HLS高階綜合能夠實現軟體程式碼的硬體加速，主要是因為其對程式碼中的迴圈體（for，while）等進行了並行性優化，採用流水，展開，合併，巢狀，資料流等方法，將軟體中需要一步步執行的迴圈體，在硬體電路中實現並行化處理，從而大幅提高計算速度，正好應對當下這種高計算量的需求。

本部落格講解一下回圈體優化的一些方法，以及一些特殊迴圈體的優化（巢狀for迴圈，變數邊界迴圈體），參考b站賽靈思官方HLS介紹視訊。

引數指標

綜合報告參考的指標引數，較為重要，如下圖：

Loop Trip Count：迴圈總次數

Loop Iteration Latency：每次迴圈佔用時鐘週期

Loop Iteration Interval（Loop II）：兩次迴圈之間的間隔

Loop Latency：整個迴圈的時鐘週期

Function Latency：函數的時鐘週期

Function Iteration Interval：函數總共佔用時鐘週期

 

優化方法

1. Pipeline：

不同次數的迴圈進行流水線操作提高並行性改善Latency和Interval，流水操作的前提是不同迴圈次數之間沒有資料依賴。

 

2. Unroll：

展開真個迴圈體，等於複製迴圈，同步進行以增加並行性

3. for迴圈的合併

• 邊界都為常數的兩個迴圈合併取最大的邊界
• 當for迴圈合併的兩個迴圈邊界一個是常數，另一個無法確定的時候無法合併。
• 上述兩個邊界都是不確定邊界時可以把邊界範圍大的拆分，使其一部分邊界相等

4.巢狀for迴圈

通過程式碼優化將後兩種巢狀轉化成前兩種

1. 對上級迴圈pipeline會將下級所有迴圈unroll（資源利用率成倍（迴圈展開後的總次數）增加）。
2. 建議對內部巢狀迴圈展開，達到時延和資源的中和。

5.  其他優化

①rewind：縮短迴圈多次執行的間隔，僅適用單迴圈

②迴圈邊界是變數的問題：

    1.使用tripcount directive：手動設定迴圈邊界的最大值最小值。

    2.把迴圈邊界的資料型別宣告成ap_int<W>。

    3.使用assert macro。

上述三種方法優化效果比較：