标签：pipeline 变量 HLS Pipeline 笔记 循环 Xilinx loop
for循环优化
1、基本概念
与for循环相关的基本概念
Pipelining的for循环
for循环的展开
for循环的循环变量的数据类型，是否对综合后结果的资源有所影响
Performance Metrics（衡量指标）
优化方式：采用pipeline
采用Pipeline前后对比我们可以发现，在不采用流水线的时候是过程化运行（有时间的先后顺序进行）；当采用流水线后，当在读数据的时候，下一个Fou循环就开始读地址，会有并行（椭圆标记的位置）的效果
for 循环展开（空间换时间）
默认情况下，C函数中的For循环是被折叠的，即每次循环均采用同一套电路，它是分时复用的；所谓的展开是复制了多个相同的电路，从而允许所有迭代并行发生。
我们也可以把For循环部分展开，如下例所示，将For循环拆解成了3部分，被复制后(0,3),(1,4)和(2,5)分别共用一套逻辑资源。
设置方式
循环变量：通常情况下i的数据类型是不会对资源的分配产生影响。
总结：
清楚地了解Il和loop/function latency
Pipelining是减少循环延迟的一种非常流行的方法
展开允许循环主体并行运行
部分展开可以在并行性和资源之间进行折中
迭代类型不影响面积结果
循环变量的数据类型，对最终的资源消耗量没有影响。
2、循环合并(loop merge)
我们期望其可以并行计算
但实际上是按照顺序执行
我们可以采用循环合并的方法——loop merge
我们首先需要声明一个需要修改的区域——loop region
合并之后
对比
循环边界为不同的常数
以最大的为循环边界
如果循环边界是变量
在没有合并时候，我们会发现Trip Count为0~15，这是因为k的变量类型为ap_uint<4>，其数据上限位15。当我们实施循环合并时会报错（无法合并）。这说明变量边界和常数边界无法合并。
解决方案：
如果for均是变量时，通过修改代码去解决（此处类似+余数的方法，单独处理余下的循环）。
总结
我们可以单独构成一个region
合并for循环在一定程度上帮助我们降低时钟周期，并让一些for循环可以并行计算
但不是所有类型循环都可以合并，要注意上图的规则。
3、数据流优化（Dataflow）
ABC三个Task有顺序关系,我们可以采用pipeline，但是merge不行，此处我们采用dataflow来进行优化；
此时循环之间是一个并行的关系，三者之间是有交叠的，这可以减少延迟提高数据的吞吐量。
默认情况下，通道是通过ping-pong RAM实现的。通过conifg_dataflow，可以将实现方法更改为FIFO。
Dataflow 限制情况
限制情况举例，以下情况可以使用pipeline和loop merge进行优化，但是没办法使用dataflow
我们修改代码，增加copy步骤（此处应该是每次读取数值消耗导致的）
另一个例子
如果不优化，只能使用pipeline
这里依然采用copy的方法
如果Vivado HLS确定按顺序访问数据，则Vivado HLS将存储通道实现为深度为1的FIFO通道.
如果Vivado HLS无法确定数据是按顺序访问的，或者无法确定数据是以任意方式访问的，则Vivado HLS将内存通道实现为ping-pong buffers。
使用config_dataflow配置
此配置为设计中的所有通道设置默认通道。
要减少通道中使用的内存大小，可以使用FIFO。
要显式设置FIFO中元素的深度或数量，请使用fifo_depth选项。
总结
4、嵌套For循环的优化（留坑）
我们希望将imperfect loop nests转换为前两种
例子
内部for循环做Pipeline和对外部for循环做Pipeline的情况对比；
可以看到，只对内部进行pipeline，其资源开销更小。对外部进行pipeline，资源开销大，但是速度更快（latency）
对内部做流水，展开并打平，但要求循环体一定要是perfect loop和semi perfect loop
Pipeline最里面for循环可为大多数应用使用更少的硬件资源（与外部for循环相比），并具有通常可接受的吞吐量。
对层次结构的高层进行Pipeline，会展开所有子循环，并可以创建更多要调度的操作（这可能会影响运行时间和内存容量），但通常在吞吐量和延迟方面提供最高性能的设计。
5、其他优化方法
1、Allocation：
默认循环下是顺序执行的，如果循环参量是变量或者相等，我们没办法使用merge方法
此时我们可以将其合并成一个函数，去调用两次，HLS在编译中，会采用分时复用的方式，调用这个函数多次，以节省计算时间，但整体效率与之未组成函数时无差异。
使用Allocation 命令来使得Accumlator函数复制两份，并作pipeline，以实现并行执行。
2、Rewind
当函数中有多个循环时候，我们做Rewind，会爆出警告，没有办法执行，所以我们可以看出Rewind不是所用的for循环都是适用的。
3、Automatic loop pipelining
config_compile配置使循环可以根据迭代计数自动进行Pipeline处理。
+pipeline_loops选项设置迭代限制
+迭代次数低于此限制的所有循环将自动Pipeline
+默认为0：不执行自动Pipeline的循环
如果设计中有不想使用自动自动Pipeline的循环，则将带有off选项的PIPELINE指令应用于该循环。off选项可防止自动循环流水线。
当一个任务是pipeline时，所有的循环都会被展开，但如果循环边界（参数）是变量，则无法使用自动流水。因为HLS无法知道循环何时完成。
4、Variable Loop Bounds
当循环边界是变量时，该如何解决
针对这个问题，我们有三种解决方法
+使用Tripcount指令
+将循环边界的数据类型声明为ap_int
+在C代码中使用assert macro
采用Tripcount指令，设置一个区间
ap_int
这里设为int 5，综合报告生成出来为0-15（16）这是由位数决定的。
在C代码中使用assert macro（最优方法）
标签：pipeline,变量,HLS,Pipeline,笔记,循环,Xilinx,loop 来源： https://blog.csdn.net/u014798590/article/details/121437243
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。