ARMノートPCの時代

ARMノートPC、絶対に来る。

ARMノートPCが今年発売されるらしいが、恐らくその魅力と言えば電池の持ちの良さになるのではないかなと思っている。今使っているMacBookもノートパソコンの部類の中ではかなりバッテリ持ちが良いほうだが、それでももっと長く電池が持てばと思うことは多い。ARMはIntelアーキと比べたらかなり低消費電力なはずだ。ただ画面の消費電力はARMノートPCでも減らないので、消費電力の低減は限定的にはなるだろう。しかし、画面の消費電力が大きいと認識されれば当然減らそうと躍起になるだろうからそこら辺も進歩するんじゃないのかな。

WindowもARMに対応する。x86のアプリケーションをエミュレーションするとか言っているし力の入れようが伺える。ネイティブアプリも増えるだろう。

ARMに移行するだけで消費電力は減るだろうが、やはり実行速度としては心配だ。Intelと同じくらいのサイズのキャッシュをARMにつけてプロセスサイズも同じなら互角に戦えるはずだが、なにしろそんな製品をまだ見たことが無いのでどうなるか分からない。またARMコアだから16コア程度積むのではないかと思っている。しかし、現在のアプリケーションはあまり並列化されていないしこれからもわざわざプログラマーが並列化して書いてくれるかというと暗雲が立ち込める。ChromeとかSafariあたりのブラウザはちゃんと対応しそうだが、OfficeだったりiTunesだったりは対応するだろうか。ARMノートPCが一般大衆に触れられる頃にはアプリケーションの並列性抽出が広く問題になっているかもしれない。

並列性抽出といえば並列言語だが、並列言語で書いても小さな並列性ばかりが集まってしまうらしい。だから自動解析は大切なのだ。

DE0-nano-SoCのf2hポートでAvalon-MMのreadができない

Avalon-MMでreadをしようとして嵌っている。。

DE0-nano-SoCボードというARMコアにFPGAが付いたものを使っているのだが、そこにはFPGAからSDRAMにアクセス可能なバスがありこれをFPGA2HPSという。

このバスはAXIインターフェイスなのだが、Qsysで合成する時にAvalon-MMとAXIの変換器を自動で入れてくれるのでごちゃまぜにして利用することが可能なのだ。

Avalon-MMインターフェイスは信号線の選択によって色々なインターフェイスを作ることが可能なのだが、自分は基本的にwaitrequestという信号がアサートされたら待つというだけでそれ以外はシンプルなメモリインターフェイスのように使っている。
しかしこれがいけないのだろうか。readをしようとしてもいつまで経ってもwaitrequestがアサートされたままで前に進むことが出来ない。

byteenableやreaddatavalidなどを有効にして試していきたいが、何しろコンパイル時間がかかりすぎてそのやる気が出ない。
困ったものだ。

 

追記5/13

結局、h2fからAddress Span Expanderを介してf2hに向かう信号をロジアナで解析することでこの問題は解決した。

使った信号線はaddress, read, readdatavalid, readdata, write, writedata, burstcount, waitrequest, byteenableだ。

このうちbyteenableは全ビット1固定、burstcountは1で固定しておけば良い。
実際的に追加したのはreaddatavalidだけで、pipelinedな形式でないと読めないのだと考えられる。

追記5/16

恐らくこれは非同期なメモリインターフェイスと同期なメモリインターフェイスを自動変換してくれないということなのだろう。

tensorflowとMNISTで遊ぶ2日目

一日目は単純なConvolutionで認識する装置を作ったが、これではDeep Learningとは言えない。

ということで次は
https://www.tensorflow.org/get_started/mnist/pros
を参考にDeepLearningをやっていく。

googleのチュートリアルには99.2%出るって書いてあるけど出ない・・・

困った

# -*- coding: utf-8 -*-

#tensorflowのimport
import tensorflow as tf
import sys
import random
import gc

gc.collect()

train_num = 60000
test_num = 10000

#file:fから1つだけ画像を読み込んで一次元のListで返す
def read_mat(f):
    y = []
    for _ in range(28):
        x = f.read(28)
        for j in range(28):
            y.append(0 if ord(x[j])==0 else 127 )
    return y

