塊浮點（Block Floating-Point, BFP）

是一種數(shù)據(jù)表示方法，它結(jié)合了傳統(tǒng)浮點數(shù)和整數(shù)量化的優(yōu)勢，特別適用于深度學(xué)習(xí)應(yīng)用中以提高計算效率和減少存儲需求。在BFP格式中，一組數(shù)值共享同一個指數(shù)部分，而每個數(shù)值的尾數(shù)則獨立保存。這意味著，在一個塊內(nèi)的所有數(shù)字都使用相同的縮放因子，這與傳統(tǒng)的浮點數(shù)不同，后者為每個數(shù)值分配了一個獨立的指數(shù)。這種設(shè)計允許BFP在保持較高數(shù)值保真度的同時，顯著減少了所需的比特數(shù)。例如，在硬件實現(xiàn)中，BFP的縮放因子通常被限制為2的冪次，這樣不僅便于硬件實現(xiàn)，還能有效減少異常值的影響。

進一步地，BFP通過引入兩級縮放策略來優(yōu)化其性能。首先，初始值集合根據(jù)數(shù)據(jù)分布使用較為“昂貴”的FP32重新縮放步驟進行全局縮放，形成預(yù)縮放分區(qū)。然后，這些分區(qū)可以進一步使用低成本、2的冪次表示的縮放因子進行細粒度調(diào)整。這種方法能夠在有限比特數(shù)的情況下構(gòu)建高保真度的數(shù)據(jù)表示，同時最小化計算和內(nèi)存開銷，并接近全精度縮放的效果。此外，BFP還能夠很好地集成到現(xiàn)有的標準浮點點積流水線中，這意味著它可以利用現(xiàn)有電路設(shè)計，降低邊際成本。通過這種方式，BFP不僅提高了計算效率，而且減少了量化誤差，使得模型在低比特寬度下依然能保持較高的準確性?？傊?#xff0c;BFP提供了一種平衡數(shù)值精度和計算效率的有效方法，尤其適合用于需要高效處理大量數(shù)據(jù)的深度學(xué)習(xí)場景。

減少所需的比特數(shù)

塊浮點（Block Floating-Point, BFP）的設(shè)計允許在保持較高數(shù)值保真度的同時顯著減少所需的比特數(shù)。其核心思想是：一組相鄰的數(shù)值共享同一個指數(shù)（exponent），而每個數(shù)值只存儲自己的尾數(shù)（mantissa）。這種方式相比于傳統(tǒng)的浮點格式（如FP32或FP16），避免了為每個數(shù)值單獨存儲指數(shù)，從而節(jié)省了大量比特。

我們通過一個具體的例子來說明：

---

假設(shè)我們有以下4個浮點數(shù)（以二進制科學(xué)計數(shù)法表示）：

x1 = 1.0 * 2**3
x2 = 1.5 * 2**3
x3 = 0.75 * 2**3
x4 = 2.0 * 2**3

這些數(shù)的共同指數(shù)是 3，只有尾數(shù)不同。如果我們用傳統(tǒng) FP32 格式存儲這四個數(shù)，每個數(shù)需要 32 bit，總共需要：

total_bits_fp32 = 4 * 32 = 128 bits

但如果使用 BFP 格式，我們可以只存儲一次公共指數(shù)（例如用 8 bits 表示），然后分別存儲每個數(shù)的尾數(shù)（例如每個尾數(shù)用 5 bits 表示），那么總比特數(shù)為：

total_bits_bfp = 8 + 4 * 5 = 28 bits

可以看到，BFP 所需的比特數(shù)僅為傳統(tǒng)浮點數(shù)的 21.9%，極大地節(jié)省了存儲空間和帶寬。

---

更重要的是，這種設(shè)計并沒有明顯犧牲精度。因為尾數(shù)仍然保留了足夠的位數(shù)來表示每個數(shù)值的細節(jié)，只是共享了一個統(tǒng)一的指數(shù)。只要這組數(shù)值的動態(tài)范圍相近（即它們大致處于同一數(shù)量級），共享指數(shù)就不會導(dǎo)致顯著的精度損失。

再舉一個更貼近深度學(xué)習(xí)的例子：

在神經(jīng)網(wǎng)絡(luò)中，某一層的激活值可能如下所示：

a = [0.125, 0.25, 0.5, 1.0, 2.0, 4.0]

