【導讀】 益于大數據的興起以及算力的快速提升，機器學(xué)習技術(shù)在近年取得了革命性的發(fā)展。在圖像分類(lèi)、語(yǔ)音識別、自然語(yǔ)言處理等機器學(xué)習任務(wù)中，數據為大小維度確定且排列有序的歐氏（Euclidean）數據。然而，越來(lái)越多的現實(shí)場(chǎng)景中，數據是以圖（Graph）這種復雜的非歐氏數據來(lái)表示的。
應用AchronixSpeedster7t FPGA設計高能效、可擴展的GNN加速器
作者：袁光（KevinYuan），Achronix資深現場(chǎng)應用工程師
1.概述
得益于大數據的興起以及算力的快速提升，機器學(xué)習技術(shù)在近年取得了革命性的發(fā)展。在圖像分類(lèi)、語(yǔ)音識別、自然語(yǔ)言處理等機器學(xué)習任務(wù)中，數據為大小維度確定且排列有序的歐氏（Euclidean）數據。然而，越來(lái)越多的現實(shí)場(chǎng)景中，數據是以圖（Graph）這種復雜的非歐氏數據來(lái)表示的。Graph不但包含數據，也包含數據之間的依賴(lài)關(guān)系，比如社交網(wǎng)絡(luò )、蛋白質(zhì)分子結構、電商平臺客戶(hù)數據等等。數據復雜度的提升，對傳統的機器學(xué)習算法設計以及其實(shí)現技術(shù)帶來(lái)了嚴峻的挑戰。在此背景之下，諸多基于Graph的新型機器學(xué)習算法—GNN（圖神經(jīng)網(wǎng)絡(luò )），在學(xué)術(shù)界和產(chǎn)業(yè)界不斷的涌現出來(lái)。
GNN對算力和存儲器的要求非常高，其算法的軟件實(shí)現方式非常低效，所以業(yè)界對GNN的硬件加速有著(zhù)非常迫切的需求。我們知道傳統的CNN（卷積神經(jīng)網(wǎng)絡(luò )網(wǎng)絡(luò )）硬件加速方案已經(jīng)有非常多的解決方案；但是，GNN的硬件加速尚未得到充分的討論和研究，在本文撰寫(xiě)之時(shí)，Google和百度皆無(wú)法搜索到關(guān)于GNN硬件加速的中文研究。本文的撰寫(xiě)動(dòng)機，旨在將國外最新的GNN算法、加速技術(shù)研究、以及筆者對GNN的FPGA加速技術(shù)的探討相結合起來(lái)，以全景圖的形式展現給讀者。
2.GNN簡(jiǎn)介
GNN的架構在宏觀(guān)層面有著(zhù)很多與傳統CNN類(lèi)似的地方，比如卷積層、Polling、激活函數、機器學(xué)習處理器（MLP）和FC層等等模塊，都會(huì )在GNN中得以應用。下圖展示了一個(gè)比較簡(jiǎn)單的GNN架構。
圖 1：典型的GNN架構（來(lái)源：https://arxiv.org/abs/1901.00596）
但是， GNN中的Graph數據卷積計算與傳統CNN中的2D卷積計算是不同的。以圖2為例，針對紅色目標節點(diǎn)的卷積計算，其過(guò)程如下：
l Graph卷積：以鄰居函數采樣周邊節點(diǎn)特征并計算均值，其鄰居節點(diǎn)數量不確定且無(wú)序（非歐氏數據）。
l 2D卷積：以卷積核采樣周邊節點(diǎn)特征并計算加權平均值，其鄰居節點(diǎn)數量確定且有序（歐氏數據）。
圖 2：Graph卷積和2D卷積（來(lái)源：https://arxiv.org/abs/1901.00596）
3. GraphSAGE算法簡(jiǎn)介
學(xué)術(shù)界已對GNN算法進(jìn)行了非常多的研究討論，并提出了數目可觀(guān)的創(chuàng )新實(shí)現方式。其中，斯坦福大學(xué)在2017年提出的GraphSAGE是一種用于預測大型圖中動(dòng)態(tài)新增未知節點(diǎn)類(lèi)型的歸納式表征學(xué)習算法，特別針對節點(diǎn)數量巨大、且節點(diǎn)特征豐富的圖做了優(yōu)化。如下圖所示，GraphSAGE計算過(guò)程可分為三個(gè)主要步驟：
圖3：GraphSAGE算法的視覺(jué)表述（來(lái)源：http://snap.stanford.edu/graphsage）
