大力出奇迹，揭秘昇腾CANN的AI超能力
摘要：CANN（Compute Architecture for Neural Networks）异构计算架构，是以提升用户开发效率和释放昇腾AI处理器极致算力为目标，专门面向AI场景的异构计算架构。
1、引言
从2016年，战胜世界顶级棋手，强势将了人类一军的AlphaGo，
到2020年，会写小说、编剧本、敲代码，科科满分样样全能的GPT-3，
再到2021年，最接近人类中文理解能力，泛化力超群的盘古大模型…
近几年的人工智能领域，像开了挂一样，不断刷新人类认知，颠覆人类想象…
和人类掌握某项技能一样，训练一个足够聪明的AI算法模型往往需要成千上万的数据量。以GPT-3为例，其参数量已经达到1750亿、样本大小有45TB之多，单次训练时间以月为单位，算力诉求已是挡在AI赛道上的绊脚石！
同时，随着人工智能应用日益成熟，文本、图片、音频、视频等非结构化数据的处理需求呈指数级增长，数据处理过程从通用计算逐步向异构计算过度。
华为推出的昇腾AI基础软硬件平台。其中，昇腾AI处理器+ 异构计算架构CANN，带着与生俱来的超强算力和异构计算能力，软硬件强强联合，正逐渐成为促成AI产业快速落地的催化剂。
CANN（Compute Architecture for Neural Networks）异构计算架构，是以提升用户开发效率和释放昇腾AI处理器极致算力为目标，专门面向AI场景的异构计算架构。对上支持主流前端框架，向下对用户屏蔽系列化芯片的硬件差异，以全场景、低门槛、高性能的优势，满足用户全方位的人工智能诉求。
2、主流前端框架兼容，快速搞定算法移植
目前人工智能领域内，AI算法模型搭建方面的技艺已经是炉火纯青，市面上用于AI模型搭建的深度学习框架，除了华为开源的MindSpore，还有Google的TensorFlow、Facebook的PyTorch、Caffe等。
CANN通过Plugin适配层，能轻松承接基于不同框架开发的AI模型，将不同框架定义的模型转换成标准化的Ascend IR(Intermediate Representation)表达的图格式，屏蔽框架差异。
这样，开发者只需要非常少的改动，即可快速搞定算法移植，体验昇腾AI处理器的澎湃算力，大大减少了切换平台的代价，就说它香不香？
3、简单易用的开发接口，让小白也能玩转AI
依靠人工智能实现智能化转型，几乎成为了各行各业的必修课，CANN秉承极简开发的理念，提供了一套简单易用的AscendCL（Ascend Computing Language）编程接口，为开发者屏蔽底层处理器的差异，你只需要掌握一套API，就可以全面应用于昇腾全系列AI处理器。
同时，能够满足开发者能够在未来CANN版本升级的情况下，依然可以做到后向全面兼容，且运行效率不打折扣！
简单的AI应用开发接口
人工智能寄托着人类对未来美好生活的憧憬，当我们每天面对“这是什么垃圾，要扔在哪个桶里”的灵魂拷问的时候，一个AI垃圾分类桶应用，就能把你从水深火热中解救出来。
AscendCL提供了一套用于开发深度神经网络推理应用的C语言API库，兼具运行时资源管理、模型加载与执行、图像预处理等能力，能够让开发者轻松解锁图片分类、目标识别等各类AI应用。并且可以做到即支持通过主流开源框架调用AscendCL库，也支持直接调用CANN开放的AscendCL编程接口。
下面教你5步搞定AI垃圾分类应用：
- 运行管理资源申请：用于初始化系统内部资源。
- 加载模型文件并构建输出内存：将开源模型转换成CANN支持的om模型，并加载到内存；获取模型基本信息，构建模型输出内存，为后续模型推理做准备。
- 数据预处理：对读入的图像数据进行预处理，然后构建模型的输入数据。
- 模型推理：根据构建好的模型输入数据进行模型推理。
- 解析推理结果：根据模型输出，解析模型的推理结果。
灵活的算子开发接口
当你的AI模型中有CANN尚未支持的算子，或者想要修改已有算子以提升计算性能时，可以利用CANN开放的自定义算子开发接口，随心所欲地开发你想要的算子。
面向不同水平的AI开发者，CANN提供高效（TBE-DSL）和专业（TBE-TIK）两种算子开发模式，可灵活满足不同层次水平的开发者。
其中，TBE-DSL的入门难度较低，它可以自动实现数据的切分和调度，开发者只需关注算子本身的计算逻辑，无需了解硬件细节，即可开发出高性能算子。
TBE-TIK相对难一些，不像TBE-DSL只是在高层抽象编程，而是提供指令级编程和调优能力，开发者需要手工完成类指令级调用，这样能充分挖掘硬件能力，实现更加高效和复杂的算子。
便捷的IR构图接口
另外，开发者还可以通过标准化的Ascend IR(Intermediate Representation)接口，抛开深度学习框架本身，直接调用CANN中的算子库，构建出可以在昇腾AI处理器上执行的高性能模型。
4、1200+高性能算子库，筑起澎湃算力源泉
基于深度学习框架构建的模型，其实是由一个个计算单元组成，我们称这些计算单元为算子（Operator，简称Op），它对应着特定的计算逻辑。
算子在硬件上的加速计算构成了加速神经网络的基础和核心。目前CANN提供了1200+种深度优化的、硬件亲和的算子，正是如此丰富的高性能算子，筑起了澎湃的算力源泉，让你的神经网络「瞬时」加速。
- NN（Neural Network）算子库：CANN覆盖了包括TensorFlow、Pytorch、MindSpore、ONNX框架在内的，常用深度学习算法的计算类型，在CANN所有的算子中占有最大比重，用户只需要关注算法细节的实现，大部分情况下不需要自己开发和调试算子。
