1. 概述

得益于大數(shù)據(jù)的興起以及算力的快速提升，機器學習技術在近年取得了革命性的發(fā)展。在圖像分類、語音識別、自然語言處理等機器學習任務中，數(shù)據(jù)為大小維度確定且排列有序的歐氏(Euclidean)數(shù)據(jù)。然而，越來越多的現(xiàn)實場景中，數(shù)據(jù)是以圖(Graph)這種復雜的非歐氏數(shù)據(jù)來表示的。Graph不但包含數(shù)據(jù)，也包含數(shù)據(jù)之間的依賴關系，比如社交網(wǎng)絡、蛋白質分子結構、電商平臺客戶數(shù)據(jù)等等。數(shù)據(jù)復雜度的提升，對傳統(tǒng)的機器學習算法設計以及其實現(xiàn)技術帶來了嚴峻的挑戰(zhàn)。在此背景之下，諸多基于Graph的新型機器學習算法—GNN(圖神經(jīng)網(wǎng)絡)，在學術界和產(chǎn)業(yè)界不斷的涌現(xiàn)出來。

GNN對算力和存儲器的要求非常高，其算法的軟件實現(xiàn)方式非常低效，所以業(yè)界對GNN的硬件加速有著非常迫切的需求。我們知道傳統(tǒng)的CNN(卷積神經(jīng)網(wǎng)絡網(wǎng)絡)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，在本文撰寫之時，Google和百度皆無法搜索到關于GNN硬件加速的中文研究。本文的撰寫動機，旨在將國外最新的GNN算法、加速技術研究、以及筆者對GNN的FPGA加速技術的探討相結合起來，以全景圖的形式展現(xiàn)給讀者。

2. GNN 簡介

GNN的架構在宏觀層面有著很多與傳統(tǒng)CNN類似的地方，比如卷積層、Polling、激活函數(shù)、機器學習處理器(MLP)和FC層等等模塊，都會在GNN中得以應用。下圖展示了一個比較簡單的GNN架構。

圖 1：典型的GNN架構

但是， GNN中的Graph數(shù)據(jù)卷積計算與傳統(tǒng)CNN中的2D卷積計算是不同的。以圖2為例，針對紅色目標節(jié)點的卷積計算，其過程如下：

· Graph卷積：以鄰居函數(shù)采樣周邊節(jié)點特征并計算均值，其鄰居節(jié)點數(shù)量不確定且無序(非歐氏數(shù)據(jù))。

· 2D卷積：以卷積核采樣周邊節(jié)點特征并計算加權平均值，其鄰居節(jié)點數(shù)量確定且有序(歐氏數(shù)據(jù))。

圖 2： Graph卷積和2D卷積

3. GraphSAGE算法簡介

學術界已對GNN算法進行了非常多的研究討論，并提出了數(shù)目可觀的創(chuàng)新實現(xiàn)方式。其中，斯坦福大學在2017年提出的GraphSAGE是一種用于預測大型圖中動態(tài)新增未知節(jié)點類型的歸納式表征學習算法，特別針對節(jié)點數(shù)量巨大、且節(jié)點特征豐富的圖做了優(yōu)化。如下圖所示，GraphSAGE計算過程可分為三個主要步驟：

圖 3：GraphSAGE算法的視覺表述

· 鄰節(jié)點采樣：用于降低復雜度，一般采樣2層，每一層采樣若干節(jié)點

· 聚合：用于生成目標節(jié)點的embedding，即graph的低維向量表征

· 預測：將embedding作為全連接層的輸入，預測目標節(jié)點d的標簽

為了在FPGA中實現(xiàn)GraphSAGE算法加速，我們需要知悉其數(shù)學模型，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(shù)學過程。

圖 4：GraphSAGE算法的數(shù)學模型

對于每一個待處理的目標節(jié)點xv，GraphSAGE 執(zhí)行下列操作：

1)通過鄰居采樣函數(shù)N(v)，采樣子圖(subgraph)中的節(jié)點

2)聚合被采樣的鄰節(jié)點特征，聚合函數(shù)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)卷積結果做非線性處理

5)迭代若干次以結束當前第k層所有鄰節(jié)點的處理

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(jié)點xv的嵌入(embedding)

4. GNN加速器設計挑戰(zhàn)

GNN的算法中涉及到大量的矩陣計算和內存訪問操作，在傳統(tǒng)的x86架構的服務器上運行此算法是非常低效的，表現(xiàn)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顯著收益。然而GPU內存擴展性的短板，使其無法勝任海量節(jié)點Graph的處理;GPU的指令執(zhí)行方式，也造成了計算延遲過大并且不可確定，無法勝任需要實時計算Graph的場景。