l 鄰節點(diǎn)采樣：用于降低復雜度，一般采樣2層，每一層采樣若干節點(diǎn)
l 聚合：用于生成目標節點(diǎn)的embedding，即graph的低維向量表征
l 預測：將embedding作為全連接層的輸入，預測目標節點(diǎn)d的標簽
為了在FPGA中實(shí)現GraphSAGE算法加速，我們需要知悉其數學(xué)模型，以便將算法映射到不同的邏輯模塊中。下圖所示的代碼闡述了本算法的數學(xué)過(guò)程。
圖 4：GraphSAGE算法的數學(xué)模型（來(lái)源：http://snap.stanford.edu/graphsage）
對于每一個(gè)待處理的目標節點(diǎn)xv，GraphSAGE執行下列操作：
1）通過(guò)鄰居采樣函數N（v），采樣子圖(subgraph)中的節點(diǎn)
2）聚合被采樣的鄰節點(diǎn)特征，聚合函數可以為mean()、lstm()或者polling()等
3）將聚合結果與上一次迭代的輸出表征合并，并以Wk做卷積
4）卷積結果做非線(xiàn)性處理
5）迭代若干次以結束當前第k層所有鄰節點(diǎn)的處理
6）將第k層迭代結果做歸一化處理
7）迭代若干次以結束所有K層采樣深度的處理
8）最終迭代結果zv即為輸入節點(diǎn)xv的嵌入（embedding）
4.GNN加速器設計挑戰
GNN的算法中涉及到大量的矩陣計算和內存訪(fǎng)問(wèn)操作，在傳統的x86架構的服務(wù)器上運行此算法是非常低效的，表現在速度慢，能耗高等方面。
新型GPU的應用，可以為GNN的運算速度和能效比帶來(lái)顯著(zhù)收益。然而GPU內存擴展性的短板，使其無(wú)法勝任海量節點(diǎn)Graph的處理；GPU的指令執行方式，也造成了計算延遲過(guò)大并且不可確定，無(wú)法勝任需要實(shí)時(shí)計算Graph的場(chǎng)景。
如上所述種種設計挑戰的存在，使得業(yè)界急需一種可以支持高度并發(fā)實(shí)時(shí)計算、巨大內存容量和帶寬、以及在數據中心范圍可擴展的GNN加速解決方案。
5.GNN加速器的FPGA設計方案
Achronix公司推出的Speedster7t系列高性能FPGA，專(zhuān)門(mén)針對數據中心和機器學(xué)習工作負載進(jìn)行了優(yōu)化，消除了CPU、GPU以及傳統 FPGA 存在的若干性能瓶頸。Speedster7t FPGA 基于臺積電的 7nm FinFET工藝，其架構采用革命性的新型 2D 片上網(wǎng)絡(luò )（NoC），獨創(chuàng )的機器學(xué)習處理器矩陣（MLP），并利用高帶寬 GDDR6 控制器、400G 以太網(wǎng)和 PCI Express Gen5 接口，在保障ASIC 級別性能的同時(shí)，為用戶(hù)提供了靈活的硬件可編程能力。下圖展示了Speedster7t1500高性能FPGA的架構。
圖5: AchronixSpeedster7t1500高性能FPGA架構（來(lái)源：http://www.achronix.com）
如上所述種種特性，使得AchronixSpeedster7t1500 FPGA器件為GNN加速器設計中所面臨的各種挑戰，提供了完美的解決方案。
表1：GNN設計挑戰與Achronix的Speedster7t1500 FPGA解決方案
5.1GNN加速器頂層架構
本GNN加速器針對GraphSAGE進(jìn)行設計，但其架構具有一定的通用性，可以適用于其他類(lèi)似的GNN算法加速，其頂層架構如下圖所示。
圖6: GNN加速器頂層架構（來(lái)源：Achronix原創(chuàng )）
