HLS案例分析：数组求和（1）

采用高层次综合（HLS）时既要关注Directive（也就是Pragmas）的设置，也要关注代码风格。而且，有时从代码层面对设计进行优化往往会更有助于获得期望的性能。我们来看一个例子，如下图代码所示。

这个例子很简单，完成的就是数组所有元素的和，需要说明的是这里数组长度为1024，数据类型DIT为float。浮点和定点的加法是不一样的。

采用HLS综合，solution1：不添加任何Directive；Solution2：对for循环设置Pipeline，结果对比如下。可以看到即便是Solution2，Interval也达到了5123。

为了降低Latency，改善Interval，我们先从代码层面着手。

第一次优化

优化后的代码如下图所示。

这里，嵌套的for循环完成的操作如下图所示。tmp[0]完成din[0], din[8], …,din[1016]的和；tmp[1]完成din[1], din[9], …, din[1017]的和，依此类推。

同时，设置如下Directives：将数组tmp打散；嵌套for循环的外层设置pipeline；将第二个for循环展开（Unroll）。

创建两个Solution：Solution1：不添加任何Directive；Solution2：添加上述三个Directives，综合后的性能对比如下图所示。可以看到优化后的代码，其Interval已经从5123降到了693。

还可以注意到，两个for循环之间（嵌套的for循环和第二个独立的for循环）可以应用DATAFLOW，从而可进一步降低Latency和Interval。

第二次优化

进一步优化，将第二个for循环手工展开，如下图所示。

Directive的设置：将数组tmp打散；嵌套for循环的外层设置pipeline。此时，综合后的性能如下图所示。

第三次优化

将第二个for循环手工展开，并同时利用括号实现两两相加，如下图所示。

此时，Interval进一步降低至668。

由此，可以得出一个这样的结论：

相比于 float s =(a+b+c+d)， float s =((a+b)+(c+d))可获得更好的性能。

可以看到，第一次代码优化外加一些Directives可获得最佳的性能，而第二次代码优化和第三次代码优化并没有带来性能的明显改善。那么是否可以不修改代码而只是设置Directive来获得更好的性能呢？