【導讀】今天的設計團隊如果采用傳統(tǒng)的RTL設計流程，將花費很多時間才能將運算密集型網(wǎng)絡帶入到硬件中，該領域亟需一個有別于以往RTL流程，同時又能有效提高生產(chǎn)力的方法。
今天的設計團隊如果采用傳統(tǒng)的RTL設計流程，將花費很多時間才能將運算密集型網(wǎng)絡帶入到硬件中，該領域亟需一個有別于以往RTL流程，同時又能有效提高生產(chǎn)力的方法。
CATAPULT HLS平臺的時代來臨
15年前，Mentor認識到設計和驗證團隊需要從RTL升級到HLS層級，并開發(fā)Catapult®HLS平臺。該平臺提供了從C + +到最佳化RTL的完整流程（圖1）。
圖1:Catapult HLS平臺
Catapult HLS平臺為算法設計師提供硬件設計解決方案，可以從C++／SystemC描述，生成高品質的RTL，并且以ASIC、FPGA或eFPGA為目標。此平臺能在合成之前檢查設計中的錯誤、為功能驗證和覆蓋率分析提供無縫且可重復使用的測試環(huán)境，同時支持在生成的RTL與原始HLS來源之間執(zhí)行形式等效性檢查。
該解決方案的優(yōu)勢包括：
支持后期階段變更?？呻S時變更C++算法，重新生成RTL代碼或使用新制程。
支持硬件評價?？裳杆俚靥剿鞴摹⑿阅芎兔娣e選項，而無需變更原始代碼。
加快時程。將設計和驗證所花時間從一年縮短至幾個月，可在數(shù)日內增添新功能，使用的C/C++代碼行數(shù)比RTL減少5倍。
AI加速器生態(tài)系統(tǒng)
同時，Mentor在Catapult HLS平臺中部署了AI加速器生態(tài)系統(tǒng)（圖2），為AI設計師提供能快速展開項目的環(huán)境。
圖2:Catapult AI加速器生態(tài)系統(tǒng)
AC MATH數(shù)據(jù)庫
Algorithmic C Math（AC Math）中的所有函數(shù)都以C ++模板參數(shù)寫成，讓設計師可依據(jù)目標應用來指定數(shù)值的精準度。許多函數(shù)都使用不同的近似策略，例如，自然對數(shù)提供兩種形式，即分段線性近似和cordic形式。在可接受準確度稍有誤差的情況下，前者較小且較快； 后者雖然較慢，但準確許多。所有情況下都能自定義來源以達成設計目標。每個功能／內存塊都附有詳細的設計文件和C ++驗證程序。由于Catapult HLS平臺會利用C ++驗證程序，因此很容易根據(jù)來源設計來驗證RTL準確度。
該數(shù)據(jù)庫中的數(shù)學函數(shù)類別包括：
分段線性函數(shù)-絕對值、正規(guī)化、倒數(shù)、對數(shù)和指數(shù)（自然和底數(shù)2）、平方根、反平方根和正弦／余弦／正切（正和反）
激勵函數(shù)，如雙曲正切、S函數(shù)和Leaky ReLU函數(shù)
線性代數(shù)函數(shù)，如矩陣乘法和Cholesky分解
DSP數(shù)據(jù)庫
Algorithmic C DSP（AC DSP）數(shù)據(jù)庫定義了DSP設計師通常所需要的可合成C ++函數(shù)，例如濾波器和FFT。這些函數(shù)采用以C ++類別為主的設計，讓設計師能輕松示例物件的眾多變體，以打造復雜的DSP子系統(tǒng)。與AC Math數(shù)據(jù)庫一樣，輸入和輸出參數(shù)都會參數(shù)化，以便能在所需的定點精確度下執(zhí)行算術，從而在為合成的硬件執(zhí)行面積和性能折衷時，提供高度的彈性。
DSP數(shù)據(jù)庫包含：
濾波器函數(shù)，如FIR、1-D移動均值，以及多相位抽取
快速傅立葉變換（FFT）函數(shù)，如radix-22單一延遲回授、radix-2x動態(tài)就位和radix-2就位圖像處理數(shù)據(jù)庫Algorithmic C圖像處理數(shù)據(jù)庫（AC IPL）首先會定義一些常見的像素格式類型定義。
AI加速器生態(tài)系統(tǒng)還可提供豐富的工具組，由真實且經(jīng)過測試的加速器參考設計示例，團隊可以研究、修改和復制這些示例，迅速展開項目。這些隨Catapult提供的套件，包含了可設定的C++/SystemC IP原始代碼、文件紀錄、驗證程序和指令碼，讓設計能進行HLS合成和驗證流程。這些工具組展示了各種能用來對性能（延遲）、幀率、面積或功率的折衷進行實驗的方法和編寫程序技術。
PIXEL-PIPE視訊處理工具組
該視訊處理工具組展示了一個使用pixel-pipe加速器的即時圖像處理應用程序（圖3）。加速器內存塊使用C++類階層構架來實作。該內存塊將圖像縮小，并將圖像從彩色轉換為單色，以執(zhí)行邊緣偵測，然后放大圖像。Xilinx®PetaLinux下的CPU上，執(zhí)行了一個使用者空間應用程序，此程序能讓軟件控制開啟或關閉邊緣偵測內存塊。工具組文件紀錄會顯示如何使用Xilinx IP將該內存塊整合到Xilinx電路板中，以便團隊展示該系統(tǒng)。
圖3:Pixel-pipe視訊處理工具組
2-D折積工具組
該工具組展示了如何以C++對Eyeriss1處理元件（PE）數(shù)組進行編碼，實作2-D折積以執(zhí)行圖像的強化（銳化、模糊和邊緣偵測）。處理元件（圖4）可以執(zhí)行3x1乘積累加（折積）。
圖4:Eyeriss處理元件
TINYYOLO物件辨識工具組
物件辨識工具組（圖5）展示了使用折積加速器引擎的物件辨識應用程序，該引擎使用2-D Eyeriss工具組中的PE數(shù)組實現(xiàn)。該工具組展示了如何透過AXI4互連（從系統(tǒng)內存來讀取核心權重數(shù)據(jù)）取得高速數(shù)據(jù)路由，并展示如何定義高效能內存構架。該工具組提供TensorFlow整合能力，可以C++語言的網(wǎng)絡層能進行推理測試。
圖5:TINYYOLO工具組示例-系統(tǒng)視圖
系統(tǒng)整合
加速器內存塊并非獨立存在，Catapult HLS提供“界面合成”能力，以將時間性協(xié)定加入至非時間性C++函數(shù)界面變數(shù)。設計師只需要在Catapult GUI中，為協(xié)定設定構架約束條件。此工具可支持典型的協(xié)定，例如AXI4視訊串流、請求／認可交握，以及內存界面。這讓設計師不必變更C++原始碼，就能探索界面協(xié)定。
AXI示例
AXI示例（圖6）顯示了如何使用Catapult HLS產(chǎn)生的AXI界面IP，在AXI SoC子系統(tǒng)中示例一個或多個加速器元件。提供主控端、受控端和串流示例。
圖6:AXI示例
基礎處理器示例
基礎處理器示例（圖7）顯示了如何將機器學習加速器連接到完整的處理器型系統(tǒng)中，并采用了AXI示例。此示例中的機器學習加速器采用了簡單的乘積／累加構架，搭配2-D折積和區(qū)域取最大值。支持數(shù)個第三方處理器IP模型，并包含一個用于裸金屬編程的軟件流程（含有相關數(shù)據(jù)）。
圖7：基礎處理器平臺示例
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯(lián)系小編進行處理。
