广告

神经拟态计算基准测试难在哪里?

2021-11-15 Sunny Bains 阅读:
神经拟态计算基准测试难在哪里?
神经拟态计算是工程师正在尝试的一个全新领域,不易与其他系统进行比较可能是这项技术的一个难点。基准测试过去几年已逐渐成为神经拟态工程的热门话题,对于使用不同接口、编码、技术和方法的神经拟态系统,开发人员要如 何进行基准测试并且要花多长时间呢?

新技术的成功在一定程度上取决于这种技术所带来的价值,简单说就是要证明新技术比竞争对手的技术好。新技术只有带来新的价值,才能吸引投资者,并让管理者满意。在现有产品的基础上设计一个更小、更快、更轻、更有效的替代品相对比较容易,而创造一个完全不同的新东西要困难得多。SD5ednc

神经拟态计算就是工程师正在尝试的一个全新领域,不同系统之间(神经拟态和其他系统)不易进行比较可能是这项技术的一个难点。SD5ednc

产生这个难点的一部分原因是因为该领域很复杂。神经拟态技术是从大脑汲取灵感。但正如我们之前所讨论的,要将灵感变为现实,从硬件层面来看有很多种方法,如模拟或数字、尖峰或非尖峰、连续或离散时间、虚拟或直接神经元连接。SD5ednc

不同工作小组的目标和重心有时候也各不相同。一些想要仿真生物学,一些专注于能源效率,另外一些希望仿真类人智能,还有一些则只想为日常机器学习的难题找到实用的解决方案。SD5ednc

那么,对使用不同接口、编码、技术和方法的神经拟态系统,开发人员要如何进行基准测试并且要花多长时间呢?基准测试过去几年已逐渐成为神经拟态工程的热门话题。实际上2016年就已经开始比较不同应用中的系统,或者运行不同的算法、网络或算法/网络集了,仅今年就发表了三项有关这一主题的研究。SD5ednc

我们将在以后的文章中讨论这些研究,本文的重点是理解为什么基准测试仍是一个难题。SD5ednc

细节很重要

我们来执行一项学习或识别任务,然后比较其在不同实验系统上的表现。首先,必须选择一项能够在所有系统中执行的任务,尽管这些系统在设计之初可能并没有考虑到这一点。此外,必须考虑整个过程(从加载任务、运行任务到产生输出)以及每个步骤是否都得到了优化。SD5ednc

如果没有优化(这是新技术的常见问题),则必须将测量指标进行细分,使之仅用于有关的系统,而非用于整个基础设施(支持这些系统所需)。SD5ednc

硬件也可以用这样一种方式来构建,使其能产生适当的数据用于分析,包括不同阶段的性能或功耗。然而,情况往往并非如此。SD5ednc

FLOPS(每秒浮点运算)能让事情变得容易,但目前还没有其它等效方法。工程师们尝试使用MAC(乘法累加运算),但MAC更适于深度学习,并不能反映神经拟态工程的复杂性。SD5ednc

突触操作也不适用,因为完成任务的方式太多,可以使用的学习规则太多,编码方式太多,突触和神经元功能也太多。SD5ednc

即使这些都不是问题,大家都知道,要使系统软件运行,必须对编译器进行量身定制,无一例外。否则,即使是最好的系统也会表现不佳。SD5ednc

不良基准的危害

为了更好地理解,让我们看看神经拟态之外的其他技术。桑迪亚国家实验室的Robin Blume-Kohout对量子计算机的基准测试很感兴趣。在一次题为“Not All Benchmarks Are Created Equal”的演讲中,Blume-Kohout表示,对于任何处于早期开发阶段的技术,依赖其基准都是有难度的。SD5ednc

他在2018 年的一份技术报告中强调了这一论点,“当今最先进的量子处理器如同处于婴儿阶段。用于成人的测试指标和基准(例如智商或SAT分数)显然不适用于婴儿;婴儿的任务只有一个,就是成长。SD5ednc

