Vitis初探—1.將設(shè)計從SDSoC/Vivado HLS遷移到Vitis上的教程

〇、前言

2020.11.25日，Xilinx更新了Vitis2020.2版本。正好之前報名里Xilinx的自適應(yīng)計算挑戰(zhàn)賽，比賽要求使用Vitis平臺進(jìn)行開發(fā)，所以今天趁著新版本發(fā)布把我之前參加DAC-SDC的項目SkrSkr遷移到Vitis平臺上。之前聽過一些介紹說Vitis將SDAccel和SDSoC合并到了一起，并使用OpenCL語言，所以在項目遷移之前我還是有點打怵的，但是經(jīng)過一天的嘗試基本搞定了。整個流程走下來感覺Vitis跟SDSoC換湯不換藥，只是調(diào)用加速器的方式稍有變化，整體的設(shè)計思想還是一致的。下面就進(jìn)入正題，如何一步一步將設(shè)計從SDSoC/Vivado HLS遷移到Vitis平臺。

一、環(huán)境準(zhǔn)備

1.安裝Vitis，此處省略

2. 安裝zcu104的platform
下載zcu104的base platform
從https://www.xilinx.com/support/download/index.html/content/xilinx/en/dow...下載ZCU104 Base 2020.2以及ZYNQMP common image
將ZCU104 Base 2020.2解壓到/tools/Xilinx/Vitis/2020.2/platforms/（Vitis的默認(rèn)安裝目錄）

3. 準(zhǔn)備sysroot
將ZYNQMP common image解壓到任意位置，并將rootfs.tar.gz進(jìn)一步解壓

mkdir sysroot
tar -xvf rootfs.tar.gz -C sysroot

文件內(nèi)容如下所示

├── bl31.elf
├── boot.scr
├── Image
├── README.txt
├── rootfs.ext4
├── rootfs.manifest
├── rootfs.tar.gz
├── sdk.sh
├── sysroot
└── u-boot.elf

二、創(chuàng)建工程

sysroot，rootfs，kernel image指向剛才解壓出來的那些文件

然后選擇空工程，至此新工程創(chuàng)建完畢
SkrSkr/Develop/C下邊的5個文件導(dǎo)入

.
├── main.cpp
├── SkyNet.cpp
├── SkyNet.h
├── transform.cpp
└── utils.cpp

將SkyNet.cpp和SkyNet.h復(fù)制到SkyNet_kernels/src下，將main.cpp, SkyNet.h, transform.cpp, utils.cpp復(fù)制到SkyNet/src下，如圖所示

SkyNet/src下存放的是Host端代碼，而SkyNet_kernels/src下存放的是FPGA端代碼，二者在編譯的時候是獨立的。對比之前Vivado HLS的開發(fā)流程，SkyNet_kernels/src下放的就是Vivado HLS工程里的文件，但是沒有testbench，而SkyNet/src放的就是綜合出來比特流之后在SDK里開發(fā)應(yīng)用程序的文件。（SDSoC好用就好用在將SDK的應(yīng)用程序代碼跟Vivado HLS里的testbench合并，邏輯上很直觀。Vitis這么搞純粹是為了上層使用OpenCL，個人認(rèn)為是倒退。但是好處是不會像SDSoC稍微修改一點代碼就可能導(dǎo)致整個工程重新編譯一遍）

三、修改源代碼
1. 修改SkyNet.cpp
SkyNet.cpp的設(shè)計基本不用動，唯一需要修改的就是接口定義

void SkyNet(ADT4* img, ADT32* fm, WDT32* weight, BDT16* biasm)
{
#pragma HLS INTERFACE m_axi depth=204800 port=img    offset=slave bundle=fm
#pragma HLS INTERFACE m_axi depth=628115 port=fm     offset=slave bundle=fm
#pragma HLS INTERFACE m_axi depth=13792  port=weight offset=slave bundle=wt
#pragma HLS INTERFACE m_axi depth=432    port=biasm  offset=slave bundle=bm
#pragma HLS INTERFACE s_axilite register port=return

