智能驾驶的深度神经网络模型嵌入式部署的线路思考

背景

1、最近的APA项目以及slam项目科研计划都推进到研究嵌入式平台的阶段
2、智能平台方案替换美系方案的工作是必然，最近国内芯片商接触频繁
3、算法方案商的合作中也在思考未来的智能驾驶的智能平台方案

1.智能平台角度

1.1 通用并行计算架构cuda方案

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。还有一个叫做cudnn，是针对深度卷积神经网络的加速库。

这个方案在短时间内L4，L5 的方案部署都是较好的。

• NVIDIA DRIVE AGX Xavier （ 30 Tops）
• NVIDIA DRIVE AGX Orin™内置Orin芯片（200 Tops）， L2 级到 L5 级完全自动驾驶汽车开发的兼容架构平台。由于 Orin 和 Xavier 均可通过开放的 CUDA、TensorRT API、NvMedia，Driveworks及各类库进行编程，因此开发者能够快速从目前的Xavier平台到Orin平台快速移植AV算法。并将于 2022 年开始投产
• NVIDIA Ampere架构也在进一步提升DRIVE平台的计算性能。
• 下一代DRIVE Pegasus Robotaxi自动驾驶平台。该平台凭借两个Orin SoC和两块NVIDIA Ampere GPU，可实现2000 TOPS的性能

华为MDC智能驾驶计算平台也具有L4，L5的能力

• MDC300 的算力在 64 Tops ，四颗华为昇腾(每颗芯片 16 Tops，大规模的低精度浮点型运)，一颗的鲲鹏芯片（ARM，集成系统，一般擅长进行高精度浮点型串型运算），一颗是 TC397（MUC， ASIL-D）
• MDC600 （ 160 Tops）

特斯拉 HW3.0 FSD 控制器。

• FSD 的 HW3.0 有两个相同的计算单元构成，每个计算单元上面有 2 块运算芯片，每块算力位 36 Tops，设备总算力位 4 x 36 Tops = 144 Tops。但是由于采用的是双机热备的运行方式，实际可用的算力是 72 Top。在功能安全上，FSD 的 2 个计算单元每 20ms 同步一次运行状态与处理数据，通过交叉验证以保证故障冗余安全。

参考图：

1.2自研IP核方案，TI TDA4，地平线BPU，黑芝麻BSNN （NPU）等

采集自己的IP深度学习加速核，前期在FPGA上验证开发IP核。

一般设计时，DDR 与ARM 之间有cache；神经网络加速器NPU与DDR之间没有cache。arm与NPU交互需要首先刷新内存。

需要关注latency 核DDR带宽优化的取舍。

一般目前的地平线J3 黑芝麻A1000 不支持3D卷积（医学领域常用），BERT，NLP等（该信息需要与最新的文档保持，这里仅仅是目前了解的信息）

2. 嵌入式定点模型部署方案

定点一般4bits,8bits,16bits

2.1、MXNET 与，tensorflow，pytorch 量化训练方案

1、有利于模型精度

2.2、caffe，tensorflow，pytorch，ONNX 浮点-定点转换方案

1、有利于设计开发

2.3 未来更可能的部署方案

1、目前如果可以，建议采样api 加自定义层（如果支持）的方案，复杂但最直接。有利于调试。注意：在自研IP核的方案上无法实现自定义OP；在cuda方案可以实现自定义OP。
2、利用caffe 部署，应该是面向过去的粗颗粒度的方案
3、先转换成ONNX模型，然后浮点转定点，然后部署。其中，转换成ONNX的时候可能会由于自定义OP导致，ONNX中生成较多小OP，影响效率以及框架兼容性下降。可以考虑利用框架中的API自定义或者寻找替代相似OP。一般自研IP不支持API自定义深度学习网络层

2.4 关于ONNX转换的一些问题

自定义层的替换，或者API实现；胶水OP；不支持OP回退CPU等问题。专门一篇文章讲讲相关风险点。

注意：部署中前处理，后处理都需要去掉后生成ONNX网络，有利于部署。前处理对于图像一般有CV或者IPU等加速器实现（resize，crop，金字塔）；对于激光雷达可能需要用arm出来。后处理一般放到arm上运行.

工具链角度

现阶段，对于面向量产的智能驾驶域控制器开发来说，已经有非常完备的工具链支持了。

包括：

• Adaptive AutoSAR 的配置工具 ARTOP、
• 代码开发/部署工具 Development Studio、
• 神经网络模型转换运行工具 ，
• Classic AutoSAR 的 Tasking 编译工具和配套的 MCU 二次开发包等等。