這些數(shù)的指數(shù)都在 2?3 到 22 之間。如果我們選擇一個合適的公共指數(shù)（比如取最大指數(shù) e = 2），然后對所有數(shù)值進行縮放，可以得到：

scaled_a = [0.015625 * 2**2, 0.0625 * 2**2, 0.125 * 2**2, 0.25 * 2**2, 0.5 * 2**2, 1.0 * 2**2]

這樣就可以用一個統(tǒng)一的指數(shù) e=2 和各自的尾數(shù)來表示整個數(shù)組，進一步壓縮數(shù)據(jù)表示的位寬。

---

綜上所述，塊浮點（BFP）通過共享一組數(shù)值的指數(shù)部分，顯著減少了總的比特數(shù)，同時又通過獨立存儲每個數(shù)值的尾數(shù)，保留了足夠的數(shù)值精度。這種方法特別適用于深度學(xué)習(xí)等大規(guī)模并行計算場景，在保證模型性能的前提下，大幅提升了硬件效率和內(nèi)存利用率。

MX

塊浮點（Block Floating-Point, BFP）和共享微指數(shù)（Shared Microexponents, MX）都是為了解決深度學(xué)習(xí)中高效計算和存儲的需求而設(shè)計的數(shù)據(jù)表示方法，但它們在實現(xiàn)細節(jié)上有所不同。BFP允許一組數(shù)值共享同一個指數(shù)部分，而每個數(shù)值的尾數(shù)則獨立保存，從而減少了存儲單獨指數(shù)所需的空間。相比之下，MX格式進一步細化了這種概念，通過引入硬件支持的細粒度縮放因子來減少數(shù)值噪聲，并優(yōu)化硅片成本。

具體來說，在BFP中，假設(shè)我們有n個數(shù)x?, x?, ..., x?，可以表示為：

# 假設(shè)有n個數(shù)，表示如下：
x = [m1 * 2**e for m1 in range(1, n+1)]
# 其中mi是尾數(shù)，e是公共指數(shù)。
# 如果使用傳統(tǒng)浮點表示法，每個數(shù)需要32位，總共需要：
total_bits_fp32 = 32 * n# 使用BFP格式時，我們只需要一個公共指數(shù)（例如8位），以及每個數(shù)的獨立尾數(shù)（假設(shè)每個尾數(shù)需要5位）
public_exponent_bits = 8
mantissa_bits_per_number = 5
total_bits_bfp = public_exponent_bits + mantissa_bits_per_number * n

然而，MX格式采用了更加細粒度的縮放策略。它不僅共享一個全局的指數(shù)，還為每個小分塊內(nèi)的數(shù)值分配了一個額外的微指數(shù)。這意味著MX格式能夠更精確地調(diào)整每個數(shù)值的實際大小，減少量化誤差。以MX為例，其數(shù)據(jù)塊由一個共享尺度X和k個標量元素{P?}組成，每個元素表示為XP?。這里的關(guān)鍵在于MX格式中的每個元素可以根據(jù)需要應(yīng)用不同的微指數(shù)，從而更好地適應(yīng)數(shù)據(jù)分布的變化。例如：

# 假設(shè)有一個MX塊，包含4個元素，每個元素的表示如下：
element_values = [v1, v2, v3, v4]
# 共享尺度X
shared_exp = 3  # 示例值
X = 2 ** shared_exp
# 每個元素的值為 XPi，其中Pi是根據(jù)元素數(shù)據(jù)格式進行量化后的結(jié)果
P = [0.125, 0.25, 0.5, 1.0]  # 示例值
values_in_mx_format = [X * p for p in P]# 對于MX格式，每個塊都有一個共享的指數(shù)X和多個標量元素Pi
# 例如，對于一個具體的MX塊，我們可以定義如下：
block_size = 4
scale_data_format = 'E8M0'  # 示例格式
element_data_format = 'FP8(E4M3)'  # 示例格式
elements = [0.125, 0.25, 0.5, 1.0]  # 示例元素值# 將這些元素轉(zhuǎn)換為MX格式
def convert_to_mx_format(elements):max_val = max(abs(v) for v in elements)shared_exp = int(max_val).bit_length() - 1  # 簡化處理X = 2 ** shared_expPi = [v / X for v in elements]return X, PiX, Pi = convert_to_mx_format(elements)
print(f"共享尺度X: {X}, 元素值Pi: {Pi}")

MX格式的一個顯著特點是它可以在不犧牲模型準確性的前提下，顯著減少所需的比特數(shù)，并提高硬件效率。這是因為MX格式能夠提供比BFP更高的數(shù)值保真度，特別是在處理具有較大動態(tài)范圍的數(shù)據(jù)集時。此外，MX格式利用硬件支持的微指數(shù)來自動設(shè)置所有縮放因子，無需復(fù)雜的軟件干預(yù)。

