作者：florentw，AMD Xilinx开发者社区
简介
在 AI 引擎系列的上一篇博文中，我们认识了 AI 引擎应用的顶层计算图 (graph) 文件。从中我们了解了如何使用此计算图文件来例化内核、将内核连接在一起以及将内核连接到 AI 引擎阵列端口。
在本篇博文中，我们将聊聊内核。在所使用的模板中，有 2 个内核（分别名为 first 和 second）用于实现相同的函数，该函数名为 simple。
要求
下文要求您已通读 AI 引擎系列 1 和 AI 引擎系列 2 。
AI 引擎内核简介
每个 AI 引擎内核都是 1 个使用专用内部调用编写的 C/C++ 程序，专用于处理 VLIW 矢量处理器。AI 引擎内核代码是使用 AI 引擎编译器 (aiecompiler) 编译的，此编译器包含在 Vitis™ 核开发套件内。AI 引擎编译器通过编译内核来生成 1 个 ELF 文件并在 1 个 AI 引擎上运行该文件。
多个内核可在单个 AI 引擎上运行，但单个内核无法在多个 AI 引擎上运行。您负责将其函数分区为多个内核，以供在多个 AI 引擎上运行。
打开位于 src/kernels 下的 kernels.cc 文件：
我们可以看到其中已添加 adf 数据流库头文件 (adf.h)，就像计算图文件中一样。其中包含的另一个头文件 include.h 用于为内核定义参数。在此例中，仅定义了样本数 NUM_SAMPLES，定义的值为 32。
在第 6 行，可以看到内核函数的原型：
void simple(input_window_cint16 * in, output_window_cint16 * out)
首先，请注意该函数并未返回任何值（返回空值）。所有内核都须满足此要求。
然后可以看到该内核函数含 2 个参数
第 8 行到第 13 行用于保存内核的处理循环：
for (unsigned i=0; i
c2.real = c1.real+c1.imag;
c2.imag = c1.real-c1.imag;
window_writeincr(out, c2);
}
每次循环迭代都耗用 1 个存储在变量 c1 中的 16 位复数输入样本（使用 window_readincr），并生成 1 个取自变量 c2 的 16 位复数输出样本（使用 window_writeincr）。
输出样本的值包含实数部分和虚数部分，其中实数部分是输入样本的实数部分和虚数部分之和，虚数部分则是输入样本的实数部分和虚数部分之差。
值得注意的是，此操作不使用 AIE 内部函数（专用于处理矢量处理器的函数），因此仅在标量单元上运行，并且不会利用矢量处理单元。有此导致生成的内核无法达成 AI 引擎的最佳性能。
由于循环具有 32 次迭代，每次迭代耗用 1 个 32 位样本（16 位复数样本）并生成 1 个 32 位样本，因此内核需要 128 字节 (32*32/8) 的输入窗口和 128 字节的输出窗口。在前文中提到过，该值是在计算图中设置的，用于连接内核。
connect< window<128> > net0 (in, first.in[0]);
connect< window<128> > net1 (first.out[0], second.in[0]);
connect< window<128> > net2 (second.out[0], out);
数据访问机制
源自此处所示模板的内核当前正在使用窗口来访问数据。AIE 内核还有一种可用的访问类型，即串流访问。
基于窗口的访问
当内核使用基于窗口的访问时，它会直接读取当前运行的 AI 引擎的本地存储器或某个相邻 AI 引擎的本地存储器。
仅当输入窗口已满时，才会在 AI 引擎中加载内核。这意味着内核的首次调用在填充输入窗口时将存在初始时延。但由于存储器可用作为乒乓缓冲器，内核执行期间下一组数据可以写入存储器中，并准备就绪以供下一次迭代使用。
基于串流的访问
当内核使用基于串流的访问时，它会直接读取 AXI-Stream 接口。在此情况下，内核会按逐个样本来读取数据。
使用串流时，如果下游内核无法快速处理数据，就可能对上游内核产生反压，但如果上游内核生成数据的速度不够快，那么也可能造成下游内核中出现停滞。
下一步
在本系列的前 3 篇博文中，我们探讨了 AI 引擎应用的不同文件。在下一篇博文中，我们将以 x86 为目标运行 AI 引擎编译器，然后运行 x86 仿真器。
