vivado HLS硬件化指令（三）HLS增大运算吞吐量的硬件优化

浅浅的花香味﹌ 2022-05-16 01:59 1424阅读 0赞

**背景：**为了更少的时延，我们需要增大吞吐量和流率，因此需要用到下面的优化指令。

**目的：**熟悉UG902文档中HLS关于增大吞吐量和流率的优化指令。

**目录**

1. Task Pipeline

1.1 Rewinding pipelined loops

1.2 Flushing Pipeline

1.3 Automatic loop pipeline

2 Partition Array to improve pipelining

3.dependencies

3.1 去除false dependencies来改善loop pipeline

4.  loop unrolling

--------------------

# 1. Task Pipeline #

Pipeline的意思是一个操作并不需要完成所有的步骤，而下一个操作就会开始。可以用于函数和循环。

![70][]

如果没有pipeline优化指令，则函数每3个时钟周期读取一个数，每2个时钟周期输出一个数。函数的Initiation Interval（II）为3，latency为2。加了pipeline之后，II=1

![70 1][]

运用循环流水线，可以将一个8时钟周期的循环（II=3）改为4时钟周期。

PIPELINE指令的II（Initiation interval）默认值为1，II可以被确认。Pipeline指令下面的层级的会被UNROLL，所有的子函数需要被单独的PIPELINE。

函数PIPELINE与循环PIPELINE的区别，如下图：

*  函数中，PIPELINE会永久运行不结束。
 *  循环中，PIPELINE指令会一直执行知道所有的循环结束。

![70 2][]

## 1.1 Rewinding pipelined loops ##

Loops which are the top-level loop in a function or are used in a region where the DATAFLOW optimization is used can be made to continuously execute using the PIPELINE directive with the rewind option.即DATAFLOW指令需要使用PIPELINE的rewind选项。

![70 3][]

## 1.2 Flushing Pipeline ##

Pipeline会持续的执行，只要有数据输入到pipeline之中。如果没有数据可以被获取，则pipeline会中止。如果没有数据可以读入，则pipeline会中止，像下面那样，有数据读入时，pipeline会继续开始。

![70 4][]

## 1.3 Automatic loop pipeline ##

Solution——Solution settings——general——add——config\_compile

可以设置iteration limit，在limit之下的就自动被pipeline

# 2 Partition Array to improve pipelining #

![70 5][]

这种报错就是不能满足II=1，因为内存port数量的限制。数组通常被存在BRAM上，BRAM最大的端口数量为2，因此限制了读和写的吞吐量。为了改善带宽，我们可以将数组实现为更小的数组，这样就能有效的增加port的数量。

数组运用ARRAY\_PARTITION指令分开，HLS会提供三个类型的partation指令：

*  Block:整体的分
 *  cyclic:交叉的分
 *  complete:数组分为单独的元素进行操作

![70 6][]

对于block指令和cyclic指令来说，factor指令用于将数组分成不同的小数组的数量的个数。例如，上面的就是factor为2，如果不能整除。最后一个数组就有更少的元素。

当分开多元数组的时候，dimension选项用于具体化数组分成的维度。

![70 7][]

![70 8][]

# 3.dependencies #

HLS会基于c代码创建一个硬件的datapath。如果没有pipeline指令，则执行的时候是一个序列，因此没有dependecies。当读和写操作在前一个读和写操作之后被执行，则认为是具有dependencies。

*  read-after-write，RAW是true denpendency。例如：t=a\*b；c=t+1
 *  write-after-read，WAR是anti-dependency，当一个指令在前一个指令运行之前不能更新一个寄存器或者memory。例如，b=t+a；t=3；
 *  write-after-write，WAW当不用按照确定的顺序进行写操作时。t=a+b;c=t+1;t=1;
 *  read-after-read，RAR为no-dependency

例如，生成一个pipeline时，

int top(int a, int b) {
    	int t,c;
    	I1: t = a * b;
    	I2: c = t + 1;
    	return c;
    }