如上所述種種設計挑戰(zhàn)的存在，使得業(yè)界急需一種可以支持高度并發(fā)實時計算、巨大內存容量和帶寬、以及在數(shù)據(jù)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，專門針對數(shù)據(jù)中心和機器學習工作負載進行了優(yōu)化，消除了CPU、GPU以及傳統(tǒng) 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 (NoC)，獨創(chuàng)的機器學習處理器矩陣 (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，為用戶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: Achronix Speedster7t1500 高性能FPGA 架構

如上所述種種特性，使得Achronix Speedster7t1500 FPGA器件為GNN加速器設計中所面臨的各種挑戰(zhàn)，提供了完美的解決方案。

表1：GNN設計挑戰(zhàn)與Achronix的Speedster7t1500 FPGA解決方案

5.1 GNN加速器頂層架構

本GNN加速器針對GraphSAGE進行設計，但其架構具有一定的通用性，可以適用于其他類似的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(來源：Achronix原創(chuàng))

圖中GNN Core為算法實現(xiàn)的核心部分，其設計細節(jié)將在下文展開談論;RoCE-Lite為RDMA協(xié)議的輕量級版本，用于通過高速以太網(wǎng)進行遠程內存訪問，以支持海量節(jié)點的Graph計算，其設計細節(jié)將在本公眾號的后續(xù)文章中討論;400GE以太網(wǎng)控制器用來承載RoCE-Lite協(xié)議;GDDR6用于存放GNN處理過程中所需的高速訪問數(shù)據(jù);DDR4作為備用高容量內存，可以用于存儲相對訪問頻度較低的數(shù)據(jù)，比如待預處理的Graph;PCIe Gen5x16提供高速主機接口，用于與服務器軟件交互數(shù)據(jù);上述所有模塊，皆通過NoC片上網(wǎng)絡來實現(xiàn)高速互聯(lián)。

5.2 GNN Core 微架構

在開始討論GNN Core 微架構之前，我們先回顧一下本文第3節(jié)中的GraphSAGE算法，其內層循環(huán)的聚合以及合并(包含卷積)等兩個操作占據(jù)了算法的絕大部分計算和存儲器訪問。通過研究，我們得到這兩個步驟的特征如下：

表2：GNN算法中聚合與合并操作對比

可以看出，聚合操作與合并操作，其對計算和存儲器訪問的需求完全不同。聚合操作中涉及到對鄰節(jié)點的采樣，然而Graph屬于非歐氏數(shù)據(jù)類型，其大小維度不確定且無序，矩陣稀疏，節(jié)點位置隨機，所以存儲器訪問不規(guī)則并難以復用數(shù)據(jù);在合并操作中，其輸入數(shù)據(jù)為聚合結果(節(jié)點的低維表征)以及權重矩陣，其大小維度固定，存儲位置規(guī)則線性，對存儲器訪問不存在挑戰(zhàn)，但是矩陣的計算量非常大。

基于以上分析，我們決定在GNN Core加速器設計中用兩種不同的硬件結構來處理聚合操作與合并操作，功能框圖如下圖所示：

圖7: GNN Core功能框圖(來源：Achronix原創(chuàng))

聚合器(Aggregator)：通過SIMD(單指令多數(shù)據(jù)處理器)陣列來對Graph進行鄰居節(jié)點采樣并進行聚合操作。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(shù);“多數(shù)據(jù)”則表示單次mean()均值計算中需要多個鄰居節(jié)點的特征數(shù)據(jù)作為輸入，而這些數(shù)據(jù)來自于子圖采樣器(Subgraph Sampler);SIMD陣列通過調度器Agg Scheduler做負載均衡;子圖采樣器通過NoC從GDDR6或DDR4讀回的鄰接矩陣和節(jié)點特征數(shù)據(jù)h0v，分別緩存在Adjacent List Buffer和Node Feature Buffer之中;聚合的結果hkN(v)存儲在Agg Buffer之中。

合并器(Combinator)：通過脈動矩陣PE來執(zhí)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ReLU激活函數(shù)做非線性處理，同時也存儲在Partial Sum Buffer中以方便下一輪迭代。

合并的結果通過L2BN歸一化處理之后，即為最終的節(jié)點表征hkv。

在比較典型的節(jié)點分類預測應用中，該節(jié)點表征hkv可以通過一個全連接層(FC)，以得到該節(jié)點的分類標簽。此過程屬于傳統(tǒng)的機器學習處理方法之一，沒有在GraphSAGE論文中體現(xiàn)，此設計中也沒有包含這個功能。

6. 結論

本文深入討論了GraphSAGE GNN 算法的數(shù)學原理，并從多個維度分析了GNN加速器設計中的技術挑戰(zhàn)。作者通過分解問題并在架構層面逐一解決的方法，綜合運用Achronix Speedster7t1500 FPGA所提供的競爭優(yōu)勢，創(chuàng)造了一個性能極佳且高度可擴展的GNN加速解決方案。