深度学习是人工智能（AI）近几年重新走红的功臣，也是吞噬算力的巨大“黑洞”。据评估，仅对一个图像分类器进行训练，可能就需耗费次单精度操作[1]。在商业化深度学习应用纷纷落地的今天，用户的既有算力储备正受到前所未有的挑战。
传统上，大多数深度学习应用在其训练和推理工作负载中多采用32位浮点精度（FP32）。高精度数据格式固然能带来更精确的结果，但囿于系统内存带宽等限制，深度学习在执行操作时，往往易陷入内存瓶颈而影响计算效率。
这就如同协调工程车辆奔赴工地，传统的宽大工程车固然装载量(精度)较大，但在有限的道路宽度上却易造成拥塞。而小型化工程车虽然装载量小，但其更高的通行效率却反而会带来整体效能提升。
从图一可以看出，当数据格式由FP32转为8位整数（INT8）或16位浮点数（BF16）时，内存可以移动更多的数据量，进而更大化地利用计算资源。
图一 不同数据格式对内存利用率的影响
近年来已有众多研究和实践表明，以较低精度的数据格式进行深度学习训练和推理，并不会对结果的准确性带来太多影响[2]，而低精度数据格式带来的优势，也不仅在于提升内存利用效率，在深度学习常见的乘法运算上，它也能减少处理器资源消耗并实现更高的操作速度（OPS）。
英特尔® 深度学习加速（英特尔® DL Boost）技术的精髓，就是把对低精度数据格式的操作指令融入到了AVX-512指令集中，即AVX-512_VNNI(矢量神经网络指令)和AVX-512_BF16（bfloat16），分别提供了对INT8（主打推理）和BF16（兼顾推理和训练）的支持。
图二 英特尔® 深度学习加速技术带来训练和推理效率提升
如图二所示，对应之前提到的工程车与施工效率的关系，在寄存器（道路）宽度一定的情况下，两种新的、针对AI应用的AVX-512指令集使道路（寄存器）上通过了更多的“工程车（数据量）”，当不同规格工程车的装载量（即精度）上的差别对结果几乎不会有什么实质影响时，新的指令集无疑能使计算效率获得大幅提升。
2020年问世的第三代英特尔® 至强® 可扩展处理器家族已集成了英特尔® 深度学习加速技术这两种AI加速指令集，并被广泛运用于商业深度学习应用的训练和推理过程。其中，AVX-512_VNNI理论上可使推理效率提升至4倍[3]，而AVX-512_BF16则能帮助训练性能提升达1.93倍[4]。
让我们来看看更接地气的实践场景。以医疗影像分析为例，如图三所示，汇医慧影在乳腺癌影像分析场景中引入了集成有英特尔® 深度学习加速技术的第二代英特尔® 至强® 可扩展处理器，配合 OpenVINO™ 工具套件，在对检测模型进行了INT8转换和优化后，推理速度较原始方案提升高达 8.24 倍，且精确度损失不到 0.17%[5]。
图三 汇医慧影使用OpenVINO™及对模型进行转换、优化前后的效果对比
让我们再来看看Facebook，它导入了第三代英特尔® 至强® 可扩展处理器，以使用其新增BF16加速能力的英特尔® 深度学习加速技术来提升PyTorch的性能。据实测：与FP32相比，使用BF16加速后ResNet-50的训练性能提升1.64倍，DLRM的训练性能提升1.4倍，ResNeXt-101 32x4d的训练性能也提升1.6倍[6]。
[1] 数据援引自：
https://itpeernetwork.intel.com/science-engineering-supercomputers-ai/
[2] 相关研究例如：
Vanhoucke, et al. (2011)：
https://research.google.com/pubs/pub37631.html;
Hwang, et al. (2014)：
http://ieeexplore.ieee.org/abstract/document/6986082/;
Courbariaux, et al. (2015)：
https://arxiv.org/abs/1412.7024;
Koster, et al.(2017)：
https://arxiv.org/abs/1711.02213;
Kim and Smaragdis (2016)：
https://arxiv.org/abs/1601.06071。
[3] 数据援引自：
https://www.intel.com/content/www/us/en/artificial-intelligence/posts/lowering-numerical-precision-increase-deep-learning-performance.html
[4] 测试配置如下：
测试组配置：单节点，4 个安装在英特尔参考平台 (Cooper City) 的第三代智能英特尔® 至强® 可扩展 8380H 处理器（预生产 28C，250W），总内存 384 GB（24 个插槽/16 GB/3200），ucode 0x700001b，超线程开启，睿频开启，带有 Ubuntu* 20.04 LTS，Linux* 5.4.0-26,28,29-generic，英特尔 800 GB 固态盘 OS 驱动器，ResNet-50 v 1.5 吞吐量，https://github.com/Intel-tensorflow/tensorflow -b bf16/base，commit #828738642760358b388d8f615ded0c213f10c9 9a，Modelzoo：https://github.com/IntelAI/models/ -b v1.6.1，Imagenet 数据集，oneAPI 深度神经网络库 (oneDNN) 1.4，BF16，BS=512，英特尔于 2020 年 5 月 18 日进行测试。 基准组配置：英特尔参考平台 (Lightning Ridge) 上的 1 个节点、4 个英特尔® 至强® Platinum 8280 处理器，总内存 768 GB（24 个插槽/32 GB/2933），ucode 0x4002f00，超线程开启，睿频开启，Ubuntu* 20.04 LTS，Linux* 5.4.0-26,28,29-generic，英特尔 800 GB 固态盘 OS 驱动器，ResNet-50 v 1.5 吞吐量，https://github.com/Intel-tensorflow/tensorflow -b bf16/base，commit #828738642760358b388d8f615ded0c213f10c99a，Modelzoo：https://github.com/IntelAI/models/ -b v1.6.1，Imagenet 数据集，oneAPI 深度神经网络资料库 (oneDNN) 1.4，FP32，BS=512，英特尔于 2020 年 5 月 18 日进行测试。
[5] 案例链接：
https://www.intel.cn/content/www/cn/zh/analytics/artificial-intelligence/accelerated-ai-on-xeon.html
[6] 详情请见：
https://www.intel.cn/content/www/cn/zh/artificial-intelligence/posts/intel-facebook-boost-bfloat16.html
