抽象的

本白皮書說明了InTime和Xilinx軟件如何通過調整編譯參數(shù)和運行并行編譯來優(yōu)化FPGA時序性能。InTime通過機器學習來決定FPGA設計的綜合和布局布線的最佳配置組合。通過與計算服務器的連接，InTime可以快速優(yōu)化時間序列，同時可以解決用戶流程自動化的局限性。

介紹

傳統(tǒng)的定時優(yōu)化方法和訓練方向主要集中在檢查和改進RTL碼或定時約束。這種方法雖然有效，但是很多改動在實戰(zhàn)中由于技術和商業(yè)上的限制，并不能真正實現(xiàn)。例如，對設計的一些重大更改可能會導致產品的發(fā)布日期承擔延遲的風險?，F(xiàn)在流行的是可復用的設計模塊，設計上往往有不容易改動的第三方IP核。最壞的情況”解決方案只是將目標設備升級到更大的版本或速度更快的版本，盡管它們會帶來大量的資金。

幸運的是，今天的FPGA工具(比如Xilinx的Vivado)有很多開關和設置選項來幫助時序收斂。InTime的方法是通過調整FPGA工具的編譯過程來解決用戶的時序問題和其他性能問題。Xilinx的ISE和Vivado軟件包含很多合成和布局的參數(shù)，每個參數(shù)至少有兩個值可以直接影響最終結果。InTime幫助設計師深入挖掘這些工具的性能，以實現(xiàn)所需的結果。

上圖是一個客戶案例。X軸表示合成和布局不同的編譯批次，Y軸表示失敗的最差松弛的絕對值(0表示經過的時間序列)，單位為納秒。在這里可以清楚地看到，InTime將最差故障裕量從-0.45ns(-450ps)降低到了0ns，并且只通過調整編譯參數(shù)就達到了時序目標，沒有對設計做任何改動。

在許多情況下，用戶經常使用合成和布局的默認參數(shù)。由于不確定的后果，很少有人會試圖改變這些參數(shù)。另外，很多參數(shù)是相互鏈接的，如果多個參數(shù)同時設置不正確，定時會變差；因此，調試參數(shù)的任務變得更加困難。

理解即時流程

InTime在FPGA編譯過程中使用機器學習探索不同的參數(shù)設置。下面將要描述的技術側重于在性能峰值之前生成足夠的數(shù)據(jù)點。

這里有一個關鍵概念，叫做“公式”。InTime的優(yōu)化技術歸因于不同的公式，分為“學習”公式和“最后一英里”公式。

分類的原因是編制是一個高強度的計算過程。獲取新數(shù)據(jù)的運行時間成本非常高(普通人的耐心也是有限的)，所以每個食譜不能無限運行，學習運行的次數(shù)必須根據(jù)結果的提高來限制。一旦結果穩(wěn)定(投資回報由花費的時間決定，結果的改善逐漸減少)，用戶將切換到最后一英里公式。最后一英里公式采用高度隨機的技術，設計越接近目標性能，公式就越有效。比如以目前為止獲得的最好結果作為參考，最后一英里公式會隨機排列不同的邏輯單元。

優(yōu)化設計的步驟

第0步:設計建模

為了減少關注一個結果所需的時間，InTime附帶了一個包含元數(shù)據(jù)的數(shù)據(jù)庫。我們對不同的設計進行了長期的測試，逐漸總結出哪些參數(shù)適合各種設計，然后將這些經驗總結到這個數(shù)據(jù)庫中。目標是縮小需要調整的參數(shù)范圍，只選擇重要且最有效的參數(shù)來調整某個設計。

第一步:生成數(shù)據(jù)

在這一步中，InTime在每一輪執(zhí)行中生成編譯參數(shù)(也稱為“策略”)。設計師應該配置每一輪，運行10到30個編譯。有些公式比其他公式更合適，這取決于獲得的數(shù)據(jù)點數(shù)量(編譯結果)。

學習和分析只出現(xiàn)在每一輪結束或者下一輪開始的時候。作為指導，InTime需要在3到5輪中分析100個數(shù)據(jù)點，以獲得局部最優(yōu)數(shù)據(jù)。

如果結果顯示沒有明顯的改善，我們需要運行更多的編譯，因為這個公式還沒有得到局部最優(yōu)數(shù)據(jù)。但是，如果結果顯著改善(與原始結果相比)，并且改善不再繼續(xù)，則下一步應更改公式(參見Deep Dive公式)。

第二步:使用“深度潛水”公式

一旦我們獲得了幾個優(yōu)秀的成績，或者成績的提高已經開始放緩，就要準備用“深度潛水”公式了。該公式檢查當前結果，然后對局部最優(yōu)數(shù)據(jù)及其周圍數(shù)據(jù)點進行深入分析；與以前的公式相比，結果在較短的時間內提高了10%。當然，如果沒有之前公式的結果，Deep Dive也不會這么有效。

第三步:自動布局公式或額外優(yōu)化公式

最終，最后一英里食譜將使用Vivado的設置，這些設置是偽隨機的，對代碼更改高度敏感。根據(jù)具體的設計條件，最后一英里公式只能生成9個編譯或多達100個編譯。例如，在Vivado中，一個隨機的Placement Exploration公式可以輕松生成100個編譯，而Extra Optimization僅限于9個編譯。

在云端運行InTime和Vivado

也可以在亞馬遜Web Services (AWS)上運行InTime，減少總運行時間，達到計時目標。通過將并行運行的次數(shù)增加一倍，您可以將優(yōu)化所需的時間減半。

InTime和Xilinx是合作伙伴，為亞馬遜機器映像(AMI)提供所有預安裝的軟件許可證。這允許您更快地啟動一個實例，并在云中運行您的FPGA項目，而無需任何安裝。

結論

選擇正確的合成和布局參數(shù)是一項非常強大的技能，可以幫助你達到設計性能目標，從FPGA工具(比如Vivado)中獲得最大的收益。但是，要嘗試每一組參數(shù)是完全不可能的。如下圖所示，快速關注正確的參數(shù)組合可以產生出色的結果(從-3000ns到-3n的總負余量)。使用云服務還可以減少實現(xiàn)預期結果所需的總時間。

在微信官方賬號點擊我們首頁的“產品”部分，了解更多關于InTime的信息，或者直接在微信官方賬號首頁申請免費試用。

-