Chainsaw - 以DFG为核心的DSP DSL

近期常用链接

什么是Chainsaw?

效果展示

原始设计图(FIR框图)
图设计语法

val myFIR = DFGGraph()
val adder = (dataIns: Seq[FIX]) => Seq(dataIns(0) + dataIns(1)).asDSPNode
val cmult = (dataIns: Seq[FIX], constant:Int) => Seq(dataIns(0) * constant).asDSPNode
val Seq(a0,a1,a2) = ...
val Seq(m0,m1,m2,m3) = ...
val x = myFIR.addInput()
myFIR.addPath(x >> m0 >> 1 >> a0 >> a2 >> a3 >> )
...
myFIR.setOutput(a3)

myFIR.fold(2)
GenRTL(myFIR)
VivadoSynth(myFIR)

DSL语法

val dfg = "y = 1 * x@3 + 2 * x@2 + 3 * x@1 + 4 * x".asDFG.fold(2)

GenRTL(myFIR)
VivadoSynth(myFIR)

IP语法

val myFIR = FIR(1,2,3,4, folding = 2, arch = SYSTOLIC)

GenRTL(myFIR)
VivadoSynth(myFIR)

Chainsaw的机制

设计的底层要素 - 面向硬件算法/架构研究者,在图级别工作
设计的中层要素 - 面向DSP系统设计者,在DSL级别工作
设计的高层要素 - 面向调包者,在IP级别工作
设计的辅助要素
补充图示: dive into Chainsaw
Chainsaw Mechanisms详解页面

Chainsaw Mechanisms

为实现Chainsaw对SpinalHDL的研究

Chainsaw的IP

Chainsaw IPs详解页面

Chainsaw IPs

IP的package划分和参考书

communication.channelCoding - 信道编码和解码 - CodingTheory

论文准备

论文大纲

大纲
1. 摘要
  - 三个核心特性
  - 所有亮点
    - 第一个RTL级的,基于HGL的DSP DSL
    - 使得高级架构变换变得前所未有的简单
    - 使得精度和位宽的specification变得前所未有的简单
    - 软硬协同验证
    - 现成的全开源工具链
    - 丰富的可扩展性,未来可期
2. 历史回顾
  - 之前的此类设计
    - 为什么DSL,而不是C/python/java?
      - 我们应当帮助硬件工程师,而不是试图让软件工程师取而代之
      - 我们认为上面的目标永远不可能达到,其结果往往是让软件和硬件工程师都付出了更多的学习成本
    - 为什么是scala-based DSL,而不是全新的DSL
      - scala作为DSL宿主语言的优势
      - Chisel和SpinalHDL的成功
      - scala与其它重要库的互操作性
        
        matlab JAVA API
        
        JGraphT
        
        Spire
  - 我们的设计哲学
    - 充分但最简的信息
      - "充分" - bit-accurate,而不是高层次综合
      - "最简" - 通过领域特定知识,将语言的形式变为最简
        
        如果你不同意领域特定知识,你始终可以在最细的颗粒度上操作
      - 一个例子: FIR的公式和精度,已经足够,为什么要写那么多代码?
    - 拒绝贪心
      - 拒绝实现复杂控制逻辑 - 交给SpinalHDL / verilog
      - 拒绝实现高层次综合
        
        只做有限的DFG变换
        
        并且,通过一种格式为高层次综合提供可能性
      - 通过复用来弥补自己的不足,而不是实现一切
        
        并且,这样带来了"信息保持"特性
    - 多范式,自助餐式的设计 - 通过开源,这是可能的
      - 研究者可以深入图框架和类型框架
      - 设计者可以使用DSL
      - 需要IP的人可以仅仅运行一段代码
3. motivational example: 与silage的比较 - 也许换成FIR/FFT更好?
  1. 图1,FIR的结构,silage代码,和三个层次上的Chainsaw代码
  2. 图2,FFT是怎么通过retiming,folding,unfolding成为一个family
- Chainsaw描述

硬件架构

silage描述

import Chainsaw._

val word = HardType(Fix(20,8))
val coef = HardType(Fix(10,4))

val adaptor = Seq("b + (b - a) * g", "a + (b - a) * g").asDSPNode
	.setType(Seq(word, word, coef))
val post = "(b - a) * 0.5".asDSPNode

val whole = new DFGArea{ // DFGArea中有一个隐式的DFG
	val in = input()
	val ada0, ada1, ada2 = adaptor()
	val post0 = post()
	ada0(in, ada1(0), 0.1)
	ada1(ada0(1)@1, ada1(1)@1, 0.001)
	ada2(in, ada2(1)@1, 0.001)
}

GenRTL(whole)
VivadoSynth(whole)

特性说明,沿着motivational example展开
1. DFG特性和原理
2. 数值类型特性和原理
3. DSL形式和设计范围(对照silage的内容)
  1. 对于flow和delay的描述
  2. 对于control的描述
  3. 对于精度类型的描述
  4. 可扩展性和兼容性
总结和展望
1. 丰富IP库
2. 增强向量化
3. 增加对多速率系统的支持

