【Hmetis图分割处理网表-具体划分 以net为节点构建超图】

前言

粒度选取

论文Net2，Each Designs的Netlist的Cells，量级在20k左右。

1. 而根据cell划分的粒度100，200，500，1000，2000，得到最终的Clusters是用cells的数量除以上述粒度.假设cells的数量是20k，那么所划分的clusters的数量在【10，200】。
2. 根据超边的粒度500，1000，2000.得到的Clusters是由nets的数量除以上述粒度。

本实验得到的超图格式：

[超边数量] [结点数量]
超边1
超边2
超边3
。。。

而由前面工作，所生成的超图文件是以net为结点，gate为超边。因此所参考的net粒度是500，1000，2000。根据统计信息，下面是量级，并不是准确的平均值。

design	net数量	超边数量
b11	400	400
b12	800	800
b13	200	200
b14	3000	3000
b17	14000	14000
b20	8000	8000
b21	7500	7500
b22	13000	13000

而论文数据都是：20000左右。且划分粒度在500，1000，2000，得到的划分clusters数量在10-200。

目标

1. 需要将net为节点进行超图划分，然后给定net name知道划分在哪个块。_net_P[net_name] = partID
2. 需要将gate为节点进行超图划分，然后给定gate name知道划分在哪个块。_net_P[gate_name] = partID

hmetis划分

输入输出

划分大小

hmetis划分是mltilevel recursive bisection，假设划分npart为2的幂次方的个数，划分后的结果的二进制就是它的划分路径！支持的可执行文件是shmetis/hmetis。
经过和老师讨论，需要将粒度划小一点。比如100，200.

下面就对粒度为100的进行划分。

划分的块数 = 节点数（nums）除以 划分一块的粒度大小（100）

import subprocess
import pandas as pd
'''
    本文件对超图进行切割，按照节点数 除以 100，200
    使用b11-22的mode 0的超图
    shmetis
'''
res_list=[]
name = ["file","kway"]
cluster = 20
path = "partition/hypergraph_net_" + str(cluster) + "/"
for base in range(11,23):
    if base ==16 or base==15 or base==18 or base==19:
        continue
    for clock in range(0,4):
        for mode in range(0,1):
            place_name = "b"+str(base)+"_"+str(clock)+"_mode_"+str(mode)
            filepath = path + place_name
            with  open(filepath) as f:
                nodeNetstr = f.readline()
                f.close()
            listNetNode = nodeNetstr.split(" ")
            part = int(int(listNetNode[1]) / cluster)
            res_list.append([place_name,part])
            cmd = "partition/shmetis " + filepath + " " + str(part) + " 5"
            subprocess.run(cmd,shell=True)
            print(cmd)  
res_csv = pd.DataFrame(columns = name,data = res_list