I2语句用到了I1语句的t，硬件上，乘法操作需要3个时钟周期。I2会被delay这么久。如果进行pipeline，则实验依然会是3因，但是II变味了1，因为这是一个严格的前馈的datapath。

int top(int a) {
    	int r=1,rnext,m,i,out;
    	static int mem[256];
    	L1: for(i=0;i<=254;i++) {
    	#pragma HLS PIPELINE II=1
    		I1: m = r * a , mem[i+1]=m; // line 7
    		I2: rnext = mem[i], r = rnext; // line 8
    	}
    	return r;
    }

当作用的是数组不是变量时，memory dependencies就会发生。sheduling上面的L1就会产生下面这些警告信息：

WARNING: [SCHED 204-68] Unable to enforce a carried dependency constraint (II = 1,
    distance = 1)
    between 'store' operation (top.cpp:7) of variable 'm', top.cpp:7 on array 'mem' and
    'load' operation ('rnext', top.cpp:8) on array 'mem'.
    INFO: [SCHED 204-61] Pipelining result: Target II: 1, Final II: 2, Depth: 3.

如果写一个参数，读取另一个，就不会出现这样的问题。

// Iteration for i=0
    I1: m = r * a , mem[1]=m; // line 7
    I2: rnext = mem[0], r = rnext; // line 8
    // Iteration for i=1
    I1: m = r * a , mem[2]=m; // line 7
    I2: rnext = mem[1], r = rnext; // line 8
    // Iteration for i=2
    I1: m = r * a , mem[3]=m; // line 7
    I2: rnext = mem[2], r = rnext; // line 8

![70 9][]

# 3.1 去除false dependencies来改善loop pipeline #

如果loop之间有dependencies，则pipeline就不能进行。

void foo(int rows, int cols, ...)
    for (row = 0; row < rows + 1; row++) {
    	for (col = 0; col < cols + 1; col++) {
    	#pragma HLS PIPELINE II=1
    		if (col < cols) {
    			buff_A[2][col] = buff_A[1][col]; // read from buff_A[1][col]
    			buff_A[1][col] = buff_A[0][col]; // write to buff_A[1][col]
    			buff_B[1][col] = buff_B[0][col];
    			temp = buff_A[0][col];
    		}
    	}
    }

这个例子中，HLS并不知道cols的值，并且保守的假定buff\_A\[1\]\[col\]与buff\_A\[1\]\[col\]之间是具有dependence的。

![70 10][]

如果cols=0，则下一个循环迭代就会很快开始，从buff\_A\[0\]\[cols\]的读与写不能同时发生。cols会一直是0，但HLS不能假设数据之间的独立性。所以可以用DEPENDENCE指令来让HLS知道数据之间的关联性。在这里，假设数据之间，在loop iteration之间，没有dependence，

void foo(int rows, int cols, ...)
    for (row = 0; row < rows + 1; row++) {
    	for (col = 0; col < cols + 1; col++) {
    	#pragma HLS PIPELINE II=1
    	#pragma AP dependence variable=buff_A inter false
    	#pragma AP dependence variable=buff_B inter false
    		if (col < cols) {
    			buff_A[2][col] = buff_A[1][col]; // read from buff_A[1][col]
    			buff_A[1][col] = buff_A[0][col]; // write to buff_A[1][col]
    			buff_B[1][col] = buff_B[0][col];
    			temp = buff_A[0][col];
    		}
    	}
    }

*  Inter：（迭代间相关）指定dependency是存在于同一个循环的不同的迭代之中

如果进行这个指令指明false，则HLS会将循环进行并行化处理。

*  Intra：（迭代内相关）指定dependence是在一个循环迭代之中。例如一个数组会在iteration的开始和结束被access

当intradependencies被指明为false时，HLS就会将loop中间的operation进行自由的移动。

大多数情况下，data dependencies是一个困难的问题，往往需要更改源码。

# 4.  loop unrolling #

默认模式下，HLS会将loop进行rolled，所以loop会被当作单个的entity。loop中所有的操作都被运用相同的硬件资源迭代实现。

运用UNROLL指令，可以将for循环进行展开。

![70 11][]

