【不含CPU，超越GPU 1000x】Wave公司发布数据流处理架构DPU
新智元编译
来源：nextplatform.com
作者：Nicole Hemsoth
编译：闻菲
【新智元导读】Wave Computing 在日前举行的高性能芯片峰会Hot Chips上介绍了他们的数据流处理器产品DPU（Dataflow Processing Unit），加速神经网络训练，号称速度是GPU的1000x，训练GoogleNet 42万图像/秒。同时，DPU使用了不含CPU的架构，他们认为，数据流架构是有效训练高性能神经网络的唯一方式。
要建立起一家成功的芯片初创公司可不是件容易的事情，但有资本支持的Wave Computing，却在一块很小但很重要的市场——AI训练芯片——牢牢站稳了脚跟，至少目前为止。
距离成立之初已经过去7年，目前该公司最新的DPU多核架构早先体验项目终于开放，也让Wave在聚焦深度学习数据流处理架构上更进一步。
日前，Wave Computing的CTO以及DPU（Dataflow Processing Unit）首席架构师Dr. Chris Nicol，在高性能芯片产业峰会Hot Chips上表示，他们的产品DPU在加速神经网络训练上能够超越GPU 1000x——实在是很大胆的宣言，考虑到GPU在目前深度学习训练市场的地位——Nicol相信早期用户试用后能够证实他们对DPU的这一宣称。
Wave Computing的观点是，数据流架构是有效训练高性能神经网络的唯一方式。CPU在他们的系统中完全没有出现。
2016年，Wave Computing 的 DPU刚刚揭幕时的设计信息
今年Hot Chips大会上揭幕的架构和设计资料：每秒Teraops峰值181，图中展示的是8-bit运算，但也可以做16、24、32甚至64位。有16,000个处理元件和超过8,00个算术单元，运行功率平均6.7 GHz。采用独特的自定时机制，使用全局异步/本地同步定时同步机制来解决各种处理元件之间定时的问题。
Nicol在将目标问题应用于多核（manycore）策略方面有丰富的经验。他帮助建立了澳大利亚研发机构NICTA，后者的重点是嵌入式多核系统和软件，Nicol还在澳大利亚建立了贝尔实验室研究所，与人共同开发了第一个多处理器SoC。虽然深度学习训练不是嵌入式计算问题，但Nicol表示，大规模训练走出数据中心的那天终将到来。Wave还没有开发符合这一思路的系统，但是Nicol的背景和声明表明，Wave Computing公司可能展开研究，更多地推动神经网络训练走向边缘。这也是Wave的DPU在未来可能具有潜力的地方。
DPU拥有16,000个处理元件，超过8,000个算术单元——再次强调，没有CPU在这里协调。所有的核都以6.7GHz运行（平均），使用粗粒度可重构架构——这个设计与其他深度学习硬件初创公司培育的产品大为不同。DPU有独特的自定时机制（self-timing mechanism），当没有数据通过时，DPU进入睡眠状态。
DPU可以看做一种混合FPGA和多核处理器，能处理数千个元素的数据流图的静态调度。有关板上设计和核与核之间的通信，具体看下面。
DPU板上设计（上）与核与核之间的通信策略（下）
在接受 The Next Platform采访时，Nicol说：“现在的异构计算有一个问题，主机或控制器总是在CPU上运行，加速器就听之任之。你的runtime API在CPU上运行，slave必须等CPU告诉它该做什么它才做什么。我们想要彻底改变这一点。”
Nicol指出，加速器架构（特别是GPU）有两个问题，一是加载新的内核时有延迟，二是为了解决第一个问题，使用MCU在运行时将程序移入移出。程序本身决定何时发生这种情况——程序与MCU通信，DMA将程序传入和传出芯片，并控制其传播信号。芯片上还有一个程序缓存。最终的结果是，没有CPU的架构在一个offload model中有更多的性能收益。
像这样的技术堆叠起来会实现非常厉害的架构。当然，为了应对没有CPU和其他灵活性问题，这还需要很多的修改，因此也使得DPU的性能和效率基准值得关注。
硬件之外，软件也值得关注，特别是对于新的架构，软件如何运作以及用户如何进行交互也是不能不说的问题。对此，Nicols说：“深度学习实际上是一个在深度学习软件之上编程的数据流图，在像我们这样的处理器上运行，可以在运行时组装数据流图。”
Nicols说：“工作流生成数据流图来训练网络；例如，在运行（runtime）时，我们从TensorFlow获取数据流图，并在runtime直接将其转换，在没有CPU的情况下执行，并映射到数据流芯片上。”
Inception V4在Wave编译器处理示意图
“这是一个粗粒度的可重构阵列，它类似于空间计算（spatial computing）。”Nicol说：“当程序在多核处理器上运行时，仍然需要分区，这也是在芯片有这么多核的问题所在。OpenCL不是解决之道。”Wave有自己的空间编译器。在他们紧密耦合处理器架构上，processor直接通信（相比使用register）速度更快。
Wave系统的早期试用数据
了解更多&编译来源：
https://www.nextplatform.com/2017/08/23/first-depth-view-wave-computings-dpu-architecture-systems/