作者：Arm 基礎(chǔ)設(shè)施事業(yè)部高級產(chǎn)品經(jīng)理 Ashok Bhat

人工智能 (AI) 有望觸及并改變我們生活的方方面面。如今，包括醫(yī)療保健、金融、制造、教育、媒體和運(yùn)輸?shù)仍趦?nèi)的各行各業(yè)都在利用 AI 進(jìn)行創(chuàng)新。它們通過運(yùn)行復(fù)雜的 AI 工作負(fù)載來提高生產(chǎn)力，改善消費(fèi)者決策，提升教育體驗(yàn)等，而這些都需要消耗大量算力和數(shù)據(jù)中心電力。

如今，數(shù)據(jù)中心已經(jīng)非常耗電，而隨著 AI 部署的擴(kuò)大和底層基礎(chǔ)模型規(guī)模的擴(kuò)展，耗電量只會(huì)繼續(xù)增加。面對這一挑戰(zhàn)，Arm 力求在不增加能耗的情況下提高 AI 能力。隨著生成式 AI 和基礎(chǔ)模型的普及，專用計(jì)算硬件的可用性及其高成本給部署帶來了困難。與此同時(shí)，大模型需要消耗大量資源，加劇了原有的問題。隨著小語言模型和量化等技術(shù)的興起，開發(fā)者開始考慮針對機(jī)器學(xué)習(xí) (ML) 使用 CPU。規(guī)模較小的模型不僅效率高，而且可以針對特定應(yīng)用進(jìn)行定制，因此部署起來更切合實(shí)際，成本效益也更高。

Arm 基于 Neoverse 的最新 CPU 平臺為云數(shù)據(jù)中心提供高性能、高能效的處理器。借助 Arm Neoverse，云服務(wù)提供商能夠靈活地定制芯片并優(yōu)化軟件與系統(tǒng)，以應(yīng)對要求苛刻的工作負(fù)載，同時(shí)獲得出色的性能和能效。正因如此，所有主要的云服務(wù)提供商均采用了 Neoverse 技術(shù)來設(shè)計(jì)其計(jì)算平臺，從而滿足開發(fā)者對 AI 和 ML 等各種云工作負(fù)載的需求。

Hugging Face 中的熱門開源模型可在 CPU 上高效、高性能地運(yùn)行。模型的部署是一項(xiàng)耗時(shí)且極具挑戰(zhàn)性的任務(wù)，通常需要精通 ML 和底層模型代碼的專業(yè)知識。Hugging Face Pipeline 將復(fù)雜的代碼抽象化，使開發(fā)者能夠使用 Hugging Face Hub 中的任何模型進(jìn)行推理。開發(fā)者在構(gòu)建 AI 應(yīng)用和項(xiàng)目時(shí)，借助 Arm 平臺賦能的云實(shí)例，可受益于云基礎(chǔ)設(shè)施資源的便利性，實(shí)現(xiàn)高能效并節(jié)省成本。

面向 ML 的 Neoverse CPU 的關(guān)鍵特性

長期以來，CPU 得益于只需使用單指令就能同時(shí)處理多個(gè)數(shù)據(jù)點(diǎn)，進(jìn)而能夠?qū)崿F(xiàn)數(shù)據(jù)級并行和性能提升，這種技術(shù)被稱為單指令流多數(shù)據(jù)流 (SIMD)。Arm Neoverse CPU 支持 Neon 和可伸縮矢量擴(kuò)展 (SVE) 等先進(jìn)的 SIMD 技術(shù)，能夠加速 HPC 和 ML 中的常見算法。

通用矩陣乘法 (GEMM) 是 ML 中的一種基本算法，它對兩個(gè)輸入矩陣進(jìn)行復(fù)雜的乘法運(yùn)算，得到一個(gè)輸出。Armv8.6-A 架構(gòu)新增了 SMMLA 和 FMMLA 指令，可在寬度為二或四的陣列上同時(shí)執(zhí)行這些乘法運(yùn)算，從而將取指周期縮短 2 至 4 倍，將計(jì)算周期縮短 4 至 16 倍。諸多基于 Arm 架構(gòu)的服務(wù)器處理器均含有這些指令，包括 AWS Graviton3、Graviton4、NVIDIA Grace、Google Axion 和 Microsoft Cobalt。

