深鉴科技DNNC编译器浅析

从官网下载了他们产品试用版，目前手头没有合适的开发板，没法运行实际的例子，但是作为一个程序猿，我比较感兴趣的是其DNNC编译器的实现。看其文档，其可以让用户轻松完成从Caffe框架到DPU的转换。本文基于其软件接口，进行了简单的分析总结，仅供参考。

分析软件包中 /host_x86/pkgs/bin/dnnc文件，可以得到如下的一些发现：

1、集成了Caffe中proto并进行了扩展，用于读取”.prototxt”和”.caffemodel”文件，还增加了如下的参数：

caffe::FixedParameter，猜测这个新增的参数和定点化有关。标准的Caffe里未找到这个参数，可能是深鉴或者其他开发者做了扩展。
主要成员如下，包含了定点化位宽、定点方法等标志位。

caffe::FixedParameter
caffe::FixedParameter::FixedMethod_MAX
caffe::FixedParameter::FixedMethod_MIN
caffe::FixedParameter::kFixInfoFieldNumber
caffe::FixedParameter::kBitWidthFieldNumber
caffe::FixedParameter::DIFF_A
caffe::FixedParameter::DIFF_S
caffe::FixedParameter::OVER_FLOW

caffe::TilingParameter, 猜测和数据划分有关，由于查看不到有用信息，这个不列举了。

2、DNNC中会把神经网络模型编译成内部计算图IR，附加控制流和数据流。LayerGraph、SuperGraph等数据结构在其中扮演了重要的角色，其主要接口有：

忽略函数的返回值：

dnnc::LayerGraph
dnnc::LayerGraph::CreateLayer(dnnc::LayerType, const std::string&)
dnnc::LayerGraph::CreateLayer(dnnc::LayerType, const std::string&, const dnnc::parameter_t&)
dnnc::LayerGraph::CreateLayer(dnnc::Layer*)
dnnc::LayerGraph::RemoveLayer(dnnc::Layer*)
dnnc::LayerGraph::CopyLayer(const dnnc::Layer*)
dnnc::LayerGraph::AddControlLayer()
dnnc::LayerGraph::AddEdge(dnnc::Layer*, int, dnnc::Layer*, int)
dnnc::LayerGraph::RemoveEdge(const dnnc::LayerEdge*)
dnnc::LayerGraph::CreateSubgraph(std::set< const dnnc::Layer* >)