圖中GNNCore為算法實(shí)現的核心部分，其設計細節將在下文展開(kāi)談?wù)?；RoCE-Lite為RDMA協(xié)議的輕量級版本，用于通過(guò)高速以太網(wǎng)進(jìn)行遠程內存訪(fǎng)問(wèn)，以支持海量節點(diǎn)的Graph計算，其設計細節將在本公眾號的后續文章中討論；400GE以太網(wǎng)控制器用來(lái)承載RoCE-Lite協(xié)議；GDDR6用于存放GNN處理過(guò)程中所需的高速訪(fǎng)問(wèn)數據；DDR4作為備用高容量?jì)却?，可以用于存儲相對訪(fǎng)問(wèn)頻度較低的數據，比如待預處理的Graph；PCIeGen5x16提供高速主機接口，用于與服務(wù)器軟件交互數據；上述所有模塊，皆通過(guò)NoC片上網(wǎng)絡(luò )來(lái)實(shí)現高速互聯(lián)。
5.2GNNCore微架構
在開(kāi)始討論GNNCore微架構之前，我們先回顧一下本文第3節中的GraphSAGE算法，其內層循環(huán)的聚合以及合并（包含卷積）等兩個(gè)操作占據了算法的絕大部分計算和存儲器訪(fǎng)問(wèn)。通過(guò)研究，我們得到這兩個(gè)步驟的特征如下：
表2：GNN算法中聚合與合并操作對比（來(lái)源：https://arxiv.org/abs/1908.10834）
可以看出，聚合操作與合并操作，其對計算和存儲器訪(fǎng)問(wèn)的需求完全不同。聚合操作中涉及到對鄰節點(diǎn)的采樣，然而Graph屬于非歐氏數據類(lèi)型，其大小維度不確定且無(wú)序，矩陣稀疏，節點(diǎn)位置隨機，所以存儲器訪(fǎng)問(wèn)不規則并難以復用數據；在合并操作中，其輸入數據為聚合結果（節點(diǎn)的低維表征）以及權重矩陣，其大小維度固定，存儲位置規則線(xiàn)性，對存儲器訪(fǎng)問(wèn)不存在挑戰，但是矩陣的計算量非常大。
基于以上分析，我們決定在GNNCore加速器設計中用兩種不同的硬件結構來(lái)處理聚合操作與合并操作，功能框圖如下圖所示：
圖7: GNNCore功能框圖（來(lái)源：Achronix原創(chuàng )）
聚合器（Aggregator）：通過(guò)SIMD（單指令多數據處理器）陣列來(lái)對Graph進(jìn)行鄰居節點(diǎn)采樣并進(jìn)行聚合操作。其中的“單指令”可以預定義為mean()均值計算，或者其他適用的聚合函數；“多數據”則表示單次mean()均值計算中需要多個(gè)鄰居節點(diǎn)的特征數據作為輸入，而這些數據來(lái)自于子圖采樣器（SubgraphSampler）；SIMD陣列通過(guò)調度器Agg Scheduler做負載均衡；子圖采樣器通過(guò)NoC從GDDR6或DDR4讀回的鄰接矩陣和節點(diǎn)特征數據h0v，分別緩存在A(yíng)djacentListBuffer和NodeFeature Buffer之中；聚合的結果hkN(v)存儲在A(yíng)ggBuffer之中。
合并器（Combinator）：通過(guò)脈動(dòng)矩陣PE來(lái)執行聚合結果的卷積操作；卷積核為Wk權重矩陣；卷積結果通過(guò)ReLU激活函數做非線(xiàn)性處理，同時(shí)也存儲在PartialSumBuffer中以方便下一輪迭代。
合并的結果通過(guò)L2BN歸一化處理之后，即為最終的節點(diǎn)表征hkv。
在比較典型的節點(diǎn)分類(lèi)預測應用中，該節點(diǎn)表征hkv可以通過(guò)一個(gè)全連接層（FC），以得到該節點(diǎn)的分類(lèi)標簽。此過(guò)程屬于傳統的機器學(xué)習處理方法之一，沒(méi)有在GraphSAGE論文中體現，此設計中也沒(méi)有包含這個(gè)功能。
6.結論
本文深入討論了GraphSAGEGNN算法的數學(xué)原理，并從多個(gè)維度分析了GNN加速器設計中的技術(shù)挑戰。作者通過(guò)分解問(wèn)題并在架構層面逐一解決的方法，綜合運用AchronixSpeedster7t1500FPGA所提供的競爭優(yōu)勢，創(chuàng )造了一個(gè)性能極佳且高度可擴展的GNN加速解決方案。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問(wèn)題，請電話(huà)或者郵箱聯(lián)系小編進(jìn)行侵刪。