- BLAS（Basic Linear Algebra Subprograms）算子库：BLAS为基础线性代数程序集，是进行向量和矩阵等基本线性代数操作的数值库，CANN支持通用的矩阵乘和基础的Max、Min、Sum、乘加等运算。
- DVPP（Digital Video Pre-Processor）算子库：提供高性能的视频编解码、图片编解码、图像裁剪缩放等预处理能力。
- AIPP（AI Pre-Processing）算子库：主要实现改变图像尺寸、色域转换（转换图像格式）、减均值/乘系数（图像归一化），并与模型推理过程融合，以满足推理输入要求。
- HCCL（Huawei Collective Communication Library）算子库：主要提供单机多卡以及多机多卡间的Broadcast，allreduce，reducescatter，allgather等集合通信功能，在分布式训练中提供高效的数据传输能力。
5、高性能图编译器，赋予神经网络超能力
人间最苦是等待，等红绿灯，等寒暑假，等外卖，等那个对的人…
人工智能领域也是一样，随着神经网络结构的快速演进，单纯利用手工优化来解决AI模型性能问题越来越容易出现瓶颈，CANN的图编译器像是一个魔法师，将具有较高抽象度的计算图，根据昇腾AI处理器的硬件结构特点，进行编译优化，从而能够高效执行。
魔法师到底有哪些「神操作」呢？
自动算子融合：基于算子、子图、SCOPE等多维度进行自动融合，有效减少计算节点，大幅减少计算时间。
Buffer融合：针对神经网络计算大数据吞吐，memory bound问题，通过减少数据搬运次数、提升昇腾AI处理器内缓存利用率，提升计算效率。
我们对Buffer融合前后做一比对：
融合前，算子1在昇腾AI处理器上计算完后，将数据从昇腾AI处理器内的缓存buffer搬运到外部存储，算子2从外部存储获取数据作为输入，搬入缓存buffer进行计算。融合后，算子1计算完成后，数据保留在缓存buffer，算子2从缓存buffer直接获取数据进行算子2的计算，有效减少数据搬运次数，提升了计算性能。
全图下沉：昇腾AI处理器，集成了丰富的计算设备资源，比如AICore/AICPU/DVPP/AIPP等，正是得益于昇腾AI处理器上丰富的土壤，使得CANN不仅可以将计算部分下沉到昇腾AI处理器加速，还可以将控制流、DVPP、通信部分一并下沉执行。尤其在训练场景，这种把逻辑复杂计算图的全部闭环在AI处理器内执行的能力，能有效减少和Host CPU的交互时间，提升计算性能。
异构调度能力：当计算图中含有多类型的计算任务时，CANN充分利用昇腾AI处理器丰富的异构计算资源，在满足图中依赖关系的前提下，将计算任务分配给不同的计算资源，实现并行计算，提升各计算单元的资源利用率，最终提升计算任务的整体效率。
6、自动混合精度，有效达到收益平衡
顾名思义，自动混合精度是一种自动将半精度和单精度混合使用，从而加速模型执行的技术，在大规模模型训练场景下有着不可或缺的地位。
单精度（Float Precision32，FP32）是计算机常用的一种数据类型，半精度（Float Precision16，FP16）则是一种相对较新的浮点类型，在计算机中使用 2 字节（16 位）存储，适用于精度要求不高的场景。
显而易见，使用FP16类型肯定会带来计算精度上的损失，但对于深度学习训练而言，并不是所有计算都要求很高的精度。因此，可以将计算图中对精度不敏感的算子使用FP16类型加速计算，可有效减少内存使用，达到性能和精度平衡。
7、E级集群，开启AI超算时代
随着主流深度学习模型所能够解决的问题日趋复杂，模型本身的复杂度也开始增大，人工智能领域需要更强大的算力，来满足未来网络的训练需求。
基于昇腾AI基础软硬件的“鹏城云脑II”，打破了当今业内百P级FLOPS（每秒十亿亿次计算）的算力天花板，让E级FLOPS（每秒百亿亿次计算）算力场景迈上了历史舞台。
它集成了数千颗昇腾AI处理器，总算力达到 256-1024 PFLOPS，也就是每秒25.6-102.4亿亿次浮点运算。
如何高效调度上千颗昇腾AI处理器，是大规模集群网络面临的难题。
CANN集成了HCCL（Huawei Collective Communication Library，华为集合通信库），为昇腾AI处理器多机多卡训练提供了数据并行/模型并行的高性能集合通信方案：
- server内高速HCCS Mesh互联和server间无阻塞RDMA组网的两级拓扑组网，配合拓扑自适应通信算法，能充分利用链路带宽，并将server间的数据传输量并行均分至各个独立的网络平面，大大提升超大规模集群下模型训练线性度。
- 集成高速通信引擎和专用硬件调度引擎，大幅降低通信调度开销，实现通信任务和计算任务统一和谐调度，精准控制系统抖动。
如果把“鹏城云脑II”比作一个大型交响乐团，那么CANN就是一名优秀的指挥家，携手昇腾AI处理器，开启了AI超算时代新篇章。
8、写在最后
CANN在2018年发布伊始便不断尝试突破，带给开发者极简体验，释放AI硬件的极致性能，成为了支撑CANN在人工智能领域行走的双腿。
相信它会矢志不渝地在AI这条赛道上，携手想要改变世界的人，一起改变世界，共筑未来！
2021年年底，CANN也要迎来崭新的、更加强大的5.0版本，它到底会带来哪些惊喜呢？让我们拭目以待吧！
