HLS 后端示例

更多 TVM 中文文档可访问 →Apache TVM 是一个端到端的深度学习编译框架，适用于 CPU、GPU 和各种机器学习加速芯片。 | Apache TVM 中文站

---

TVM 支持带有 SDAccel 的 Xilinx FPGA 板，接下来介绍如何将 TVM 部署到 AWS F1 FPGA 实例。

备注：此功能仍处于测试阶段，目前无法用 SDAccel 部署端到端神经网络。

本教程使用了两个 Python 脚本：

• build.py - 用于合成 FPGA 比特流的脚本。

  import tvm
  from tvm import te

  tgt= tvm.target.Target("sdaccel", host="llvm")

  n = te.var("n")
  A = te.placeholder((n,), name='A')
  B = te.placeholder((n,), name='B')
  C = te.compute(A.shape, lambda i: A[i] + B[i], name="C")

  s = te.create_schedule(C.op)
  px, x = s[C].split(C.op.axis[0], nparts=1)

  s[C].bind(px, tvm.te.thread_axis("pipeline"))

  fadd = tvm.build(s, [A, B, C], tgt, name="myadd")
  fadd.save("myadd.o")
  fadd.imported_modules[0].save("myadd.xclbin")

  tvm.contrib.cc.create_shared("myadd.so", ["myadd.o"])

• run.py - 将 FPGA 作为加速器的脚本。

  import tvm
  import numpy as np
  import os

  tgt = "sdaccel"

  fadd = tvm.runtime.load_module("myadd.so")
  if os.environ.get("XCL_EMULATION_MODE"):
  fadd_dev = tvm.runtime.load_module("myadd.xclbin")
  else:
  fadd_dev = tvm.runtime.load_module("myadd.awsxclbin")
  fadd.import_module(fadd_dev)

  dev = tvm.device(tgt, 0)

  n = 1024
  a = tvm.nd.array(np.random.uniform(size=n).astype("float32"), dev)
  b = tvm.nd.array(np.random.uniform(size=n).astype("float32"), dev)
  c = tvm.nd.array(np.zeros(n, dtype="float32"), dev)

  fadd(a, b, c)
  tvm.testing.assert_allclose(c.numpy(), a.numpy() + b.numpy())

设置

• 用 FPGA Developer AMI 启动实例。无需 F1 实例来进行仿真和合成，因此推荐用开销较低的实例。

• 设置 AWS FPGA 开发套件：

  git clone https://github.com/aws/aws-fpga.git
  cd aws-fpga
  source sdaccel_setup.sh
  source ${XILINX_SDX}/settings64.sh

• 启用 OpenCL 前设置 TVM。

仿真​

• 为仿真创建 emconfig.json：

  emconfigutil --platform ${AWS_PLATFORM} --nd 1

• 将 emconfig.json 复制到 Python binary 目录下：因为当前的 Xilinx 工具包假定宿主机的二进制文件和 emconfig.json 文件处于同一路径。

  cp emconfig.json $(dirname $(which python))

• 运行软件仿真：

  export XCL_EMULATION_MODE=1
  export XCL_TARGET=sw_emu

  python build.py
  python run.py

• 运行硬件仿真：

  export XCL_EMULATION_MODE=1
  export XCL_TARGET=hw_emu

  python build.py
  python run.py

合成​

• 用以下脚本进行合成：

  unset XCL_EMULATION_MODE
  export XCL_TARGET=hw

  python build.py

• 创建 AWS FPGA 镜像，并将其上传到 AWS S3：

  ${SDACCEL_DIR}/tools/create_sdaccel_afi.sh
  -xclbin=myadd.xclbin -o=myadd
  -s3_bucket=<bucket-name> -s3_dcp_key=<dcp-folder-name>
  -s3_logs_key=<logs-folder-name>

这会生成 awsxclbin 文件（在 F1 实例上使用 AWS FPGA 镜像必需）。

运行​

• 启动 Amazon EC2 F1 实例。

• 将 myadd.so，myadd.awsxclbin 和 run.py 复制到 F1 实例中。

• 设置 AWS FPGA 开发套件：

  git clone https://github.com/aws/aws-fpga.git
  cd aws-fpga
  source sdaccel_setup.sh

• 启用 OpenCL 前设置 TVM。

• 以 root 身份设置环境变量：

  sudo sh
  source ${INSTALL_ROOT}/setup.sh

• 运行：

  python run.py