神经网络的优化除了之前提到的一些硬件优化手段(AI硬件加速拾遗)之外，还有很多图层方面的优化手段。大家好啊，我是董董灿。
而且图层方面的优化，有时效果更佳。往往一个有效的优化，甚至可以“消除”掉一个算子的存在。
这里的“消除”用的引号，是因为这个算子并未被真正消除，从整个神经网络的计算流上看，这个算法仍然存在。
只不过，它的计算过程被其他计算过程掩盖住了，像是被“消除”了。
这里介绍一种算子融合并且使用图层流水进行网络优化的方法。
先看Resnet50 中一个网络片段。关于该网络的算法原理，可以参考以前的文章长文解析Resnet50的算法原理。
下图展示的是 Resnet50 中第一个 block 结束时的图结构。
该结构中，存在卷积算子和加法算子，我们可以利用融合手段，将红框标出的两个算子融合成一个算子。
将卷积和加法融合成一个算子后，再通过指令调度，实现卷积和加法指令的 ping-pong 流水，便可以利用卷积的计算掩盖掉加法的计算。
关于ping-pong流水的概念，可以参考 AI加速（五）| 一个例子看懂流水——从指令到算法 来进行理解。
这里说一点，为什么卷积计算可以掩盖掉加法计算呢？
因为在相同的输入输出规模的情况下，由于卷积的计算是乘累加，而加法的计算是单纯地加法，因此，在绝大部分的硬件上，一般都是卷积的计算耗时要大于加法。
那怎么掩盖呢？
正常的一个卷积后面如果跟一个加法的话，它的计算流从上到下是这样的:
先计算卷积Conv，再计算加法Add。假设卷积的计算时间是 A， 加法的计算时间是 B，那么总共的耗时就是 A+B。
这很简单，大家都会算。
那如果将两个算子融合到一起，同时将一张输入图片（Feature Map）切成一半，分两次来运算。每次运算使用 ping-pong memory 来实现计算流水。
那两次计算的计算流从上到下是这个样子。
左侧 Conv 和 Add 计算前半张图，使用ping memory来计算，右侧 Conv 和 Add 计算后半张图，使用pong memory来计算。
这里说明一下：Conv 和 Conv 是不能并行的，因为一般一个硬件上，只有一个Conv 的硬件计算单元，当然，有多个的又是另外的话题了，这里暂时不考虑。
这个时候，可以看到第二行中，第一个 Add 和第二个 Conv 处在一个时间片内，同时由于使用的是不同的memory，两者可以完全并行。
两者并行完成计算，此时，Conv 就掩盖掉了左侧 Add 的时间。
而整个计算流消耗的时间便是：A/2 + A/2(掩盖掉了Add 的 B/2) + B/2 = A + B/2。
可以看到，此时整体的计算耗时已经比不进行流水时，减少了一半的加法。
那如果将图进一步切分，切成4份来进行运算呢？
那此时的计算流从上到下是这个样子：
由于第2、3、4行的 conv 分别掩盖掉了其左侧的Add 计算，因此，整个计算流所消耗的时间变成了 A + B/4。
可以看到，将图切的越小，流水起来之后，掩盖掉的加法的时间越多，剩余的加法的时间越少。
如果切的再多，加法的耗时甚至可以忽略掉了。
这种方法很简单，也很容易实现，但从硬件上来说，需要硬件满足以下条件：
-
卷积计算单元和加法计算单元在硬件上是独立的。
-
硬件有成熟的同步机制来完成卷积计算和加法计算的同步
为什么需要同步机制呢？因为每一个横向的时间片段中，Add 和 Conv 没有任何数据依赖，但是纵向的看，Add 的计算总是依赖于上面的 Conv 的输出。
因此，需要在每一个横向时间片段起始时，完成上一个时间片段中 Conv 计算和 Add 计算的同步。
只要硬件上满足了以上条件，软件上的切图、排流水、融合操作其实很简单。
很多深度学习编译器，如TVM提供了图融合和自动 tiling 策略，可以做到切图，并且调度指令完成流水排布。
即使编译器限于某些开发难度限制，无法自动完成融合和tiling，也可以手动写一个融合大算子出来，手动排指令流水，也不是很难的事。
总之，这种方法作为一个行之有效的融合方法，可以用在很多的神经网络性能优化中。
而且效果很出众。
深度学习加速优化，关注我，一起学习交流。
