一名 Facebook 高管在最近的一次活動中證實，這家社交網(wǎng)絡(luò)巨頭正在招募芯片工程師，并已在設(shè)計至少一種 ASIC。在本周的 Facebook @Scale 2018 大會上，F(xiàn)acebook 宣布五家芯片公司將支持 Glow（這是一個開源的深度學(xué)習(xí)編譯器），其中包括英特爾、Marvell、高通、Esperanto 和 Cadence。

「Facebook 確實正在組建芯片團隊，不僅與芯片供應(yīng)商合作，我們也在構(gòu)建自己的芯片。當(dāng)然，這不是我們的首要目標(biāo)，」Facebook 基礎(chǔ)設(shè)施副總裁 Jason Taylor 表示。這位高管稱 Facebook 的目標(biāo)并不等同于谷歌的深度學(xué)習(xí)加速器 TPU，但他拒絕透露發(fā)布時間節(jié)點等更多具體細節(jié)。

與多達 50 家 AI 加速器設(shè)計公司進行合作是 Facebook 新設(shè)芯片部門的工作重點。「目前市面上已有很多種加速芯片，」Taylor 表示，「最大的問題是，它們針對的工作負(fù)載是否是當(dāng)前最重要的。」

在 Keynote 中，Taylor 將 Glow 描述為一種通用編譯器，可讓開發(fā)人員針對所有新興的深度學(xué)習(xí)加速器進行推理——在云端或者邊緣網(wǎng)絡(luò)。它不面向手機等客戶端系統(tǒng)。

「我們預(yù)計深度學(xué)習(xí)加速器硬件也會出現(xiàn)碎片化的情況，我們在 Glow 上的工作是為了幫助機器學(xué)習(xí)專家設(shè)計神經(jīng)網(wǎng)絡(luò)，并讓他們從對每種特定芯片的適配工作中解脫出來?！筎aylor 表示?！肝覀冎浪槠磳⒌絹?，現(xiàn)在沒有人知道哪種硬件資源的組合（如片上存儲模塊和乘法累加陣列）會最終取勝。所以我們讓開發(fā)者聚焦于更高層級的計算圖中，而無需動手動編碼針對硬件的細節(jié)?！?/p>

Jason Taylor 將 Glow 描述為在云端和邊緣網(wǎng)絡(luò)上進行推斷的編譯器。

Glow 采用 TensorFlow 或 Caffe2 等框架生成的 AI 圖像，然后將它渲染成用于硬件加速器的字節(jié)代碼，Taylor 解釋道。該編譯器包括多個工具，如用來生成用于芯片特定內(nèi)存配置的指令排程器、線性代數(shù)優(yōu)化器、內(nèi)存分配器，以及用來測試硬件準(zhǔn)確率的基于 CPU 的推斷實現(xiàn)。

益華（Cadence）、Esperanto Technologies、英特爾、Marvell 和高通稱它們未來的芯片將支持 Glow。Taylor 期待將其他芯片廠商也添加到支持 Glow 的廠商名單上?！高@是開源 Glow 的好處之一?！?/p>

一名高級芯片專家將 Glow 描述為在生產(chǎn)系統(tǒng)中部署神經(jīng)網(wǎng)絡(luò)的框架。其輸入是 TensorFlow 或 Caffe2 等框架創(chuàng)建的圖。

一些著名的芯片廠商已經(jīng)開始支持類似的軟件。例如，英偉達的 Tensor RT 將來自框架的圖作為輸入，然后為 GPU 輸出 Cuda 代碼。

傳統(tǒng)上，編譯器是針對特定芯片進行嚴(yán)格優(yōu)化的。但是 Taylor 表示，「當(dāng)前編譯器的編譯范圍要比過去大得多——Glow 中的優(yōu)化類型要識別可以渲染給硬件加速器的圖像中的很大一部分?！?/p>

在快速發(fā)展的深度學(xué)習(xí)領(lǐng)域，Glow 是努力彌補軟硬件差距的最新例子。例如，英偉達的 Tensor RT 現(xiàn)在已經(jīng)發(fā)展到第五代，盡管其第一代僅在一年前發(fā)布。一些加速器初創(chuàng)公司對支持各種軟件框架及其變化所需的工作水平有些無能為力。

Facebook、微軟等公司正在支持 ONNX，這是一種用權(quán)重表示圖形的標(biāo)準(zhǔn)方法。去年 12 月份，Khronos 的團隊發(fā)布了深度學(xué)習(xí)加速器的一個硬件抽象層——NNEF。

Glow 是 Pytorch 1.0 的一個組成部分，后者是一個開源項目集，包括合并的 Caffe2 和 Pytorch 框架。Pytorch 1.0 的第一次開發(fā)者大會將于 10 月在舊金山舉行。

在另一個演講中，F(xiàn)acebook 工程經(jīng)理 Kim Hazelwood 展示了 Facebook 使用的十多個不同深度學(xué)習(xí)工作負(fù)載，它們部署在至少四個不同類型的神經(jīng)網(wǎng)絡(luò)上。每天 Facebook 生成超過 200 萬億次推斷，翻譯 50 多億文本，并自動刪除超過一百萬虛假賬號。

她說，F(xiàn)acebook 的一些推斷任務(wù)需要的計算量是其它任務(wù)的 100 倍。如今，F(xiàn)acebook 在其設(shè)計的一小部分 CPU 和 GPU 服務(wù)器上運行這些任務(wù)。

Hazelwood 告訴 EE Times，從通用硬件轉(zhuǎn)向定制硬件將需要針對那些仍在變化的工作負(fù)載定制芯片。她拒絕透露 Facebook 關(guān)于使用任何定制 AI 加速器的想法。

僅 Facebook 就在十幾個深度學(xué)習(xí)應(yīng)用中使用了至少五種神經(jīng)網(wǎng)絡(luò)。

一位觀察者推測，Glow 將是一個理想的工具，使公司能夠采用一些適合其各種工作負(fù)載的加速器。其半導(dǎo)體團隊可以幫助公司精選芯片，也許還可以為其中一些公司提供定制芯片的建議。

另外，F(xiàn)acebook 發(fā)布了一篇博客，描述了它創(chuàng)建的一個新軟件工具，該工具使用深度學(xué)習(xí)來調(diào)試代碼。它說，SapFix 可以自動生成特定錯誤的補丁，然后將其提交給工程師審批并部署到生產(chǎn)中。

迄今為止，F(xiàn)acebook 已經(jīng)使用 SapFix 加快了向裝有 Facebook Android 應(yīng)用程序的數(shù)百萬臺設(shè)備發(fā)送代碼更新的進程。Facebook 表示將發(fā)布該工具的一個版本，但沒有說明發(fā)布時間。