2020年8月5日，恩智浦半導體NXP Semiconductors N.V.（納斯達克代碼：NXPI）今日發(fā)布了eIQ機器學習（ML）軟件對Glow神經網絡（NN）編譯器的支持功能，針對恩智浦的i.MX RT跨界MCU，帶來業(yè)界首個實現(xiàn)以較低存儲器占用提供更高性能的神經網絡編譯器應用。Glow編譯器由Facebook開發(fā)，能夠集成特定于目標的優(yōu)化，恩智浦利用這種能力，使用適用于Arm Cortex-M內核和Cadence Tensilica HiFi 4 DSP的神經網絡算子庫，最大程度地提升i.MX RT685以及i.MX RT1050和RT1060的推理性能。此外，此功能已集成到恩智浦的eIQ機器學習軟件開發(fā)環(huán)境中，在恩智浦的MCUXpresso SDK中免費提供。

使用Glow充分發(fā)揮MCU架構特性的優(yōu)勢

2018年5月，率先開發(fā)PyTorch的Facebook推出了開源社區(qū)項目Glow（Graph Lowering神經網絡編譯器），其目的是提供優(yōu)化，提高一系列硬件平臺上的神經網絡性能。作為一種神經網絡編譯器，Glow基于未優(yōu)化的神經網絡生成高度優(yōu)化的代碼。這個特點有別于典型的神經網絡模型處理，后者采用即時編譯，因而需要更高的性能，還會增加存儲器開銷。像Glow這樣直接運行優(yōu)化代碼可以顯著降低處理和存儲器要求。恩智浦也在Glow開源社區(qū)中扮演著積極角色，幫助推廣和普及Glow的新功能。

Facebook軟件工程經理Dwarak Rajagopal表示：“GitHub中提供的標準版Glow可以直接在任何設備上運行，讓用戶能夠靈活地針對感興趣的基礎架構編譯神經網絡模型，包括Arm Cortex-A和Cortex-M內核以及RISC-V架構。恩智浦使用充分利用MCU計算元件的專用軟件庫，實現(xiàn)了2-3倍的性能提升，展示了從基于云的高端機器到低成本的嵌入式平臺的廣泛范圍內，將Glow神經網絡編譯器用于機器學習應用的諸多優(yōu)勢。”

優(yōu)化機器學習框架以增強競爭優(yōu)勢

未來幾年內，對機器學習應用的需求預期將會大幅增加。據(jù)TIRIAS Research預測，到2025年，98%的邊緣設備將使用某種形式的機器學習/人工智能。根據(jù)市場預測，到2025年，預計將有180億至250億部設備包含機器學習功能，盡管它們可能并沒有專用的機器學習加速器。消費型設備制造商和嵌入式物聯(lián)網開發(fā)人員將需要優(yōu)化機器學習框架，以便實現(xiàn)使用MCU的低功耗邊緣嵌入式應用。

恩智浦半導體資深副總裁兼邊緣處理業(yè)務總經理Ron Martino表示：“借助eIQ機器學習軟件框架，利用高度集成的i.MX應用處理器和高性能i.MX RT跨界MCU的強大功能，恩智浦正在推動機器學習功能在邊緣設備上的實現(xiàn)。隨著i.MX RT系列跨界MCU增加對Glow的支持，我們的客戶能夠編譯深度神經網絡模型，為他們的應用帶來競爭優(yōu)勢。”

恩智浦的面向機器學習的邊緣智能環(huán)境解決方案是一個全面的工具包，提供開發(fā)人員需要的構建模塊，幫助他們高效地在邊緣設備中實施機器學習。Glow整合到eIQ軟件后，機器學習開發(fā)人員將擁有全面的高性能框架，可在包括i.MX RT跨界MCU和i.MX 8應用處理器的恩智浦邊緣處理解決方案上進行擴展?？蛻魮碛辛烁鼜姶蟮墓ぞ撸軌蛟趇.MX RT MCU和i.MX應用處理器上開發(fā)機器學習語音應用、對象識別、人臉識別等應用。

利用恩智浦的Glow神經網絡實施來提高性能

eIQ現(xiàn)在包含對Glow和TensorFlow Lite的推理支持，對于這些實施，恩智浦通常會執(zhí)行基準測試以衡量其性能。MCU基準測試包括標準神經網絡模型，例如CIFAR-10。以CIFAR-10模型為例，恩智浦采集的基準測試數(shù)據(jù)表明了如何利用i.MX RT1060器件（采用600MHz Arm Cortex-M7）、i.MX RT1170器件（采用1GHz Arm Cortex-M7）和i.MX RT685器件（采用600 MHz Cadence Tensilica HiFi 4 DSP）的性能優(yōu)勢。

恩智浦對Glow的支持離不開Cadence為Tensilica HiFi 4 DSP提供的神經網絡庫(NNLib)，該DSP提供了4.8GMAC性能。同樣以CIFAR-10為例，恩智浦的Glow實施使用這一DSP來加快神經網絡運算，實現(xiàn)了25倍的性能提升。

Cadence Tensilica IP企業(yè)副總裁Sanjive Agarwala表示：“Tensilica HiFi 4 DSP最初集成在i.MX RT600跨界MCU中，目的是提高各種不同的音頻和語音處理應用的速度。但是，當有越來越多機器學習推理應用瞄準了低成本、低功耗的MCU級應用時，HiFi 4 DSP憑借固有的DSP計算性能，成為加快這些神經網絡模型的理想選擇。隨著恩智浦在eIQ機器學習軟件中實施Glow，i.MX RT600 MCU的客戶能夠利用該DSP來滿足多種機器學習應用的需求，包括關鍵詞檢索（KWS）、語音識別、降噪和異常檢測。”

Arm公司機器學習營銷副總裁Dennis Laudick表示：“恩智浦將Arm CMSIS-NN軟件庫包括在elQ中，目的是最大程度地提升性能，減少Arm Cortex-M內核上的神經網絡存儲器占用。以CIFAR-10神經網絡模型為例，恩智浦能夠利用CMSIS-NN實現(xiàn)1.8倍的性能提升。其他神經網絡模型應該能夠產生相似的結果，這清晰地展示了這款高級編譯器和我們的優(yōu)化神經網絡算子庫的優(yōu)勢?！?/p>

上市時間

恩智浦的集成Glow神經網絡編譯器的eIQ軟件現(xiàn)已上市，通過i.MX RT600跨界MCU、i.MX RT1050和i.MX RT1060跨界MCU的MCUXpresso SDK提供。未來將會推出適用于恩智浦其他MCU的集成Glow神經網絡編譯器的eIQ軟件。