#file:fから1バイトの値を読み込んでその値を整数にして返す
def read_ans_one(f):
    return ord(f.read(1)[0])

#file:fから1バイトの値xを読んでx番目だけが1でそれ以外は0の一次元配列を返す
def read_ans_one_arr(f):
    x = read_ans_one(f)
    y = [0,0,0,0,0,0,0,0,0,0]
    y[x] = 1
    return y

#read_matで読み込んだ画像を1つ出力する
def print_mat(y):
    for i in range(28):
        for j in range(28):
            sys.stdout.write('*' if y[i*28+j] > 0 else ' ')
        print(' ')

#read_matで読み込んだ画像の配列を全て出力する
def print_mat_arr(arr):
    for x in arr:
        print_mat(x)

#file:fimgからnum個の画像を読み込んで配列にして返す
def read_img(fimg,num):
    xx = []
    for _ in range(num):
        y = read_mat(fimg)
        xx.append(y)
    return xx

#file:fansからnum個の正解データを読み込んで
#配列にして返す
def read_ans(fans,num):
    y = []
    for _ in range(num):
        y.append(read_ans_one_arr(fans))
    return y

#配列aの中で最大のものの要素のindexを返す
def argmax(a):
    ind = 0;
    m = 0;
    for i in range(len(a)):
        if(m < a[i]):
            m = a[i]
            ind = i
    return ind

#argmaxの比較
def diff_it(a,b):
    return 0 if argmax(a) == argmax(b) else 1;


train_data_index = 0

def sample_train_data(xx,yy,samp):
    global train_data_index
    if train_data_index + samp >= train_num :
        train_data_index = 0
    i = train_data_index
    train_data_index += samp
    j = train_data_index
    return xx[i:j],yy[i:j]

#トレイニングデータの60000個の要素の中から100個を選び返却
#def sample_train_data(xx,yy,samp):
#    r = random.sample(range(len(xx)),samp)
#    rx = []
#    ry = []
#    for i in r:
#        rx.append(xx[i])
#        ry.append(yy[i])
#    return rx,ry

def read_test_img(test_num):
    #テストフェーズ
    fimg = open("test-img","rb")
    fans = open("test-ans","rb")
    fimg.read(16)
    fans.read(8)
    test_x = read_img(fimg,test_num)
    test_y = read_ans(fans,test_num)
    fimg.close()
    fans.close()
    return test_x,test_y

def check(yy, yy_):
    count = 0
    #テストデータでテストを行い、結果が違ったら出力する。
    #間違った数をカウントする
    for i in range(test_num):
        if diff_it(yy[i],yy_[i]) > 0 :
            count += 1
    print("count:" + str(count) + "   err rate:" + str(count/100.0))


def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)

def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding='SAME')



#トレイニングデータ読み込み
#train-imgから画像を、ansから正解データを読み込む
fimg = open("train-img", "rb")
fans = open("train-ans", "rb")
#ヘッダーを読み飛ばす
#imgには16バイトのヘッダー
fimg.read(16)
#ansには8バイトのヘッダー
fans.read(8)
train_x = read_img(fimg,train_num)
train_y = read_ans(fans,train_num)

fimg.close()
fans.close();


#モデル組み立て
#sess = tf.Session()
sess = tf.InteractiveSession()

x = tf.placeholder(tf.float32, [None, 784])
y_ = tf.placeholder(tf.float32, [None, 10])

#first layer
W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
x_image = tf.reshape(x, [-1,28,28,1])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
#second layer
h_pool1 = max_pool_2x2(h_conv1)

#third layer
W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
#forth layer
h_pool2 = max_pool_2x2(h_conv2)

#fifth layer
W_fc1 = weight_variable([7 * 7 * 64, 1024])
b_fc1 = bias_variable([1024])
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

#dropout
keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)


#sixth layer
W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])
y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2

#train
cross_entropy = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y_conv))
train_step = tf.train.AdadeltaOptimizer(2.0).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
#init = tf.global_variables_initializer()
gc.collect()
sess.run(tf.global_variables_initializer())
#sess.run(init)

