本节主要介绍斯坦福提出的Spatial语言，Spatial语言是内嵌与scala的领域特定语言(DSL)，用来实现硬件设计。
本节的阅读材料有：
1.Spatial的论文
https://stanford-ppl.github.io/website/papers/pldi18_koeplinger.pdfstanford-ppl.github.io2.Aladdin
Proceeding of the 41st annual international symposium on Computer architecuturedl.acm.org3.高性能低功耗线性代数架构的协同设计探索
Codesign Tradeoffs for High-Performance, Low-Power Linear Algebra Architecturesieeexplore.ieee.org
首先思考一下机器学习硬件设计的一些关注点：
1.流水：流水是为了更好地性能，让硬件能够尽量保持在工作状态。
2.内存分层：为特定的访存模式匹配对应内存层级和容量的划分。
3.有限的物理计算资源和内存资源：有限的资源和巨大的计算需求之间的分配
4.设计空间参数探索：不同机器学习应用有不同的瓶颈，需要设计好硬件参数能减轻或者消除部分瓶颈。
再来看一下现有的语言分类，从高级的面向特定应用的语言（SQL、Spark等）到低级的面向处理器架构的语言（C语言、R语言），中间还存在着python、java、scala等通用语言。根据编程目的的不同，编程语言也有各自的特点。
此外对于可重构架构（如FPGA）的编程，相对的硬件描述语言较少。
一个硬件语言需要考虑性能、可移植性和生产效率三个方面。
性能就是指能产生出高效的硬件；生产效率就是指编程人员的劳动成本和实际语言效果，当成本大于效果时，这个语言就是生产效率低下的；可移植性指是不是语言只能在特定平台运行。
传统的硬件描述语言像用的最多的verilog，VHDL以及近些年来比较热的Chisel等，注重性能，能直接产生任何RTL代码，但是生产效率和可移植性是较差的，因为这些语言没有高层次抽象的概念。
高层次综合工具（HLS）现在在FPGA上用的比较多，但它的性能不高，因为不能实现内存分层，也不能直接划分流水线，不能直接生成想要的RTL代码。在生成效率方面，HLS可以较好的解决循环嵌套的问题，但是不好调试，对于分块、循环展开（映射到硬件实现）等问题需要有经验的人员进行额外注记，要不然转换为硬件的效果不好，HLS具有可移植性。所以很多时候HLS只应用在硬件设计的算法正确性验证上，因为不用考虑性能。
斯坦福提出的Spatial语言，支持内存分层和任何流水划分，但不能生成任意的RTL代码；在生产效率方面对循环嵌套、自动内存划分、支持循环展开/分块等隐式设计参数，以及设计自动调整；它也具有可移植性。
Spatial是为了简化加速器设计的编程语言，它具有以下特点：
1.管理Host和加速器通信的接口非常简单；
2.支持内嵌构造并行通路扩展、片上存储等
3.自动功能性和节拍级精度的模拟器。
Spatial语言关注与加速器数据通路、控制逻辑等这些加速器硬件设计时的核心关注点。
Spatial语言的好处如上所示，看上去很美哈哈。
Spatial语言配套的编译器可以支持：
1.插寄存器站台调节时序；
2.控制调度：目前只支持内层循环还，即将支持外层循环
3.多端口的内存和buffer生成：内存多端口一致性访问保证和buffer深度及流水站台设计。
4.多方面的硬件优化
5.自动设计调优（即将支持）
暂时不支持的有：
1.自动循环/数据分块处理
2.自动分配任务，切分计算任务分别在host和加速器上执行
3.循环融合，合并存在元素依赖关系的循环或消除循环之间的内存访问。
下面通过简单的例子来引出Spatial语言具体如何进行硬件设计。
Spatial语言是内嵌于scala语言实现的（chisel也是内嵌于scala实现的），而scala是java核心的。scala语言结合了面向对象的编程语言和函数式的编程语言，每个值都是对象。
Scala 教程 | 菜鸟教程www.runoob.com
简单的例子讲完了，应该有个初步的印象。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
