人工智能領域邊緣側的應用場景多種多樣，在功能、性能、功耗、成本等方面存在差異化的需求，因此一款優(yōu)秀的人工智能邊緣計算平臺，應當具備靈活快速適配全場景的能力，能夠在安防、醫(yī)療、教育、零售等多維度行業(yè)應用中實現(xiàn)快速部署。

百度大腦EdgeBoard嵌入式AI解決方案，以其豐富的硬件產品矩陣、自研的多并發(fā)高性能通用CNN（Convolution Neural Network）設計架構、靈活多樣的軟核算力配置，搭配移動端輕量級Paddle Lite高效預測框架，通過百度自定義的MODA （Model Driven Architecture）工具鏈，依據(jù)各應用場景定制化的模型和算法特點，向用戶提供高性價比的軟硬一體的解決方案，同時和百度大腦模型開發(fā)平臺（AIStudio、EasyDL）深度打通，實現(xiàn)模型的訓練、部署、推理等一站式服務。

1． EdgeBoard計算平臺的多產品矩陣

EdgeBoard是基于Xilinx 16nm工藝Zynq UltraScale＋ MPSoC的嵌入式AI解決方案，采用Xilinx異構多核平臺將四核ARM Cortex－A53處理器和FPGA可編程邏輯集成在一顆芯片上，高性能計算板卡上搭載了豐富的外部接口和設備，具有開發(fā)板、邊緣計算盒、抓拍機、小型服務器、定制化解決方案等表現(xiàn)形態(tài)。

EdgeBoard計算卡產品可以分為FZ9、FZ5、FZ3三個系列，是基于Xilinx XCZU9EG、XAZU5EV、XAZU3EG研發(fā)而來，分別具有高性能，視頻硬解碼，低成本等特點，同時還有不同的DDR容量版本。以上三個版本PS側同樣采用四核Cortex－A53 、雙核Cortex－R5、以及GPU Mali－400MP2等處理器配置，PS到PL的接口均為12x32／64／128b AXI Ports，主要的區(qū)別在于PL側擁有的芯片邏輯資源大小不同，可參見下表。

采用上述三種標準產品的硬件板卡或者一致的硬件參考設計，用戶可無縫適配運行EdgeBoard公開發(fā)布的最新版標準鏡像，也可根據(jù)自身項目需求定制相關的硬件設計，并進一步根據(jù)性能、成本和功耗要求，以及其他功能模塊的集成需求，對軟核的算力和資源進行個性化配置。

2．高性能的通用CNN設計架構

2．1 CNN加速軟核的整體設計框架

EdgeBoard的CNN加速軟核（整體的加速方案稱之為軟核）提供了一套計算資源和性能優(yōu)化的AI軟件棧，由上至下分別包括應用層軟件API、計算加速單元的SDK調度管理、Paddle Lite預測框架基礎管理器、Linux操作系統(tǒng)、負責設備管理和內存分配的驅動層和CNN算子的專用硬件加速單元，用來完成卷積神經網(wǎng)絡模型的加載、解析、優(yōu)化和執(zhí)行等功能。

這些主要組成部分在軟件棧中功能和作用相互依賴，承載著數(shù)據(jù)流、計算流和控制流�；�于上圖設計框架，EdgeBoard的AI軟件棧主要分為4個層次：

應用使能層

面向用戶的應用級（APP）封裝，主要是面向計算機視覺領域提供圖像處理和神經網(wǎng)絡推理的業(yè)務執(zhí)行API。

執(zhí)行框架層

Paddle Lite預測框架提供了神經網(wǎng)絡的執(zhí)行能力，支持模型的加載、卸載、解析和推理計算執(zhí)行。

調度使能層

SDK調度使能單元負責給硬件派發(fā)算子層面的任務，完成算子相應任務的調度、管理和分發(fā)后，具體計算任務的執(zhí)行由計算資源層啟動。

計算資源層

專用計算加速單元搭配操作系統(tǒng)和驅動，作為CNN軟核的計算資源層，主要承載著部分CNN算子的高密度矩陣計算，可以看作是Edgeboard的硬件算力基礎。