#テストデータ読み込み
test_x,test_y_ = read_test_img(test_num)


for i in range(20000):
    #100個のトレーニングデータをランダムに用意して
    xx, yy = sample_train_data(train_x, train_y,50)
    if i%500 == 0:
        train_accuracy = accuracy.eval(feed_dict={x:test_x, y_:test_y_, keep_prob: 1.0})
        print("step {0}, training accuracy {1:f}".format(i, train_accuracy))
    train_step.run(feed_dict={x: xx, y_: yy, keep_prob: 0.5})


#最終的なテスト結果
train_accuracy = accuracy.eval(feed_dict={x:test_x, y_:test_y_, keep_prob: 1.0})

sess.close()

print("step {0}, training accuracy {1:f}".format(i, train_accuracy))

print(sess.run(W))
print(sess.run(b))

tensorflowとMNISTで遊ぶ一日目

今や情報系と言えば機械学習といったような勢いだ。
もちろん自分も機械学習については勉強しているしこれからもしていくつもりだ。

さて、機械学習と言えばtensorflowである。tensorflowはgoogleが作ったと言うだけあって完成度が高い。自分でわざわざ細かいところを実装しなくても重要な部分を少しだけ記述するだけで思った通りの学習をさせることができる。

GW、特にやることがなくtensorflowでMNISTをやってみたので書いてみる。

また、MNISTのサンプルの多くがinput_dataというものを利用しているが、これを使うと中で何をやっているのかがよく分からなくなってしまい困ってしまったので今回、input_dataを使わずに実装した。

MNISTのデータセットはhttp://yann.lecun.com/exdb/mnist/で配布されている。
トレイニング用データをtrain-imgとtrain-ansにリネーム、テスト用データをtest-imgとtest-ansにリネーム

以下のコードを実行すると学習出来る。
1個の画像の入力データを28×28の二次元データとして扱うのではなく、784個の一次元データとして扱っている。これがxのベクトルになる。
ここで0の数字の認識についてのみ考える。
0を認識するのにそれぞれの画素に重みをつけ、ここの画素が黒いとそれは0である確率が高くなるのか、低くなるのかそれとも無関係なのかでそれぞれ正の数,負の数,ゼロになるようにする。
それぞれの画素の値と重みをかけ合わせ全てを足した値がその画像らしさを表すが、0~9で平均が異なってしまうのでそれを修正するためにオフセットbを足すといったところだろうか。

# -*- coding: utf-8 -*-

#tensorflowのimport
import tensorflow as tf
import sys
import random

#file:fから1つだけ画像を読み込んで一次元のListで返す
def read_mat(f):
    y = []
    for _ in range(28):
        x = f.read(28)
        for j in range(28):
            y.append(0 if ord(x[j])==0 else 127 )
    return y

#file:fから1バイトの値を読み込んでその値を整数にして返す
def read_ans_one(f):
    return ord(f.read(1)[0])

#file:fから1バイトの値xを読んでx番目だけが1でそれ以外は0の一次元配列を返す
def read_ans_one_arr(f):
    x = read_ans_one(f)
    y = [0,0,0,0,0,0,0,0,0,0]
    y[x] = 1
    return y

#read_matで読み込んだ画像を1つ出力する
def print_mat(y):
    for i in range(28):
        for j in range(28):
            sys.stdout.write('*' if y[i*28+j] > 0 else ' ')
        print(' ')

#read_matで読み込んだ画像の配列を全て出力する
def print_mat_arr(arr):
    for x in arr:
        print_mat(x)

#file:fimgからnum個の画像を読み込んで配列にして返す
def read_img(fimg,num):
    xx = []
    for _ in range(num):
        y = read_mat(fimg)
        xx.append(y)
    return xx

#file:fansからnum個の正解データを読み込んで
#配列にして返す
def read_ans(fans,num):
    y = []
    for _ in range(num):
        y.append(read_ans_one_arr(fans))
    return y

