· 恩智浦展示了應用于 MCU 的 Glow 神經(jīng)網(wǎng)絡編譯器為基于視覺和語音的機器學習應用帶來的諸多優(yōu)勢。恩智浦也是首家針對 MCU 實現(xiàn)相較于標準版 Glow 2 至 3 倍性能的半導體供應商

· 開源 Glow 編譯器最初由 Facebook 開發(fā)，恩智浦現(xiàn)在將其集成到 eIQ?機器學習軟件開發(fā)環(huán)境中，為旗下 i.MX RT 系列跨界 MCU 提供高性能推理

· 恩智浦的 Glow 實施面向 Arm? Cortex?-M 內核和 Cadence? Tensilica? HiFi 4 DSP，為 i.MX RT 系列跨界 MCU 提供特定平臺的優(yōu)化

荷蘭埃因霍溫——2020 年 8 月 5 日——恩智浦半導體 NXP Semiconductors N.V.今日發(fā)布了 eIQ機器學習(ML) 軟件對 Glow神經(jīng)網(wǎng)絡(NN) 編譯器的支持功能，針對恩智浦的 i.MXRT 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(jīng)網(wǎng)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(jīng)網(wǎng)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(jīng)網(wǎng)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(jīng)網(wǎng)絡性能。作為一種神經(jīng)網(wǎng)絡編譯器， Glow基于未優(yōu)化的神經(jīng)網(wǎng)絡生成高度優(yōu)化的代碼。這個特點有別于典型的神經(jīng)網(wǎng)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(jīng)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(jīng)網(wǎng)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(jīng)網(wǎng)絡編譯器用于機器學習應用的諸多優(yōu)勢?！?/p>

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(wǎng)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(jīng)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(jīng)網(wǎng)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?，能夠在 i.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(jīng)網(wǎng)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(jīng)網(wǎng)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(jīng)網(wǎng)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(jīng)網(wǎng)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(jīng)網(wǎng)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(jīng)網(wǎng)絡存儲器占用。以 CIFAR-10 神經(jīng)網(wǎng)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(jīng)網(wǎng)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(jīng)網(wǎng)絡算子庫的優(yōu)勢。”

上市時間

恩智浦的集成 Glow 神經(jīng)網(wǎng)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(jīng)網(wǎng)絡編譯器的 eIQ 軟件。

關于 i.MX RT 系列跨界 MCU

i.MX RT 系列是業(yè)內首個跨界 MCU 產品組合，以經(jīng)濟的價格，提供高性能的 Arm Cortex-M 內核、實時功能和 MCU 可用性。該系列代表了低功耗應用處理器與高性能微控制器的融合。 i.MX RT 系列填補了傳統(tǒng) MCU 和 i.MX 應用處理器之間的空白，為 MCU 客戶提供了顯著提高性能和改進集成的方法，一如既往地簡單易用。