xilinx官网 Xilinx官网发布的InTime白皮书全文

抽象的

本白皮书说明了InTime和Xilinx软件如何通过调整编译参数和运行并行编译来优化FPGA时序性能。InTime通过机器学习来决定FPGA设计的综合和布局布线的最佳配置组合。通过与计算服务器的连接，InTime可以快速优化时间序列，同时可以解决用户流程自动化的局限性。

介绍

传统的定时优化方法和训练方向主要集中在检查和改进RTL码或定时约束。这种方法虽然有效，但是很多改动在实战中由于技术和商业上的限制，并不能真正实现。例如，对设计的一些重大更改可能会导致产品的发布日期承担延迟的风险。现在流行的是可复用的设计模块，设计上往往有不容易改动的第三方IP核。最坏的情况”解决方案只是将目标设备升级到更大的版本或速度更快的版本，尽管它们会带来大量的资金。

幸运的是，今天的FPGA工具(比如Xilinx的Vivado)有很多开关和设置选项来帮助时序收敛。InTime的方法是通过调整FPGA工具的编译过程来解决用户的时序问题和其他性能问题。Xilinx的ISE和Vivado软件包含很多合成和布局的参数，每个参数至少有两个值可以直接影响最终结果。InTime帮助设计师深入挖掘这些工具的性能，以实现所需的结果。

上图是一个客户案例。X轴表示合成和布局不同的编译批次，Y轴表示失败的最差松弛的绝对值(0表示经过的时间序列)，单位为纳秒。在这里可以清楚地看到，InTime将最差故障裕量从-0.45ns(-450ps)降低到了0ns，并且只通过调整编译参数就达到了时序目标，没有对设计做任何改动。

在许多情况下，用户经常使用合成和布局的默认参数。由于不确定的后果，很少有人会试图改变这些参数。另外，很多参数是相互链接的，如果多个参数同时设置不正确，定时会变差；因此，调试参数的任务变得更加困难。

理解即时流程

InTime在FPGA编译过程中使用机器学习探索不同的参数设置。下面将要描述的技术侧重于在性能峰值之前生成足够的数据点。

这里有一个关键概念，叫做“公式”。InTime的优化技术归因于不同的公式，分为“学习”公式和“最后一英里”公式。

分类的原因是编制是一个高强度的计算过程。获取新数据的运行时间成本非常高(普通人的耐心也是有限的)，所以每个食谱不能无限运行，学习运行的次数必须根据结果的提高来限制。一旦结果稳定(投资回报由花费的时间决定，结果的改善逐渐减少)，用户将切换到最后一英里公式。最后一英里公式采用高度随机的技术，设计越接近目标性能，公式就越有效。比如以目前为止获得的最好结果作为参考，最后一英里公式会随机排列不同的逻辑单元。

优化设计的步骤

第0步:设计建模

为了减少关注一个结果所需的时间，InTime附带了一个包含元数据的数据库。我们对不同的设计进行了长期的测试，逐渐总结出哪些参数适合各种设计，然后将这些经验总结到这个数据库中。目标是缩小需要调整的参数范围，只选择重要且最有效的参数来调整某个设计。

第一步:生成数据

在这一步中，InTime在每一轮执行中生成编译参数(也称为“策略”)。设计师应该配置每一轮，运行10到30个编译。有些公式比其他公式更合适，这取决于获得的数据点数量(编译结果)。

学习和分析只出现在每一轮结束或者下一轮开始的时候。作为指导，InTime需要在3到5轮中分析100个数据点，以获得局部最优数据。

如果结果显示没有明显的改善，我们需要运行更多的编译，因为这个公式还没有得到局部最优数据。但是，如果结果显著改善(与原始结果相比)，并且改善不再继续，则下一步应更改公式(参见Deep Dive公式)。

第二步:使用“深度潜水”公式

一旦我们获得了几个优秀的成绩，或者成绩的提高已经开始放缓，就要准备用“深度潜水”公式了。该公式检查当前结果，然后对局部最优数据及其周围数据点进行深入分析；与以前的公式相比，结果在较短的时间内提高了10%。当然，如果没有之前公式的结果，Deep Dive也不会这么有效。

第三步:自动布局公式或额外优化公式

最终，最后一英里食谱将使用Vivado的设置，这些设置是伪随机的，对代码更改高度敏感。根据具体的设计条件，最后一英里公式只能生成9个编译或多达100个编译。例如，在Vivado中，一个随机的Placement Exploration公式可以轻松生成100个编译，而Extra Optimization仅限于9个编译。

在云端运行InTime和Vivado

也可以在亚马逊Web Services (AWS)上运行InTime，减少总运行时间，达到计时目标。通过将并行运行的次数增加一倍，您可以将优化所需的时间减半。

InTime和Xilinx是合作伙伴，为亚马逊机器映像(AMI)提供所有预安装的软件许可证。这允许您更快地启动一个实例，并在云中运行您的FPGA项目，而无需任何安装。

结论

选择正确的合成和布局参数是一项非常强大的技能，可以帮助你达到设计性能目标，从FPGA工具(比如Vivado)中获得最大的收益。但是，要尝试每一组参数是完全不可能的。如下图所示，快速关注正确的参数组合可以产生出色的结果(从-3000ns到-3n的总负余量)。使用云服务还可以减少实现预期结果所需的总时间。