因此，盡管BFP和MX都旨在通過共享指數(shù)來優(yōu)化數(shù)據(jù)表示，MX通過引入更細粒度的縮放機制，進一步提高了數(shù)值精度和硬件效率。這使得MX格式在AI硬件加速電路中尤為重要，因為它能夠在保持或接近原有模型準確性的同時，大幅降低計算和存儲需求。正因為如此，支持MX格式的AI硬件加速電路對于現(xiàn)代深度學(xué)習(xí)系統(tǒng)的性能提升至關(guān)重要。

綜上所述，MX與BFP相比，不僅繼承了共享指數(shù)的優(yōu)點，還通過細粒度的微指數(shù)調(diào)整，提供了更高的靈活性和精度，使其成為高效AI硬件設(shè)計的理想選擇。

細粒度

好的，讓我們通過一個具體的例子來詳細解釋 MX（Microscaling） 的流程，并展示細粒度縮放的過程。我們將使用一組具體的數(shù)值，并通過代碼逐步演示如何將這些數(shù)值轉(zhuǎn)換為 MX 格式。

具體例子

假設(shè)我們有一個包含4個浮點數(shù)的列表 elements：

elements = [0.125, 0.25, 0.5, 1.0]

我們將通過以下步驟將其轉(zhuǎn)換為 MX 格式，并展示細粒度縮放的過程。

步驟一：找出最大值

首先，我們需要找出 elements 列表中絕對值最大的元素。

max_val = max(abs(v) for v in elements)
# 對于 elements = [0.125, 0.25, 0.5, 1.0]：
# abs(0.125) = 0.125
# abs(0.25) = 0.25
# abs(0.5) = 0.5
# abs(1.0) = 1.0
# max_val = max([0.125, 0.25, 0.5, 1.0]) = 1.0

步驟二：計算共享指數(shù)

接下來，我們根據(jù)最大值 max_val 計算共享指數(shù) shared_exp。這里我們使用簡化的方法來估算 log2(max_val)。

shared_exp = int(max_val).bit_length() - 1
# 對于 max_val = 1.0：
# int(1.0) = 1
# 1.bit_length() = 1
# shared_exp = 1 - 1 = 0

步驟三：計算共享尺度 X

根據(jù)共享指數(shù) shared_exp，我們可以計算共享尺度 X。

X = 2 ** shared_exp
# 對于 shared_exp = 0：
# X = 2 ** 0 = 1.0

步驟四：計算每個元素的 Pi 值

然后，我們將每個原始值除以共享尺度 X，得到歸一化后的值 Pi。

Pi = [v / X for v in elements]
# 對于 elements = [0.125, 0.25, 0.5, 1.0] 和 X = 1.0：
# Pi = [0.125 / 1.0, 0.25 / 1.0, 0.5 / 1.0, 1.0 / 1.0]
# Pi = [0.125, 0.25, 0.5, 1.0]

步驟五：返回結(jié)果

最終，我們返回共享尺度 X 和歸一化后的值 Pi。

return X, Pi
# 返回結(jié)果：X = 1.0, Pi = [0.125, 0.25, 0.5, 1.0]

細粒度縮放的例子

為了展示細粒度縮放的效果，我們假設(shè) elements 列表中的數(shù)值動態(tài)范圍更大一些。例如：

elements = [0.125, 0.25, 0.5, 8.0]

步驟一：找出最大值

max_val = max(abs(v) for v in elements)
# 對于 elements = [0.125, 0.25, 0.5, 8.0]：
# abs(0.125) = 0.125
# abs(0.25) = 0.25
# abs(0.5) = 0.5
# abs(8.0) = 8.0
# max_val = max([0.125, 0.25, 0.5, 8.0]) = 8.0

步驟二：計算共享指數(shù)

shared_exp = int(max_val).bit_length() - 1
# 對于 max_val = 8.0：
# int(8.0) = 8
# 8.bit_length() = 4
# shared_exp = 4 - 1 = 3

步驟三：計算共享尺度 X

X = 2 ** shared_exp
# 對于 shared_exp = 3：
# X = 2 ** 3 = 8.0

步驟四：計算每個元素的 Pi 值

Pi = [v / X for v in elements]
# 對于 elements = [0.125, 0.25, 0.5, 8.0] 和 X = 8.0：
# Pi = [0.125 / 8.0, 0.25 / 8.0, 0.5 / 8.0, 8.0 / 8.0]
# Pi = [0.015625, 0.03125, 0.0625, 1.0]