2．2 CNN算子的加速分類

專用計算加速單元基于FPGA的可編程邏輯資源開發(fā)實現(xiàn)，采用ARM CPU和FPGA共享內存的方式，通過高帶寬DMA（Direct Memory Access）實現(xiàn)二者數(shù)據(jù)的高速交互，共享內存也并作為異構計算平臺各算子數(shù)據(jù)在CPU和FPGA協(xié)同處理的橋梁，減少了數(shù)據(jù)在CPU與FPGA之間的重復傳輸。此外，CNN算子功能模塊可直接發(fā)起DDR讀寫操作，充分發(fā)揮了FPGA的實時響應特性，減少了CPU中斷等待的時間消耗。

根據(jù)CNN算子的計算特點，EdgeBoard的算子加速單元可劃分為如下兩類：

復雜算子加速單元

顧名思義，是指矩陣計算規(guī)則較為復雜，處理數(shù)據(jù)量較多，由于片上存儲資源限制，通常需要多次讀寫DDR并進行分批處理的算子加速單元。

（1）卷積（Convolution）：包含常規(guī)卷積、空洞卷積、分組卷積、轉置卷積，此外全連接（Full Connection）也可通過調用卷積算子實現(xiàn)。

（2）池化（Pooling）：包含Max和Average兩種池化方式。

（3）深度分離卷積（Depth－wise Convolution）：與Pooling的處理特點類似，因此復用同樣的硬件加速單元，提高資源利用率。

（4）矩陣元素點操作（Element－wise OP）：可轉換為特定參數(shù)的Pooling操作，因此復用同樣的硬件加速單元，提高資源利用率。

（5）歸一化函數(shù)（L2－Normalize）：擁有較高處理精度，且實現(xiàn)資源最優(yōu)設計。

（6）復雜激活函數(shù)（Softmax）：與Normalize處理特點相似，復用同樣的硬件加速單元和處理流程，提高資源利用率。

通路算子加速單元

通路算子是指在復雜算子加速單元的計算數(shù)據(jù)寫回DDR的流水路徑上實現(xiàn)的算子，適合一些無需專門存儲中間結果，可快速計算并流出數(shù)據(jù)的簡單算子。

（1）各類簡單激活函數(shù)（Relu， Relu6， Leaky－Relu， Sigmoid， Tanh）：基本涵蓋了CNN網(wǎng)絡中常見的激活函數(shù)類型。

（2）歸一化（Batch norm／Scale）：通常用于卷積算子后的流水處理，也可支持跟隨在其他算子后的流水處理。

另外一種分類方式，是根據(jù)CNN網(wǎng)絡里的算子常用程度劃分為必配算子和選配算子，前者指CNN軟核必需的算子單元，通常對應大部分網(wǎng)絡都涉及的算子，或者是芯片資源消耗極少的算子；后者指CNN軟核可以選擇性配置的算子單元，通常是特定的網(wǎng)絡會有的特定算子。這樣劃分的好處是，用戶根據(jù)MODA工具鏈自定義選擇，減少了模型中無用算子造成的邏輯資源的開銷和和功耗的增加。

必配算子：Convolution， Pooling， Element－Wise， Depth－Wise Convolution， BN／Scale， Relu， Relu6

選配算子：Normalize， Softmax， Leaky－Relu， Sigmoid， Tanh

2．3 卷積計算加速單元的設計思路

作為CNN網(wǎng)絡中比重最大、最為核心的卷積計算加速單元，是CNN軟核性能加速的關鍵，也占用了FPGA芯片的大部分算力分配和邏輯資源消耗。下面將針對EdgeBoard卷積計算加速單元的設計思路進行簡要介紹，此章節(jié)也是理解CNN軟核算力彈性配置的技術基礎。

每一層網(wǎng)絡的卷積運算，有M個輸入圖片（稱之為feature map，對應著一個輸入通道），N個輸出feature map（N個輸出通道），M個輸入會分別進行卷積運算然后求和，獲得一幅輸出map。那么需要的卷積核數(shù)量就是M＊N。

針對上述計算特點，EdgeBoard的卷積單元采用脈動陣列的數(shù)據(jù)流動結構，將數(shù)據(jù)在PE之間通過寄存器進行打拍操作，可以實現(xiàn)在第二個PE計算結果出來的同時完成和前一個PE的求和。這樣可以使數(shù)據(jù)在運算單元的陣列中進行流動，減少訪存的次數(shù)，并且結構更加規(guī)整，布線更加統(tǒng)一，提高系統(tǒng)工作頻率，避免了采用加法樹等并行結構所造成的高扇出問題。