在許多用例中，這些關(guān)鍵特性可為 ML 帶來諸多優(yōu)勢，其中包括：

圖像分類：這是監(jiān)督學(xué)習(xí)的一種形式，可將特定標(biāo)簽或類別分配給整個(gè)圖像。

對象檢測：這是在圖像或視頻中定位對象實(shí)例的計(jì)算機(jī)視覺技術(shù)。

自然語言處理：這是一種 AI 形式，可賦予機(jī)器閱讀、理解和推導(dǎo)人類語言含義的能力。

自動(dòng)語音識別：這是一種 ML 形式，可將人們的語音內(nèi)容轉(zhuǎn)換為文本。

推薦系統(tǒng)：這是利用數(shù)據(jù)向用戶推薦項(xiàng)目或內(nèi)容的 ML 算法。

小語言模型 (SLM)：這是大語言模型 (LLM) 的精簡版，其架構(gòu)更簡單、參數(shù)更少，訓(xùn)練所需的數(shù)據(jù)和時(shí)間也更少。

憑借這些 ML 推理能力，基于 Arm Neoverse 平臺的 AWS Graviton3 處理器在性能方面比上一代 AWS Graviton2 處理器提高了三倍。下面來看一個(gè)情感分析用例。

利用 Hugging Face Pipeline 進(jìn)行情感分析

情感分析是一項(xiàng)重要的 AI 技術(shù)，它能找出文本中的情緒和觀點(diǎn)。企業(yè)可以利用該技術(shù)來理解客戶的想法，評估用戶對品牌的看法，并制定營銷決策。但是，要想高效運(yùn)行情感分析模型，對計(jì)算資源的要求非常高。本文將深入探討 Arm Neoverse CPU 如何加快情感分析，帶來更快且更有成效的 AI 驅(qū)動(dòng)的洞察。

具體來說，我們將著重于如何在 Arm Neoverse CPU 上使用 pytorch.org 提供的默認(rèn) PyTorch 軟件包來加速 NLP PyTorch 模型（BERT、DistilBERT 和 RoBERTa）。我們將使用 Hugging Face Transformer 情感分析 Pipeline 來運(yùn)行這些模型

Hugging Face Transformer 通過 Pipeline 這一強(qiáng)大工具來簡化預(yù)訓(xùn)練模型的使用。這些 Pipeline 可在后臺處理復(fù)雜問題，讓開發(fā)者能夠?qū)Ｗ⒂诮鉀Q實(shí)際問題。例如，如果你想要分析一段文本的情感，只需將該文本輸入 Pipeline。它將進(jìn)行正面或負(fù)面的情感分類，你無需擔(dān)心模型的加載、分詞等其他技術(shù)細(xì)節(jié)。

這段代碼使用 Pipeline 來檢查用戶所輸入文本的情感。它在后臺使用 Hugging Face Model Hub 中的現(xiàn)成模型。

代碼

輸出

你還可以使用模型參數(shù)來指定所選模型。

pipe = pipeline("sentiment-analysis", model=”distilbert-base-uncased”)

在現(xiàn)有應(yīng)用中添加情感分析時(shí)，需要考慮延遲問題。對于實(shí)時(shí)用例而言，響應(yīng)時(shí)間少于 100ms 通常被視為瞬時(shí)響應(yīng)。但對于具體需求而言，更長的延遲有時(shí)也可接受。

AWS Graviton 處理器的性能

我們選取了兩篇評論，一篇較短（使用 BertTokenizer 分詞后，有 32 個(gè)詞元），另一篇較長（使用 BertTokenizer 分詞后，有 128 個(gè)詞元），并在 AWS Graviton2 (c6g) 和 AWS Graviton3 (c7g) 上進(jìn)行了基準(zhǔn)測試。