#配列aの中で最大のものの要素のindexを返す
def argmax(a):
    ind = 0;
    m = 0;
    for i in range(len(a)):
        if(m < a[i]): m = a[i] ind = i return ind #argmaxの比較 def diff_it(a,b): return 0 if argmax(a) == argmax(b) else 1; #トレイニングデータの60000個の要素の中から100個を選び返却 def sample_train_data(xx,yy): r = random.sample(range(60000),100) rx = [] ry = [] for i in r: rx.append(xx[i]) ry.append(yy[i]) return rx,ry def read_test_img(test_num): #テストフェーズ fimg = open("test-img","rb") fans = open("test-ans","rb") fimg.read(16) fans.read(8) test_x = read_img(fimg,test_num) test_y = read_ans(fans,test_num) fimg.close() fans.close() return test_x,test_y def check(yy, yy_): count = 0 #テストデータでテストを行い、結果が違ったら出力する。 #間違った数をカウントする for i in range(test_num): if diff_it(yy[i],yy_[i]) > 0 :
            count += 1
    print("count:" + str(count) + "   err rate:" + str(count/100.0))


train_num = 60000
test_num = 10000

#トレイニングデータ読み込み
#train-imgから画像を、ansから正解データを読み込む
fimg = open("train-img", "rb")
fans = open("train-ans", "rb")
#ヘッダーを読み飛ばす
#imgには16バイトのヘッダー
fimg.read(16)
#ansには8バイトのヘッダー
fans.read(8)
train_x = read_img(fimg,train_num)
train_y = read_ans(fans,train_num)

fimg.close()
fans.close();


#モデル組み立て
sess = tf.Session()

#xが入力データ、y_が正解データ
x = tf.placeholder(tf.float32, [None, 784])
y_ = tf.placeholder(tf.float32, [None, 10])

#Wがフィルタ
W = tf.Variable(tf.zeros([784, 10]))
#bはバイアス
b = tf.Variable(tf.zeros([10]))
#yが出力 y = Wx + b 単純
y = tf.nn.softmax(tf.matmul(x, W) + b)

#yとy_でクロスエントロピーを取る
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y + 1e-30),reduction_indices=[1]))
#AdadeltaOptimizerを使ってクロスエントロピーを最小化
train_step = tf.train.AdadeltaOptimizer(0.1).minimize(cross_entropy)

init = tf.global_variables_initializer()
sess.run(init)

print(sess.run(W))
print(sess.run(b))

#テストデータ読み込み
test_x,test_y_ = read_test_img(test_num)

#100回学習を実行する
for i in range(1000):
    #100個のトレーニングデータをランダムに用意して
    xx, yy = sample_train_data(train_x, train_y)
    #トレーニングを実行
    sess.run(train_step, {x:xx, y_:yy})
    #10回に1回テストを実行
    if i%10 == 0:
        test_y  = sess.run(y,{x:test_x})
        check(test_y,test_y_)

#最終的なテスト結果
test_y  = sess.run(y,{x:test_x})
check(test_y,test_y_)
print(sess.run(W))
print(sess.run(b))

サイト(nginx)のipv6対応設定

このサイトが対応し忘れていたのでメモ

まずはDNSレコードの設定でAAAAレコードを設定する。
AAAAレコードというのはドメインに対応するipv6アドレスを記録するレコードでipv4でいうAレコードに相当する。

おわったらnginxの設定を行う。
/etc/nginx/conf.dの中にある設定ファイルで

service{
listen 80;
listen [::]:80;

とすればipv4、ipv6どちらからの接続も成功するようになった。

確認は自分の場合wgetを使って、サイトにipv6でアクセス出来る環境から
wget -6 http://code.kashimata.net/
という具合でアクセスして確かめた。
-6というのはipv6の使用を強制するオプションである。
ipv4について確認したいときは-4オプションを使う。

ツインテールアーキテクチャ

ツインテールアーキテクチャを提案している論文を読んだ。面白かった。

教授は僕の興味を汲み取ってくれてこの論文を読むことを勧めてくれたのだろう。

単純にまとめれば

  • スーパースカラにおいて命令間に依存があっても実行できるようにする
  • フロントエンドでインオーダー実行、バックエンドでOoO実行
  • OoOのdispatchやscheduleを行っている間にフロントエンド実行を行い、
    フロントエンド実行の分のレイテンシを隠蔽