#pragma HLS ALLOCATION instances=PWCONV1x1		limit=1 function
#pragma HLS ALLOCATION instances=DWCONV3x3	   	limit=1 function

將接口定義刪掉即可

void SkyNet(ADT4* img, ADT32* fm, WDT32* weight, BDT16* biasm)
{
#pragma HLS ALLOCATION instances=PWCONV1x1		limit=1 function
#pragma HLS ALLOCATION instances=DWCONV3x3	   	limit=1 function

2. 修改SkyNet/src/SkyNet.h
kernel端的SkyNet.h無需修改，但是Host端因為要用OpenCL來調(diào)用加速器，因此需要在頭文件中加入相關(guān)代碼(就是從案例vadd中復(fù)制過來的)

#ifndef SKYNET_H
#define SKYNET_H
#pragma once

#define CL_HPP_CL_1_2_DEFAULT_BUILD
#define CL_HPP_TARGET_OPENCL_VERSION 120
#define CL_HPP_MINIMUM_OPENCL_VERSION 120
#define CL_HPP_ENABLE_PROGRAM_CONSTRUCTION_FROM_ARRAY_COMPATIBILITY 1

#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include "ap_int.h"

3.修改SkyNet/src/SkyNet.cpp
這部分改動比較大，主要就是要用OpenCL的方式加載Kernel，分配內(nèi)存，還是以vadd的案例作為參照。

1. 首先把加載kernel部分代碼全盤復(fù)制過來

int main(int argc, char* argv[]) {
    if(argc != 2) {
        std::cout << "Usage: " << argv[0] <<" "<< std::endl;
        return EXIT_FAILURE;
    }

    char* xclbinFilename = argv[1];

    std::vector devices;
    cl::Device device;
    std::vector platforms;
    bool found_device = false;

    cl::Platform::get(&platforms);
    for(size_t i = 0; (i < platforms.size() ) & (found_device == false) ;i++){
        cl::Platform platform = platforms[i];
        std::string platformName = platform.getInfo();
        if ( platformName == "Xilinx"){
            devices.clear();
            platform.getDevices(CL_DEVICE_TYPE_ACCELERATOR, &devices);
        if (devices.size()){
            device = devices[0];
            found_device = true;
            break;
        }
        }
    }
    if (found_device == false){
       std::cout << "Error: Unable to find Target Device "
           << device.getInfo() << std::endl;
       return EXIT_FAILURE;
    }

    // Creating Context and Command Queue for selected device
    cl::Context context(device);
    cl::CommandQueue q(context, device, CL_QUEUE_PROFILING_ENABLE);

    // Load xclbin
    std::cout << "Loading: '" << xclbinFilename << "'/n";
    std::ifstream bin_file(xclbinFilename, std::ifstream::binary);
    bin_file.seekg (0, bin_file.end);
    unsigned n_b = bin_file.tellg();
    bin_file.seekg (0, bin_file.beg);
    char *buf = new char [n_b];
    bin_file.read(buf, n_b);

    // Creating Program from Binary File
    cl::Program::Binaries bins;
    bins.push_back({buf,n_b});
    devices.resize(1);
    cl::Program program(context, devices, bins);

2. 聲明kernel

cl::Kernel krnl_SkyNet(program,"SkyNet");

3. 分配kernel端內(nèi)存cl::buffer
在SDSoC中我們要給權(quán)重、特征圖等buffer分配連續(xù)內(nèi)存地址，

	img = (ADT4*)sds_alloc(4*160*320*sizeof(ADT4));
	weight = (WDT32*)sds_alloc(441344*sizeof(WDT));
	biasm = (BDT16*)sds_alloc(432*sizeof(BDT16));
	fm = (ADT32*)sds_alloc(32*fm_all*sizeof(ADT));

在PYNQ框架中我們用xlnk分配連續(xù)內(nèi)存地址

	img    = xlnk.cma_array(shape=[4,160,320,4], dtype=np.uint8)
	fm     = xlnk.cma_array(shape=(628115*32), dtype=np.uint8)
	weight = xlnk.cma_array(shape=(220672),  dtype=np.int16)
	biasm  = xlnk.cma_array(shape=(432*16),  dtype=np.int16)