关于类型推断的论文大纲

文献调研

@Ricardo Lee 这个可能要你来定一下，我这里大概写了一点：

框架和框架之间比较的 Attributes：
- HGL
- 开源
- 参数化定制化能力
- 允许的架构的变换能力
  - Pipelining
  - Retiming
  - Folding
  - Unfolding
  - Systolic Array
- 设计空间探索
- 可扩展性
- 结构与算子的强解耦性
- 全平台能力
- 快速迭代能力
- ...
精度推断、精度传播、误差分析
一些体会：
- 语言丰富多样，SystemC、matlab、HLS、Silage、CAL、... 等等
- 设计空间探索对于这样的一个设计框架基本上是属于“标配功能”
- 快速迭代能力也是这些框架大部分所声称的卖点
- 为了适配现有前后端流程，生成可综合RTL是较为普遍的策略。当然也有直接生成layout的（少）
- 较弱的可扩展性是大部分框架的通病
  - 假如框架是开源的
    - 你需要彻底理解它繁复庞杂的整个大系统，然后才能在此之上再去做设计改动，但是会牵一发动全身
    - 也许框架本身就没想着给普通设计者去使用

日程和分工

Chainsaw开发日程

整理和计划工作
- 整合所有关于Chainsaw的notion页面,给出一个可读的主页
- 将Chainsaw整理到其它人能够协助我开发的程度,给德昊和泳豪(甚至,所有人)开放push权限,增加一个代码备份点
- 实现DFG和硬件类型的分离
- 整理Real代码
DFG模型的基础性工作
- 实现数值类型和数值模型的分离
- 读论文确认DFG模型所需要的所有基本要素
- 设定DFG所有变换的API
- 编写DFG设计所需要的回归测试
文献阅读工作
- 最优先阅读的文献
  - cathedral
  - 架构变换综述
  - silage

分工

李天瑞
- 核心部分的设计,主要是
  - DFG模型
  - 数据类型设计
  - 基本operator的硬件实现
    - MUX
    - DELAY
    - 各种乘法和加法
陈泳豪
- 调查学术界/开源社区的DSP设计框架
- 可视化框架的设计
- Vivado交互框架的设计
- 编写已经实现的Vivadoflow的文档
向德昊
- 调查商业DSP设计工具
- 调查maven发布方法
- Chainsaw的测试框架和协议设计
  - 编写已经实现的测试方法的文档
    
    笔记
  - 编写封装后的matlab scala API的文档
李权鑫: 代码测试,论文阅读
- 从文献和教材中向Chainsaw添加回归测试
- 整理先前的算法内容的文档,和API文档
可能的其它人
- 研究和清理之前实现的IP

干扰因素

FTN设计的推进
研讨会内容的准备

Chainsaw Doc

页面上的Doc只负责下面内容:
- 基本机制的简单介绍
- 整个名称空间的设计
  - Chainsaw.package.scala
    - 和Real有关的代码
      - 暂略
    - 简化simulation的Util
      - SFix类型的pimper → SimSFixPimper
      - ComplexNumber的Pimper → SimComplexPimper 其内容是基于SFix的
      - 各种println方法和作为println开关的printlnWhenDebug
      - 作为bit sequence的BigInt → BigIntUtil
      - 作为bit sequence的String → BinaryStringUtil
      - Seq的Util
        
        将Seq[T <: Data]视为Vec的隐式转换
    - 对定点类型的增强
      - 为SFix增加了unary -,有进位加法和减法
    - 对随机数的增强
      - nextComplex - 产生一个随机的复数,范围同nextDouble
      - nextBigInt - 产生一个随机的,任意长度的BigInt,是正数,用于发生比特序列
      - nextBinaryString - 产生String,目的同上
      - 另一个直接地,在仿真时发生随机序列的方法是直接对信号进行randomize,然后采集它们作为testCase
    - 快速生成代码/仿真/synth/impl
      - GenRTL
      - Vivado系列
        
        VivadoSynth
        
        VivadoImpl
    以Seq为核心的"有序集合"类型
    
    重新梳理Real的import逻辑
  - core -providing core mechanisms for all the designs, including design, high-level transformation, numeric data type, and data-driven test framework
    - dfg - dataflow graph model
    - archs - DFG generators(thus, they represent specific "architecture")
    - dsptest - providing test framework for data-driven module(DFG)
    - numeric - numeric data type which can be easily peek/poke, and is self-validated
    - dsl - interface & utils helping users to use mechanisms above fluently
  - lib - providing off-the-shelf designs and utils
    - comparith - building blocks which you may find in Computer Arithmetic
    - dsp - transformations on real/complex field, which you may find in DSP with FPGA, fast algo
    - comm - designs for communications, especially for encoding/decoding
  - Transform - Chainsaw所采用的协议和测试规范
  - Crypto - 密码学相关的模块
  - Xilinx - 和Xilinx器件及工具链相关的内容
  - Examples - 存放一些示例代码,可能是关于某个语法如何使用,或是某个第三方库的示例
对于更加详细的doc
- 调查scaladoc的网页生成,制定doc要求
对于IP的doc,遵守IP文档规范,在notion上给出文档

Chainsaw依赖的库

我的SpinalHDL案例

两张表

抽象代数性质表
DSP设计与其数学本质,加速方法的映射表

debug: 细节

info: 日常/流程 - 指明当前的阶段

warn: 不违法,但很可能有错

error:

RicardoNid/ChainsawOld

Chainsaw - 以DFG为核心的DSP DSL

近期常用链接

什么是Chainsaw?

效果展示

Chainsaw的机制

Chainsaw的IP

同类工作对比

开源社区/学术界工作

商业工具

INNOVATIONS - 与上面工作相比

论文准备

论文大纲

文献调研

分工

干扰因素

Chainsaw Doc