因此，如上圖所示，我們可以分別從Feature Map和Kernel兩個維度去定義脈動陣列的并行結構。從Feature Map的角度，縱向的行與行直接卷積窗口相互獨立，也就是輸出的每行之間所對應的數(shù)據(jù)計算互不干擾，在此維度定義的多并發(fā)計算稱之為Window維度的并行度。從Kernel的角度，為了達到計算結果的快速流出減少片上緩存占用，我們設計了每個Kernel核之間的多并發(fā)計算，稱之為Kernel維度的并行度。以上兩個維度同時并發(fā)既可以提高整體并行計算效率，也充分利用了脈動陣列的數(shù)據(jù)流水特性。

2．4 卷積計算加速單元的通用性擴展

前一章節(jié)詳細介紹了基于PL實現(xiàn)的卷積計算加速單元的設計原理，那么如果是由于芯片的SRAM存儲資源不夠而導致的CNN網(wǎng)絡參數(shù)支持范圍較小，EdgeBoard將如何拓展CNN軟核的網(wǎng)絡支持通用性？ 我們可以利用靈活的SDK調度管理單元提前將Feature Map或者Kernel數(shù)據(jù)進行拆分，然后再執(zhí)行算子任務的下發(fā)。

一條滑窗鏈的Feature Map數(shù)據(jù)不夠存儲

SDK可以將一條滑窗鏈的Feature Map數(shù)據(jù)分成B塊，并將分塊數(shù)B和每個塊的數(shù)據(jù)量告訴卷積計算加速單元，那么后者則可以分批依次從DDR讀取B次Feature Map數(shù)據(jù)，每次的數(shù)據(jù)量是可以存入到Image SRAM內。

Kernel的總體數(shù)據(jù)不夠存儲

SDK可以將Kernel的數(shù)量分割成S份，使得分割后的每份Kernel數(shù)量可以下發(fā)到PL側的Filter SRAM中，然后SDK分別調度S次卷積算子執(zhí)行操作，所有的數(shù)據(jù)返回DDR后，再從通道（Channel）維度做這S次計算結果的數(shù)據(jù)拼接（Concat）即可。不過要注意的是，我們的Filter SRAM雖然不需存儲所有Kernel的數(shù)據(jù)量，但至少要保證能夠存儲一個Kernel的數(shù)據(jù)量。

由此看來，即使EdgeBoard三兄弟中最小的FZ3擁有極其有限的片上存儲資源，也是能夠很好地完成大多數(shù)CNN網(wǎng)絡的參數(shù)適配。

3．軟核算力的彈性配置

Edgeboard的CNN軟核除了公開發(fā)布的標準版本外，還可以由用戶根據(jù)自身模型需求和FPGA芯片選型，進行CNN卷積計算單元算力的定制化配置。配置算力的兩個關鍵指標包括Window維度并行度和Kernel維度并行度，具體含義可參考2．3章節(jié)，此處不再贅述。

我們以卷積計算加速單元的核心矩陣乘加運算消耗DSP硬核（Hard core）的個數(shù)作為CNN軟核核心算力的考察指標。當然，這并不包括卷積前處理、后處理模塊，以及其他算子加速單元或者用戶自定義功能模塊所消耗的DSP數(shù)量，因此這并不是整個解決方案在FPGA芯片內部的DSP資源消耗。我們的設計可以支持Window并行度1－8的任意整數(shù)，支持Kernel并行度包括4，8，16。具體的卷積雙維度配置組合所對應的核心DSP消耗可以參見下表。

目前，EdgeBoard公開版針對卷積計算加速單元Window維度和Kernel維度的并行度配置，以及核心矩陣乘加運算的DSP硬核消耗可參見下表。

EdgeBoard的CNN軟核以其靈活的算力搭配組合以及算子可定制化的特點，既可以根據(jù)具體模型的算子組合和所占比例，將一定成本和資源條件內的芯片性能發(fā)揮到極致，還可以在滿足場景所要求性能的前提下減少不必要的功耗支出，此外還允許開發(fā)者縮減軟核尺寸并將芯片資源應用于自定義功能的IP中，極大地增強了EdgeBoard人工智能多場景覆蓋的能力。