其中img和weight對于加速器來說是只讀不寫，但是biasm和fm既讀又寫，這一點在SDSoC和PYNQ中都無需刻意區(qū)分，但是在OpenCL需要額外注意。

cl::Buffer(按照我的理解)是在DDR中給kernel(FPGA)端分配一段內(nèi)存，

	cl::Buffer buffer_img(context, CL_MEM_READ_ONLY, 160*320*sizeof(ADT16));
	cl::Buffer buffer_fm(context, CL_MEM_READ_WRITE, 32*fm_all*sizeof(ADT));
    cl::Buffer buffer_wt(context, CL_MEM_READ_ONLY, 441344*sizeof(WDT));
    cl::Buffer buffer_bm(context, CL_MEM_READ_WRITE, 432*sizeof(BDT16));

所以其讀寫是從kernel端看的，加速器中對img只是讀沒有寫，所以在聲明cl::Buffer時用CL_MEM_READ_ONLY，而fm和biasm既有讀又有寫，所以用CL_MEM_READ_WRITE。

4. 配置加速器
在PYNQ框架里我們要把加速器各個端口對應(yīng)對物理地址傳給加速器

	SkyNet = overlay.SkyNet
	SkyNet.write(0x10, img.physical_address)
	SkyNet.write(0x1c, fm.physical_address)
	SkyNet.write(0x28, weight.physical_address)
	SkyNet.write(0x34, biasm.physical_address)

在SDSoC中這個步驟工具會自動生成相應(yīng)的代碼，但是在OpenCL中需要手動指定，需要注意參數(shù)的順序要跟function的順序一致。

    //set the kernel Arguments
    int narg=0;
    krnl_SkyNet.setArg(narg++,buffer_img);
    krnl_SkyNet.setArg(narg++,buffer_fm);
    krnl_SkyNet.setArg(narg++,buffer_wt);
    krnl_SkyNet.setArg(narg++,buffer_bm);

5.分 配Host端內(nèi)存
在PYNQ框架中我們并不能直接訪問屬于加速器的內(nèi)存片段，因此在Host端都是操作numpy數(shù)組，然后將numpy數(shù)組的數(shù)據(jù)復(fù)制到屬于加速器的內(nèi)存片段

parameter = np.fromfile("SkyNet.bin", dtype=np.int16)
np.copyto(weight, parameter[0:220672])# 從numpy數(shù)組復(fù)制到加速器內(nèi)存
np.copyto(biasm[0:428*16], parameter[220672:])
print("Parameters loading done")
bbox_origin = np.empty(64, dtype=np.int16)
bbox  = np.zeros((4,4),dtype=np.float32)
result= open('predict.txt','w+')
batch_buff  = None
image = np.zeros((4,160,320,4),np.uint8)
image_buff  = np.zeros((4,160,320,4),np.uint8)
...
np.copyto(bbox_origin, biasm[428*16:])# 從加速器內(nèi)存復(fù)制到numpy數(shù)組
...

再次強(qiáng)調(diào)一下在SDSoC中不區(qū)分Host端內(nèi)存和Kernel端內(nèi)存

	img = (ADT4*)sds_alloc(4*160*320*sizeof(ADT4));
	weight = (WDT32*)sds_alloc(441344*sizeof(WDT));
	biasm = (BDT16*)sds_alloc(432*sizeof(BDT16));
	fm = (ADT32*)sds_alloc(32*fm_all*sizeof(ADT));

在OpenCL中要將Kernel端內(nèi)存映射到Host端內(nèi)存

    ADT32* img = (ADT32*) q.enqueueMapBuffer (buffer_img , CL_TRUE , CL_MAP_WRITE , 0, 160*320*sizeof(ADT32));
    ADT32* ofm_blob32 = (ADT32*) q.enqueueMapBuffer (buffer_fm , CL_TRUE , CL_MAP_READ | CL_MAP_WRITE , 0, fm_all*sizeof(ADT32));
    WDT32* weight = (WDT32*) q.enqueueMapBuffer (buffer_wt , CL_TRUE , CL_MAP_WRITE , 0, 441344*sizeof(WDT));
    BDT16* biasm = (BDT16*) q.enqueueMapBuffer (buffer_bm , CL_TRUE , CL_MAP_READ | CL_MAP_WRITE , 0, 432*sizeof(BDT16));

