　整型乘法器的設(shè)計(jì)　166
6.1.2　浮點(diǎn)運(yùn)算器的設(shè)計(jì)　171
6.2　數(shù)字電路常見基本塊的設(shè)計(jì)　184
6.3　時(shí)序優(yōu)化　203
6.4　低功耗設(shè)計(jì)　207
第7章　盤點(diǎn)與展望　211
7.1　AI加速器盤點(diǎn)　211
7.2　Training加速器　211
7.3　展望　218
后記　220