“监控婴儿成长需要的技能和知识与评估成人所需的完全不同,”他继续说,“孩童与不成熟的技术一样,其成长与进步并非凭直觉能观察到,有时甚至还出现倒退(例如掉乳牙或进入青春期)。”SD5ednc

与量子计算相比,神经拟态工程处于更先进的阶段,一些神经拟态系统已经投入实际应用,尽管大部分还是小规模的。但Blume-Kohout的观点对处于“青少年时期”的技术也是有效的。就像在学校,过度考试会让孩子擅长考试却不擅长独立学习,在形成阶段使用错误的基准会使神经拟态工程朝着错误的方向发展。SD5ednc

在更早的一篇论文中,Blume-Kohout首先对不良基准测试的危险性提出了警告。SD5ednc

阿贡国家实验室的Jack Dongarra在1980年代计算机行业迅速发展之初曾努力寻找评估计算机的最佳方法,他也补充说:“计算机的价值取决于其如何使用,而计算机的使用又因应用、工作负载和时间而异。”SD5ednc

Dongarra还断言:“对一个场合有效的评估可能对另一个场合无效,而现在有效的评估可能在很短时间之后就不再有用。”SD5ednc

于是就有了这样的警告:“尽管基准在性能评估中是必不可少的,但简单地应用它们可能会产生误导性结果。事实上,不当的基准测试可能比根本没有基准测试更糟糕。”他总结道。SD5ednc

接下来,我将深入了解研究人员会尝试哪些方法来解决基准测试的难题。SD5ednc

(原文刊登于EDN姐妹网站EETimes美国版,参考链接:Why Benchmarking Neuromorphic Computing is Hard,由Jenny Liao编译。)SD5ednc

本文为《电子技术设计》2021年11月刊杂志文章,版权所有,禁止转载。免费杂志订阅申请点击这里SD5ednc

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
  • 利用LPDDR5内存满足严苛的可靠性要求 内存规格所面临的挑战,通常最终都归结为如何在保持低功耗的同时获得更高的性能。对于低功耗双倍数据速率(LPDDR) DRAM更是如此,而随着人工智能(AI)、边缘计算和5G应用的出现,其压力越来越大。
  • 商汤被美国列入涉军企业名单,推迟全球发售及上市 据EDN电子技术设计报道,美国财政部于当地时间2021年12月10日宣布将商汤加入所谓“中国军工复合体企业”清单,商汤虽发布声明对这一决定与相关指控表示强烈反对,但仍被迫推迟全球发售及上市。
  • 哈佛大学:中国这些科技领域全球第一! 据EDN电子技术设计报道,美国哈佛大学肯尼迪学院Belfer科学和国际事务中心(下文简称哈佛)日前发表最新研究报告显示,未来10年,即使不会超过美国,中国在包括量子计算、半导体、生物技术和清洁能源等领域将逼近美国,此外,尽管美国政府不甘于在一些领域被中国超越,但是中国在5G通讯、人工智能等领域已经开始领先美国。
  • 罗克韦尔自动化携手蜂巢能源共创AI智能制造新生态 罗克韦尔自动化与蜂巢能源签署战略合作协议,共同打造动力电池及能源互联行业AI智能制造生态圈
  • 凌华科技推出首款搭载高通QRB5165处理器的SMARC计算机 整合多项物联网科技 提供边缘人工智能
  • 面向制造和工业环境监控应用的人工智能机器视觉 在传统的工业和制造环境中,监控工人安全、提高操作人员效率以及改进质量检测都是体力工作。如今,基于人工智能的机器视觉技术取代了许多低效的、劳动密集型的操作,并提高了可靠性、安全性和效率。本文将探讨如何通过部署人工智能相机,进一步提高性能,因为用于赋能人工智能机器视觉的数据就来自相机本身。
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了