一、對迴圈體的展開
c語言的迴圈體都是摺疊起來的，當綜合後會順序執行，對映到rtl的話就相當於一套電路被分時復用；
進行展開的話就相當於是對電路的複製。
hls directive editor->directive->unrool->factor=n(n就是要展開成幾份)。
二、for迴圈合併
loop regin:
sub:
for(int i=0;id[i]=a[i]+b[i];
}對於這種迴圈，我們所期望的是程式在執行加法的同時，也執行減法；但是預設情況下它是順序執行的，也就是執行完加法，再執行減法，這時我們可以將其進行合併（loop_merge）這樣add和sub可以同時進行。
合併的一些規則：a)邊界不同但都為常數的，合併和邊界為較大的那個。
b)邊界乙個為常數，另乙個為變數時，此時無法進行合併。
c)邊界都為變數時，合併後為乙個範圍。
三、資料流(data_flow)
a) loop_a:
for(i=0;i loop_b:
for(i=0;i loop_c:
for(i=0;i資料流動過程：d->taska->taskb->taskc->out
b)dataflow for "for_loop"
loopa->channel->loopb->channel->loopc channel中可以使用ping-pong，fifo,register
正常流程：loopa->loopb->loopc 使用dataflow之後：loopa|loopa|loopa
loopb|loopb|loopb
loopc|loopc|loopc
b)data_flow的限制
i）loop1:
for(i=0;itemp1[i]=din[i[*scale;
}loop2:
for(i=0;jdout1[j]=temp1[j]*2;
}loop3:
for(k=0;kdout2[k]=temp1[k]*4; }
對這種loop1中的結果在loop2和loop3中都被使用的情況（single-producer-consumer model）我們可以在loop1下面加個loop_copy將temp1複製乙份及：
loop1:
for(i=0;itemp1[i]=din[i[*scale;
}loop_copy:
for(m=0;mtemp2[m]=temp1[m];
te***[m]=temp1[m]; }
loop2:
for(i=0;jdout1[j]=temp2[j]*2;
}loop3:
for(k=0;kdout2[k]=te***[k]*4; }
ii)
loop1:
for(i=0;itemp1[i]=din[i[*scale;
temp2[i]=din[i]>>scale;
}loop2:
for(i=0;jte***[j]=temp1[j]*2;
}loop3:
for(k=0;kdout[k]=temp2[k]+te***[k]; }
對於這種，loop1產生2個結果，其中乙個經loop2到loop3，另乙個直接被loop3引用，可以在loop2中新增乙個temp4對temp2進行複製。
loop1:
for(i=0;itemp1[i]=din[i[*scale;
temp2[i]=din[i]>>scale;
loop2:
for(i=0;jte***[j]=temp1[j]*2;
temp4[j]=temp2[j];
loop3:
for(k=0;kdout[k]=temp4[k]+te***[k];
四、巢狀式的for迴圈
對於2層的巢狀，若對外部的for迴圈做流水，則其內部所有的for迴圈均會被開啟；一般對最內層的做流水。
五、其它的補充
a)rewind可以消除2個週期之間的間隔；
b)當迴圈邊界為變數的時候無法確定其latency，我們可以進行設定或者把值設定為任意精度的。
HLS巢狀for迴圈優化 以矩陣乘法為例 有問題
三種巢狀迴圈 根據邊界和迴圈體位置 對於 imperfect loop nest 可以通過 優化手段將其轉變為 semi perfect loop nest 或者 perfect loop nest。在外部迴圈做 pipeline 可以獲得最理想的 latency，但同時資源消耗也最多，因為做 pi...
HLS科普1 HLS和M3U8簡介
1.m3u8檔案概念2.m3u8檔案舉例 例如使用雲圖tv點播直播節目時，傳送請求 返回m3u8檔案，檔案內容如下 extm3u ext x media sequence 140651513 ext x targetduration 10 extinf 8,extinf 9,extinf 11,ex...
python優化迴圈 Python 優化迴圈
我希望優化一些由兩個巢狀迴圈組成的 python 我對numpy並不那麼熟悉,但據我所知,它應該能夠幫助我提高這項任務的效率.下面是我編寫的測試 它反映了實際 中發生的情況.目前使用numpy範圍和迭代器比通常的python更慢.我究竟做錯了什麼？這個問題的最佳解決方案是什麼？謝謝你的幫助！impo...