VIVADO HLS数组的优化

参考文献

[1]、lauren的FPGA(微信公众号)
[2]、Xilinx暑期学校

项目简述

前面一篇文章，我们已经进行了讲解软件程序中最重要的两个指标是时间复杂度、空间复杂度。上面循环语句的优化主要体现在时间复杂度的优化，那么这篇文章我们将着重于空间复杂度的优化。时间复杂度体现在循环语句上面，而空间复杂度则体现在数组上面，所以这篇文章我们将讲解VIVADO HLS数组的优化。但是需要注意的是，我们并不是为了少使用FPGA的资源，而是为了设计更高的性能，因为HLS最主要的贡献也在加速上面，如果速度上不来，就失去了原来的意义。

数组的分割

这里首先从一个例子说明数组优化的重要性，

首先从1中的代码可以看出是对数组的累加赋值操作，从2中分析的结果可以看出HLS软件将数组mem自动优化成双端口ram，但是输出sum依然是单端口ram，这就严重限制了编译之后的latency，但是将输出sum的单端口ram改成了双端口ram，同时将loop循环展开，可以看出HLS的性能得到了很大程度的改善。由此可见，HLS中数组时大多数编译中性能的瓶颈，决定了HLS跑的快慢。

对数组采用Partition展开操作

对一维数组采用Partition展开操作

如下图：

1，2，3都采用了Partition对数组进行了展开，这里主语对于多维数组，dim的设置哦很重要，由于这里是一维数组只能选择为1.也要注意Block与Cyclic的作用，这里Cyclic是比较常用的。进行编译之后的比较如下：

上面Partition的个数取决于数据流的个数。

对多维数组采用Partition展开操作

对于多维数组dim的指定如下：

举一个使用Partition优化多维数组的例子如下：

结果如下：

数组的映射和重组

数组的MAP

MAP：意思是将C语言中比较小的数组映射成一个数组，从而减少FPGA内部资源的用量。
Horizontal Mapping示意图如下：

这里的名字很重要。

Vertical Mapping示意图如下：

数组的MAP与Partition一起使用的例子如下：

这样一拆一和可以让数组节省资源的条件下获得一定的数据吞吐率。

数组的ARRAY_RESHAPE

ARRAY_RESHAPE：将数组的Partition与纵向的MAP结合在一起。
原理如下：

举一个实际的例子如下：


从上面可以看出MAP可以获得资源的节省，ARRAY_RESHAPE可以获得吞吐率的提高。

总结

创作不易，认为文章有帮助的同学们可以关注、点赞、转发支持。为行业贡献及其微小的一部分。对文章有什么看法或者需要更近一步交流的同学，可以加入下面的群：