步驟五：返回結(jié)果

return X, Pi
# 返回結(jié)果：X = 8.0, Pi = [0.015625, 0.03125, 0.0625, 1.0]

細粒度縮放的實際應(yīng)用

現(xiàn)在，我們來看一下細粒度縮放的應(yīng)用。假設(shè)我們要將這些 Pi 值量化到 FP8(E4M3) 格式。FP8(E4M3) 表示有4位指數(shù)和3位尾數(shù)的8位浮點數(shù)。

FP8(E4M3) 示例

對于每個 Pi 值，我們需要將其量化到 FP8(E4M3) 格式。假設(shè)我們使用簡單的量化方法（實際硬件中會有更復(fù)雜的量化算法）：

def quantize_to_fp8(value):# 簡單的量化方法：直接截取前幾位有效數(shù)字# 這里只是一個示意，實際實現(xiàn)會更復(fù)雜return round(value * (2 ** 3)) / (2 ** 3)quantized_Pi = [quantize_to_fp8(p) for p in Pi]
# 對于 Pi = [0.015625, 0.03125, 0.0625, 1.0]：
# quantized_Pi = [round(0.015625 * 8) / 8, round(0.03125 * 8) / 8, round(0.0625 * 8) / 8, round(1.0 * 8) / 8]
# quantized_Pi = [0.015625, 0.03125, 0.0625, 1.0]

在實際應(yīng)用中，quantize_to_fp8 函數(shù)會更復(fù)雜，但這個簡單示例展示了如何將值量化到特定格式。

總結(jié)

通過上述步驟，我們展示了如何將一組數(shù)值轉(zhuǎn)換為 MX 格式，并引入了細粒度縮放的概念。具體來說：

• 我們先找到最大值 max_val，并計算共享指數(shù) shared_exp。
• 根據(jù) shared_exp 計算共享尺度 X。
• 將每個原始值除以 X，得到歸一化后的值 Pi。
• 最后，我們將 Pi 值量化到目標格式（如 FP8(E4M3)）。

這種設(shè)計使得 MX 格式能夠靈活適應(yīng)不同的數(shù)據(jù)分布，并在保持較高數(shù)值保真度的同時顯著減少了所需的比特數(shù)。相比 BFP，MX 通過細粒度縮放機制提供了更高的精度控制。

分層

在神經(jīng)網(wǎng)絡(luò)量化中，第一級塊和第二級塊是一種分層結(jié)構(gòu)。第一級塊是較大的劃分單位，而第二級塊是在第一級塊內(nèi)部進一步細分的小單位。這種結(jié)構(gòu)允許在保持整體精度的同時進行細粒度的控制。

塊粒度指的是每個塊中包含多少個數(shù)值。第一級塊粒度表示每個第一級塊包含的元素數(shù)量，第二級塊粒度表示在每個第一級塊內(nèi)部，再劃分成的更小塊的數(shù)量。

尺度位寬是指用于表示該塊縮放因子（scale）的比特數(shù)。每個塊都有一個共享的 scale，它決定了這個塊內(nèi)所有數(shù)值的動態(tài)范圍。第一級和第二級可以有不同的 scale 位寬。

尾數(shù)位寬是指每個具體數(shù)值用多少比特來表示。它決定了每個數(shù)值的精度。

下面通過一個例子來說明這些概念：

假設(shè)我們有以下配置：

k1 = 16   # 第一級塊大小為16個元素
k2 = 2    # 第二級塊大小為2個元素
d1 = 8    # 第一級 scale 使用 8-bit
d2 = 1    # 第二級 scale 使用 1-bit
m = 7     # 每個數(shù)值的尾數(shù)部分使用 7-bit 表示

在這個例子中，第一級塊包含16個元素，這些元素又被劃分為8個第二級塊，每個第二級塊包含2個元素。每個第一級塊使用8-bit來表示其scale，每個第二級塊使用1-bit來表示其scale。每個數(shù)值的尾數(shù)部分使用7-bit來表示。

我們可以計算出每個元素平均占用的比特數(shù)：

average_bits_per_element = (d1 + m) / k1 + d2 / k2
# 即：
# average_bits_per_element = (8 + 7) / 16 + 1 / 2
# average_bits_per_element = 15/16 + 0.5 ≈ 0.9375 + 0.5 = 1.4375 bits per element

