脸书开源服务器端推理函式库FBGEMM，以低精度运算加速机器学习推理

脸书开源特别针对服务器推理进行最佳化的高效能核心函式库FBGEMM，与其他函式库不同的是，FBGEMM最佳化了CPU效能，透过降低精度计算以加速深度学习模型，目前脸书已经在自己的服务中使用了这个函示库，对照于现今的生产基准，带来了两倍的性能提升。

为了让大规模生产服务器有效执行先进的深度学习模型，脸书因而建构了FBGEMM，这是一种低精度、高效能的矩阵相乘以及卷积网络函式库，FBGEMM针对服务器端的推理做了最佳化，在深度学习框架执行量化推理时，能够同时兼顾准确性和效率，让脸书基于CPU的系统，实现比前一代还要快两倍的效能。

脸书把所有低精度推理需要的模组都打包进单一函式库，开发者现在可以透过Caffe2前端来部署FBGEMM，并且在不久的将来，还能透过PyTorch 1.0的Python前端进行呼叫，而FBGEMM与前些时日开源的QNNPACK，同作为支援PyTorch 1.0平台的一部分，全面支援量化推理。

FBGEMM最大的特色在于对低精准度资料的最佳化，与科学计算中使用的传统线性代数函式库不同，FBGEMM不使用FP32或FP64精度，能为小批次提供有效的低精度通用矩阵相乘（GEMM）运算，并且支援精准度损失最小化技术，像是Row-wise量化和异常值感知量化。

FBGEMM已经在脸书中大规模部署，加速了许多端到端的人工智能服务，包括将英文翻译成西班牙文的速度提高了1.3倍，减少了40%推荐系统资讯来源动态内存带宽使用，并为机器学习系统Rosetta加速了2.4倍的字符检测速度。Rosetta是脸书用来理解文字、图片和影片内容的系统，被应用在脸书以及Instagram上的各式使用案例，包括自动识别违反社群规则或是个性化产品服务。

脸书提到，矩阵相乘的运算效率对机器学习来说至关重要，对脸书的资料中心来说，完全连接运算子（Fully connected Operators）是深度学习模型中浮点数运算的大宗。在脸书对自家资料中心进行分析，测量了24小时深度学习推理浮点数运算的分布，完全连接运算子占全部推理浮点数运算的77％。

由于完全连接运算子就是一般的矩阵相乘运算，因此整体效率也就直接取决于矩阵相乘的效率，脸书提到，不少深度学习框架卷积依矩阵相乘运算实作为im2col，因为高效能运算领域中的线性代数函式库，提供了高效能的矩阵相乘运算实作，但是im2col输入资料的副本与复制动作，带来了额外的成本，所以不少深度学习函式库也实做了无im2col的卷积来提高效率。

而脸书提供了融合im2col和主要矩阵相乘运算核心的方法，以最大程度降低im2col带来的额外成本，脸书提到，高效能矩阵相乘运算核心是一个重要的关键，通常在深度学习的高效能运算函式库供给和需求都存在错误配对，高效能运算函式库通常不支援有效率的量化矩阵相乘相关运算，也没有针对深度学习推理中常见的矩阵形状以及大小进行最佳化。

深度学习模型通常使用FP32资料类型来表达活跃度和权重，但使用具有混合精度资料类型的计算，通常更加有效率，脸书表示，最近的研究也都显示，使用混合精度的推理，并不会对精确度产生不利的影响，FBGEMM透过这种替代性策略，加上量化模型来提高推理效能。

新一代的GPU、CPU和专用张量处理器，本身都支援低精度算子，像是Nvidia张量核心中支援FP16和INT8，还有Google处理器也支援INT8，脸书提到，深度学习社群正往低精度模型发展，这也代表量化推理是正确的方向，而FBGEMM提供当前和下一代CPU，一种有效执行量化推理的方法。