*  Rolled loop：每个迭代需要单独的时钟周期。一共四个时钟周期，只需要一个乘法器和单端口的BRAM
 *  Partially unrolled loop：loop被factor为2的展开。需要两个乘法器和双端口的RAM，实现需要两个时钟周周期就能结束。一半的II和一半的latency。
 *  Unrolled loop：完全unrolled，需要4个乘法器。更重要的是，需要4次读和写，但是BRAM最多两个端口，因此需要将数组进行partation。

// Array Order : 0 1 2 3 4 5 6 7 8 9 10 etc. 16 etc...
    // Sample Order: A0 B0 C0 D0 E0 F0 G0 H0 A1 B1 C2 etc. A2 etc...
    // Output Order: A0 B0 C0 D0 E0 F0 G0 H0 A0+A1 B0+B1 C0+C2 etc. A0+A1+A2 etc...
    #define CHANNELS 8
    #define SAMPLES 400
    #define N CHANNELS * SAMPLES
    void foo (dout_t d_o[N], din_t d_i[N]) {
    	int i, rem;
    	// Store accumulated data
    	static dacc_t acc[CHANNELS];
    	// Accumulate each channel
    	For_Loop: for (i=0;i<N;i++) {
    		rem=i%CHANNELS;
    		acc[rem] = acc[rem] + d_i[i];
    		d_o[i] = acc[rem];
    	}
    }

这个例子中，数据被存储在interleave的channel中，一共8通道。如果loop被pipeline为II=1，则每个通道每隔8时钟周期被读和写一次。

Partially unroll这个loop，factor设为8就能让每个通道并行的处理程序。(输入和输出的数组需要也被分为cyclic，这样可以在每个时钟周期之中被多接入)。如果循环被运用pipelined指令加上rewind选项优化，则design就能持续的对8个通道进行并行处理。

void foo (dout_t d_o[N], din_t d_i[N]) {
    #pragma HLS ARRAY_PARTITION variable=d_i cyclic factor=8 dim=1 partition
    #pragma HLS ARRAY_PARTITION variable=d_o cyclic factor=8 dim=1 partition
    	int i, rem;
    	// Store accumulated data
    	static dacc_t acc[CHANNELS];
    	// Accumulate each channel
    	For_Loop: for (i=0;i<N;i++) {
    	#pragma HLS PIPELINE rewind
    	#pragma HLS UNROLL factor=8
    		rem=i%CHANNELS;
    		acc[rem] = acc[rem] + d_i[i];
    		d_o[i] = acc[rem];
    	}
    }

未完

[70]: /images/20220516/e5afdc4a7d6347d9b6352ae4bbe4254d.png
[70 1]: /images/20220516/a1a87ba081624c7c9916471a36ef915f.png
[70 2]: /images/20220516/3fe10aa5b07b4e1492c370167040db28.png
[70 3]: /images/20220516/db29c8e69695404d88cde74a0e51b3cc.png
[70 4]: /images/20220516/59fb4fc4b85e4c75a2b48a4dba78f993.png
[70 5]: /images/20220516/d66b67f485e14648b3c789ee39013a41.png
[70 6]: /images/20220516/dec4b14fa9744a40b88416da9199193b.png
[70 7]: /images/20220516/c210db21ccc443bcbec56d5d561f698e.png
[70 8]: /images/20220516/4d447798f96e474497ca292df8bfba86.png
[70 9]: /images/20220516/f99a8310ba924b6a9fb0ac6fba980aca.png
[70 10]: /images/20220516/f164cb4cadb347da86dc7f1e294bd9ac.png
[70 11]: /images/20220516/cd909974588447d38c5441aad5ec9f92.png