通過這種分級量化的設(shè)計，可以在不顯著損失精度的前提下，大幅減少模型所需存儲空間和計算資源。

分層數(shù)據(jù)

好的，下面我們將以一個具體的數(shù)值例子來說明 MX4 的兩級量化結(jié)構(gòu)。MX4 是一種混合精度量化方案，它采用兩級塊結(jié)構(gòu)（two-level block structure），并結(jié)合尺度（scale）和尾數(shù)（mantissa）來表示數(shù)值。

---

我們假設(shè)有一個浮點數(shù)數(shù)組 x，其長度為 8，例如：

x = [3.14, 6.28, 9.42, 12.56, 15.7, 18.84, 21.98, 25.12]

這個數(shù)組可以看作是一個神經(jīng)網(wǎng)絡(luò)中的權(quán)重或激活值的一部分。我們希望用 MX4 格式對其進行壓縮表示。

第一步：劃分第一級塊

在 MX4 中，第一級塊大小為 k1 = 4，因此我們可以將上面的數(shù)組劃分為兩個第一級塊：

block1_level1 = [3.14, 6.28, 9.42, 12.56]
block2_level1 = [15.7, 18.84, 21.98, 25.12]

每個第一級塊都會對應(yīng)一個第一級尺度（scale1），它是該塊中所有元素的絕對最大值。我們計算如下：

scale1_block1 = max(abs(3.14), abs(6.28), abs(9.42), abs(12.56)) = 12.56
scale1_block2 = max(abs(15.7), abs(18.84), abs(21.98), abs(25.12)) = 25.12

然后，每個元素被歸一化到 [-1, 1] 范圍內(nèi)，并使用 4-bit 尾數(shù)（m=4）進行表示。歸一化公式如下：

normalized_x = x / scale1
quantized_x = round(normalized_x * (2**m - 1))

對第一個第一級塊進行歸一化與量化：

normalized_block1 = [3.14/12.56, 6.28/12.56, 9.42/12.56, 12.56/12.56]= [0.25, 0.5, 0.75, 1.0]quantized_block1 = [round(0.25 * 15), round(0.5 * 15), round(0.75 * 15), round(1.0 * 15)]= [4, 8, 11, 15]   # 每個數(shù)是 4-bit 表示

同理可得第二個第一級塊的量化結(jié)果。

第二步：劃分第二級塊

接下來，在每個第一級塊內(nèi)部進一步劃分為第二級塊。MX4 中規(guī)定第二級塊大小為 k2 = 2，所以每個第一級塊（含4個元素）被劃分為兩個第二級塊：

# block1_level1 劃分：
block1_level2_1 = [3.14, 6.28]
block1_level2_2 = [9.42, 12.56]# block2_level1 劃分：
block2_level2_1 = [15.7, 18.84]
block2_level2_2 = [21.98, 25.12]

每個第二級塊也有自己的尺度（scale2），用于局部調(diào)整。例如：

scale2_block1_1 = max(abs(3.14), abs(6.28)) = 6.28
scale2_block1_2 = max(abs(9.42), abs(12.56)) = 12.56

此時每個第二級塊內(nèi)的元素可以用更細粒度的 scale 來表示，但它們的 scale 使用 2-bit 編碼（d2=2），即只保留有限的動態(tài)范圍。

---

第三步：總比特消耗計算

現(xiàn)在我們統(tǒng)計一下總共用了多少比特來表示這 8 個原始浮點數(shù)。

• 第一級 scale 數(shù)量：2 個（每個 d1=4 bit） → 共 2 × 4 = 8 bits
• 第二級 scale 數(shù)量：4 個（每個 d2=2 bit） → 共 4 × 2 = 8 bits
• 所有元素的尾數(shù)：8 個（每個 m=4 bit） → 共 8 × 4 = 32 bits

總計：

total_bits = 8 + 8 + 32 = 48 bits
average_bits_per_element = total_bits / 8 = 6 bits per element

---

總結(jié)

在這個 MX4 示例中，我們通過將原始數(shù)據(jù)劃分為兩級塊結(jié)構(gòu)，分別設(shè)置了不同位寬的尺度和統(tǒng)一的尾數(shù)位寬，最終實現(xiàn)了高效的壓縮表示。雖然原始數(shù)據(jù)是 32 位浮點型，但經(jīng)過 MX4 量化后，平均每個元素僅需 6 位 存儲，節(jié)省了約 81% 的存儲空間，同時保持了較高的精度水平。這種結(jié)構(gòu)非常適合邊緣設(shè)備上的高效推理部署。