需要說明的是此時對讀寫是從Host端開過來的，所以與Kernel端配置反過來。

6. 啟動加速器

在PYNQ里我們用如下代碼控制加速器啟動與停止

        SkyNet.write(0x00, 1)
        isready = SkyNet.read(0x00)
        while( isready == 1 ):
            isready = SkyNet.read(0x00)

在OpenCL中對應(yīng)的代碼稍微復(fù)雜一點點，如下所示

    q.enqueueMigrateMemObjects({buffer_img,buffer_wt},0/* 0 means from Host*/);
    q.enqueueTask(krnl_SkyNet);
    q.enqueueMigrateMemObjects({buffer_fm,buffer_bm},CL_MIGRATE_MEM_OBJECT_HOST);
    q.finish();

在這里又一次出現(xiàn)了對內(nèi)存的配置，q.enqueueMigrateMemObjects的用法我不是非常清楚，但是大概意思就是CL_MIGRATE_MEM_OBJECT_HOST選項表示Host在啟動加速器之后還得回去接收數(shù)據(jù)，而0就不用。加速器運行完后邊的數(shù)據(jù)處理跟SDSoC里是完全一致的。

7. 回收內(nèi)存

	q.enqueueUnmapMemObject(buffer_img, img);
    q.enqueueUnmapMemObject(buffer_fm, ofm_blob32);
    q.enqueueUnmapMemObject(buffer_wt, weight);
	q.enqueueUnmapMemObject(buffer_bm, biasm);
    q.finish();

四、編譯工程
1. 選擇硬件函數(shù)
現(xiàn)在的工程并沒有選擇硬件函數(shù)加速

點擊Hardware Functions里的藍(lán)色按鈕將SkyNet添加為硬件函數(shù)，并勾選Max Memory Ports。

2. 編譯工程
將Activation build configuration改為Hardware，點擊左側(cè)的菜單欄SkyNet_system，然后點擊小錘子，整個工程就開始編譯了。在R7 3700X上大概20分鐘就能編譯完成。

SkyNet文件夾存放Host端調(diào)用加速器的代碼，SkyNet_kernels文件夾存放FPGA端的加速器代碼，但是加速器端代碼還只是代碼，并不是一個比特流，SkyNet_system_hw_link文件夾用來存放Vivado工程，生成的比特流就在這個文件夾下。編譯完畢我們可以在SkyNet_system_hw_link找到Vivado工程

打開看一下block diagram，可以發(fā)現(xiàn)勾選Max Memory Ports生效了，加速器總共生成了4個M_AXI接口，如果不勾選Max Memory Ports那么四個接口就會bundle到一起，影響加速器的傳輸性能。

五、上板測試
1. 燒寫SD卡
在編譯好的工程下我們可以看到如下文件

我們把sd_card.img文件復(fù)制到windows電腦上燒寫進(jìn)SD卡，具體怎么燒寫之前的博文中有提到，在此不再重復(fù)

2. 準(zhǔn)備文件
用Mobaxterm登錄板子，默認(rèn)用戶名和密碼都是root。將SkyNet，init.sh，binary_container_1.xclbin以及SkrSkr/Develop/C/blob和SkrSkr/Develop/C/weight復(fù)制到/home/root下，如圖所示

配置一下xrt環(huán)境

./init.sh

然后就可以開始測試?yán)?/p>

至此移植工作全部結(jié)束。目前的linux系統(tǒng)是Vitis自動生成的（其實應(yīng)該是Petalinux構(gòu)建出來的），可用性很差，后邊會嘗試把Vitis跟PYNQ結(jié)合，將Vitis生成的可執(zhí)行文件放在PYNQ提供的運行環(huán)境下執(zhí)行。

審核編輯 黃昊宇