ZynqNet解析（五）具体硬件实现

背景：ZynqNet能在xilinx的FPGA上实现deep compression。

目的：读懂zynqNet的代码中关于硬件实现的部分。

1.  几个命名空间
四种on-chip cache（report 4.2.4）

ICache（Image cache）：line buffer，为input feature map准备的。

OCache（Output cache）

GPoolCache（Global pooling cache）

WCache（weights cache）：最大的cache，需要当前layer的ci×co个filter

processing_elements和memory_controller

processing_Elements

1.1 选用namespace的原因(4.4.2)
1.1.1 软件整体进行HLS
直接运用整体的软件程序用HLS进行综合，相应的数组和变量都设为gloabl variables。c++编译很简单。

但是HLS编译不通过并且无法知道错误在哪里。

难以加入硬件优化

1.1.2 object-orinted
最初整体的进行编程与调试，HLS报错，作者并不知道错误在哪里。因此作者使用object-orinted的方法。从头编写程序。

相应的硬件模块 被作为class instances，包括MemoryController， ImageCache， WeightsCache， OutputCache， ProcessingElements

数组与变量被封装为private class members

数据搬运被实现在高级别的函数中。

控制依然在top-level的嵌套的函数中（layer，height，width，inputchannels）和class ProcessingElement（output channel与kernel y与x）

这种编码模式在综合之中就更容易查找问题。但是因为指针的问题，多指针或者三指针问题，不适合。

1.1.3 Block-structured（ZynqNet采用的）
这种方法运用namespace来确定相应的代码，部分被运用下面的方法：

namespace to structure code into modules

数组与变量被封装于namespace-scopes中

数据搬运通过high-level namespace-scoped 函数来进行

控制依然通过top-level的嵌套的函数中（layer，height，width，inputchannels）和namespace ProcessingElement（output channel与kernel y与x）

1.2 四种cache的使用
ICache，OCache，GPoolCache，WCache，这四种文件分别有cpp和hpp文件。我们以imageCache为例来说明这些程序的作用。

1.2.1 **cache.hpp

// imageCache.hpp
namespace ImageCache {

void reset();
void setNextChannel(data_t value);
void preloadPixelFromDRAM(data_t* SHARED_DRAM);
void preloadRowFromDRAM(data_t* SHARED_DRAM);
void setLayerConfig(layer_t &layer);
data_t getPixel(const coordinate_t y, const imgcacheaddr_t y_offset, const coordinate_t x, const channel_t ci);
imgcacheaddr_t precalcYOffset(const coordinate_t y);

extern data_t IBRAM[MAX_IMAGE_CACHE_SIZE];
extern cacheline_t curr_img_cache_line;
extern imgcacheaddr_t curr_img_cache_addr;
extern imgcacheaddr_t line_width;
extern imgdramoffset_t loads_left;
extern dimension_t width_in;
extern dimension_t height_in;
extern channel_t ch_in;
};

其中在软件中定义了命名空间，用extern定义了全局变量。

对应于硬件，相当于一些硬件上的寄存器存储了所有的相应的cache需要调用的信息，比如存储的位置、数据的长宽，等等。后续存取内存的时候就要根据这些来做出决定。

1.2.2 **cache.cpp
其中几乎所有的子程序，都只涉及两种操作，一种是更改相应全局变量的参数，另一种是从BRAM中读取或写入数据。
void ImageCache::setLayerConfig(layer_t &layer) {
#pragma HLS inline

width_in = layer.width;
height_in = layer.height;
ch_in = layer.channels_in;
line_width = ch_in * width_in;
loads_left = line_width * height_in;
curr_img_cache_addr = 0;
#pragma HLS Resource variable = loads_left core = MulnS latency = 2

reset();
}

例如setLayerConfig是将layer信息传入layer对应的全局变量。
void ImageCache::setNextChannel(data_t value) {
imgcacheaddr_t MAX_ADDR = (line_width * NUM_IMG_CACHE_LINES - 1);

// Write Value into IBRAM
IBRAM[curr_img_cache_addr] = value;

// Check and Wrap Write Address into IBRAM
if (curr_img_cache_addr == MAX_ADDR)
curr_img_cache_addr = 0;
else
curr_img_cache_addr++;
}

setNextChannel就是将相应的value写入IBRAM上curr_img_cache_addr位置，然后更改curr_img_cache_addr的值。
data_t ImageCache::getPixel(const coordinate_t y, const imgcacheaddr_t y_offset,
const coordinate_t x, const channel_t ci) {
#pragma HLS inline
#pragma HLS RESOURCE variable = IBRAM core = RAM_S2P_BRAM

imgcacheaddr_t addr_pixel_offset = x * ch_in;
imgcacheaddr_t addr = y_offset + addr_pixel_offset + ci;

bool is_padding_pixel = x < 0 | x >= width_in | y < 0 | y >= height_in;

data_t px = is_padding_pixel ? 0.0f : IBRAM[addr];

return px;
}

从#pragma中就能看出IBRAM就是双端口的Block RAM。

1.3 namespace的用法
在zynqNet之中，namespace搭配其中的变量前加extern使用。

extern  https://baike.baidu.com/item/extern/4443005?fr=aladdin

https://www.cnblogs.com/mch0dm1n/p/5727667.html

extern是计算机语言中的一个关键字，可置于变量或者函数前，以表示变量或者函数的定义在别的文件中。提示编译器遇到此变量或函数时，在其它模块中寻找其定义，另外，extern也可用来进行链接指定。

我们之前以为zynqNet之中的extern是全局变量的意思，后来发现确切意义上并不全是，extern的意思是定义在他处。如果想声明一个变量而非定义它，就在变量名前添加extern关键字，而且不要显式地初始化变量。

所以，我们在.hpp之中定义的extern数据，只能算是声明变量，然后在另一处函数之外初始化，做为全局变量使用。

namespace https://www.cnblogs.com/zhoug2020/p/5972439.html

所以，必须按照程序的做法，在.hpp之中定义namespace，其中变量要加extern修饰，然后在同名cpp函数之外实例化namespace之中的变量。
---------------------
作者：邢翔瑞
来源：CSDN
原文： https://blog.csdn.net/weixin_36474809/article/details/82702008