如果你是一個(gè)活躍的 Jetson 開發(fā)者，你知道 NVIDIA ISAAC 的一個(gè)關(guān)鍵優(yōu)點(diǎn)是它將 CPU 和 GPU 組合成一個(gè)單一的模塊，在一個(gè)可以部署在邊緣的小、低功耗軟件包中為你提供擴(kuò)展的 NVIDIA 軟件堆棧。

Jetson 還具有多種其他處理器，包括硬件加速編碼器和解碼器、圖像信號(hào)處理器和深度學(xué)習(xí)加速器（ DLA ）。

DLA 可在 Jetson AGX Xavier， Xavier NX， Jetson AGX Orin 和 Jetson Orin-NX 模塊上使用。最近的 NVIDIA DRIVE Xavier 和基于 Orin 的平臺(tái)也有 DLA 核心。

深度學(xué)習(xí)加速器概述

DLA 是一種特定于應(yīng)用的集成電路，能夠有效地執(zhí)行固定操作，如卷積和池，這在現(xiàn)代神經(jīng)網(wǎng)絡(luò)架構(gòu)中很常見。雖然 DLA 沒有那么多 支持的層 作為 GPU ，它仍然支持許多流行的神經(jīng)網(wǎng)絡(luò)架構(gòu)中使用的各種層。

在許多情況下，層支持可能涵蓋模型的需求。例如， NVIDIA TAO 工具包 包括 DLA 支持的各種預(yù)訓(xùn)練模型，從目標(biāo)檢測(cè)到動(dòng)作識(shí)別。

雖然需要注意的是， DLA 吞吐量通常低于 GPU 的吞吐量，但它具有能效，允許您卸載深度學(xué)習(xí)工作負(fù)載，將 GPU 釋放出來用于其他任務(wù)。或者，根據(jù)您的應(yīng)用程序，您可以在 GPU 和 DLA 上同時(shí)運(yùn)行相同的模型，以實(shí)現(xiàn)更高的凈吞吐量。

許多 NVIDIA Jetson 開發(fā)者已經(jīng)在使用 DLA 成功優(yōu)化他們的應(yīng)用程序。 Postmates 利用 DLA 和 GPU 優(yōu)化了 Jetson AGX Xavier 上的交付機(jī)器人應(yīng)用。這個(gè) 菜鳥實(shí)驗(yàn)室 使用 DLA 優(yōu)化其物流車輛。如果您希望充分優(yōu)化應(yīng)用程序， DLA 是 Jetson 系列中需要考慮的一個(gè)重要部分。

如何使用深度學(xué)習(xí)加速器

圖 1.Jetson Orin 上深度學(xué)習(xí)加速器的粗略架構(gòu)圖

要使用 DLA ，首先需要使用深度學(xué)習(xí)框架（如 PyTorch 或 TensorFlow ）來訓(xùn)練模型。接下來，您需要使用 NVIDIA TensorRT 導(dǎo)入并優(yōu)化您的模型。 TensorRT 負(fù)責(zé)生成 DLA 引擎，也可以用作執(zhí)行這些引擎的運(yùn)行時(shí)。最后，您應(yīng)該分析您的模式，并盡可能進(jìn)行優(yōu)化，以最大限度地提高 DLA 兼容性。

開始使用深度學(xué)習(xí)加速器

準(zhǔn)備好潛水了嗎？這個(gè) Jetson_dla_tutorial GitHub 項(xiàng)目演示了一個(gè)基本的 DLA 工作流，可以幫助您優(yōu)化 Jetson 的應(yīng)用程序。

通過本教程，您可以學(xué)習(xí)如何在 PyTorch 中定義模型，使用 TensorRT 導(dǎo)入模型，使用 NVIDIA Nsight System profiler 分析性能，修改模型以獲得更好的 DLA 兼容性，以及為 INT8 執(zhí)行進(jìn)行校準(zhǔn)。請(qǐng)注意， CIFAR10 數(shù)據(jù)集用作玩具示例，以便于再現(xiàn)步驟。

關(guān)于作者

John Welsh 是 NVIDIA 自治機(jī)器的開發(fā)技術(shù)工程師，他與 NVIDIA Jetson 一起開發(fā)加速應(yīng)用程序。

審核編輯：郭婷