評価の結果を見ると平均13.6%の性能向上ということでまずまずの結果かな

FPGA SoC (FPGAとARMコア Altera-SoC/Zynq)

今の研究はFPGAとARMがひとつになったXilinx社でいえばZYNQ、Altera社でいえばAltera-SoCというものを触っているのだが、この可能性について書きたい。

ARMは近年いろいろなところで利用されるようになった。CPUの出荷台数で言えばARMはintelの数倍になっている。

本題のARMとFPGAの組み合わせだが、使っているということはアリだと思っているわけである。というのも、ARMが使われている分野は(電池駆動の)組込系が多く消費電力にシビアな世界が多い。だから高性能なCPUは使えない。じゃあGPUはどうかというと更に消費電力が高く組み込み系には使いづらいだろう。

ARMコア単体でも組み込み系で特に電力に関してシビアなものに搭載されているというイメージがある。一方FPGAは今まで単体でカメラなどに採用されてきたが汎用性の問題で置き去りにされてきたイメージだ。この汎用性の問題が解決すれば十分に使い物になると思う。特にCNNを利用した画像処理は大量の計算リソースが必要でFPGAに適しているだろう。

ARMからFPGAがコンフィギュア可能という特徴があるのでアプリケーションごとにFPGAを再構成させることが可能になる。また、全体の再構成だけではなく、部分的再構成させることも可能になるだろう。(今も苦労すれば出来るのかもしれないが)

個人的にはFPGAという細粒度な再構成可能アクセラレータよりCGRAのような粗粒度な再構成可能アクセラレータに分があると考えている。

FPGAは、本当に汎用的に使いたい分野にこそ向かないものの、同じプログラムを頻繁に利用するような組み込みの世界ではスループットを爆発的に改善する大きな一歩になるだろう。

Linuxにおける論理アドレスと物理アドレス間の変換(virt_to_physとphys_to_virtとioremap)

物理メモリと仮想メモリのアドレス変換が出来なくて困っていた。

意外とちゃんと説明しているサイトは少ないようだ。

どのサイトもvirt_to_physとphys_to_virtを使えば良いということであったが…

virt_to_physとphys_to_vortを使うにはC言語の範疇には収まらないものをincludeしなければならない。具体的に言えばカーネルのヘッダーだ。

#include <asm/io.h>

こうして変換してみたものの、ペリフェラルにアクセスするとカーネルが落ちてしまった。

実はphys_to_virtは完璧な訳ではなく、io空間にアクセスするにはioremapを使わなければならないらしい。

ということでまとめてみると、

  • 論理アドレスから物理アドレス
    • virt_to_phys
  • 物理アドレスから論理アドレス
    • 元々virt_to_physで変換したアドレスやプログラム中で確保されている領域
      • phys_to_virt
    • ペリフェラル
      • ioremap

となります。

ハードウェア設計者のソフトウェアコーディング力維持

自分がハードウェアのことばかりを考えるようになってから久しいが、最近コーディング力の減少に悩まされている。
アルバイトを辞めてからだろうか。いや、あのバイトがコーディング力維持に役に立っていたとは思えない。
Atcoderの問題が全然解けなくて焦るばかりだ。
心が折れそうだ

コンピュータアーキテクチャとセキュリティ

最近のCPUは早いんだからアーキ自体にもっとセキュリティの機能を付けようという発想のコンピュータアーキテクチャ開発の話を聞いた。(読んだ)

確かにそのとおりである。今のアーキテクチャは古い時代に設計されたものが主でセキュリティ関連の甘さを感じることは多い。

特にメモリのアクセス管理はアーキの部分に押し込めるべき部分だ。今まではMMUを使って特権モードとユーザーモードで区別してきたが、正直これだけだとゆるすぎるだろう。プロセス別に分けることを考える余裕はあると思う。

 

ただ、ここで書いたセキュリティをより強化すべきCPUは全てのCPUに当てはまるわけではない。当然組み込み(やHPC)は別に考えてしかるべきだろう。

アーキにおいて重要なのはバランスだ(うちの先生は「トーレドオフが重要」が口癖)