如下圖所示，對于短篇評論的情感分析，AWS Graviton2 (c6g) 和 AWS Graviton3 (c7g) 僅使用四個(gè)虛擬 CPU (vCPU) 就達(dá)到了理想的 100ms 實(shí)時(shí)延遲目標(biāo)。

對于較長評論的情感分析，啟用了 BF16 的 AWS Graviton3 (c7g) 可使用四個(gè) vCPU 達(dá)到理想的實(shí)時(shí)延遲目標(biāo)。與使用 Arm Neoverse N1 CPU 的上一代 c6g 實(shí)例相比，基于 Neoverse V1 的 c7g 實(shí)例性能可提升三倍之多。

基準(zhǔn)測試設(shè)置

我們對以下 AWS EC2 實(shí)例進(jìn)行了基準(zhǔn)測試：

使用 Arm Neoverse N1 CPU 的 c6g.xlarge 實(shí)例

使用 Arm Neoverse V1 CPU 的 c7g.xlarge 實(shí)例

各實(shí)例均有四個(gè) vCPU。我們通過以下軟件對實(shí)例進(jìn)行設(shè)置：

Ubuntu Server 22.04 LTS (HVM) - ami-0c1c30571d2dae5c9（64 位 (x86)）和 ami-0c5789c17ae99a2fa（64 位 (Arm)）

PyTorch 2.2.2

Transformers 4.39.1

并按照以下設(shè)置步驟操作：

1.sudo apt-get update

2.sudo apt-get install python3 python3-pip

3.pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

4.pip3 install transformers

有關(guān)安裝過程的詳細(xì)信息，請參閱《Arm PyTorch 安裝指南》。除了該指南外，《在 AWS Graviton 處理器上實(shí)現(xiàn) PyTorch 推理性能調(diào)優(yōu)》中也提供了一些針對 Arm 平臺的調(diào)優(yōu)參數(shù)。（鏈接見文末）

為了進(jìn)行基準(zhǔn)測試，我們在所有平臺上啟用了 BF16 快速數(shù)學(xué)內(nèi)核，如下所示。在 AWS Graviton3 上，這使得 GEMM 內(nèi)核能夠使用硬件中提供的 BF16 MMLA 指令。

export DNNL_DEFAULT_FPMATH_MODE=BF16

我們使用了兩篇評論，分別是一篇短評論和一篇長評論。

短評論原文：“I'm extremely satisfied with my new Ikea Kallax; It's an excellent storage solution for our kids. A definite must have.”

長評論原文：“We were in search of a storage solution for our kids, and their desire to personalize their storage units led us to explore various options. After careful consideration, we decided on the Ikea Kallax system. It has proven to be an ideal choice for our needs. The flexibility of the Kallax design allows for extensive customization. Whether it’s choosing vibrant colors, adding inserts for specific items, or selecting different finishes, the possibilities are endless. We appreciate that it caters to our kids’ preferences and encourages their creativity. Overall, the boys are thrilled with the outcome. A great value for money.”

我們使用情感分析 Pipeline 對三個(gè) NLP 模型（distilbert-base-uncased、bert-base-uncased 和 roberta-base）進(jìn)行了評估

對于每個(gè)模型，我們均測量短句和長句的執(zhí)行時(shí)間。在基準(zhǔn)測試函數(shù)中，我們進(jìn)行了運(yùn)行 Pipeline 100 次的熱身，以確保結(jié)果的一致性。接著，我們測量每次運(yùn)行的執(zhí)行時(shí)間，并計(jì)算平均值和第 99 百分位值。

結(jié) 論

通過 AWS Graviton3，你只需使用四個(gè) vCPU，就能將情感分析添加到現(xiàn)有應(yīng)用中，并可滿足嚴(yán)格的實(shí)時(shí)延遲要求。

AWS Graviton3 搭載的 Arm Neoverse V1 CPU 具有 BF16 MMLA 擴(kuò)展等 ML 特定功能，為 Hugging Face 情感分析 PyTorch 模型提供了出色的推理性能。

歡迎各位開發(fā)者使用自己的模型進(jìn)行嘗試。友情提示，根據(jù)模型的不同，你可能需要對性能進(jìn)行微調(diào)。