for 文の unroll 意外と使い勝手がある。マクロの代用みたいに使える。common lisp で(あるいは scheme で)マクロの強力さを実感してはいたが、unroll といった限られた形のマクロ展開（と呼んでおこう）が多くの場所で適用可能とは思っていなかった。勿論、その分、回路は大きくなるのだが。
どんな時に有益なのだろうか？
for i in unroll(range(8)):
__h[i] = _h[i]
例えば、上のようなリスト(配列)のコピー。現在の Polyphony はリストの長さによってレジスタを使うか BRAM を使うかを切り分けている。マクロという観点から言うとリスト自身が FF へのマクロと言えるかもしれない。その場合、ここの FF へのアクセスを同時に行えるためunroll することで一気に(最良の場合は 1 clock で)値をコピーすることが出来る。
リストが BRAM である場合は unroll は効かないので、この場合はpipelined (パイプライン化の指示) を使うことになるだろう。
別の例を考える。リストにある数値をすべて足すような場合。Polyphony はどこまで最適化してくれるのだろう？
from polyphony import unroll, pipelined
def sum0(data):
sum = [0] * 16
for i in unroll(range(8)):
sum[i] = data[i] + data[i+8]
for i in unroll(range(4)):
sum[i] += sum[i+4]
for i in unroll(range(2)):
sum[i] += sum[i+2]
return sum[0] + sum[1]
import polyphony
from polyphony import testbench
@testbench
def test():
rv = sum0([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15])
print(rv)
test()
まずはなんとなく、自分で最適化もどきを考えてみた。結果は 90 clock(データを準備する時間も入っている)。unroll しないバージョンとそう大差ない。ならば、全部自分で unroll でどうなるかみてみる。
def sum2(data):
sum01 = data[0] + data[1]
sum23 = data[2] + data[3]
sum45 = data[4] + data[5]
sum67 = data[6] + data[7]
sum89 = data[8] + data[9]
sumAB = data[10] + data[11]
sumCD = data[12] + data[13]
sumEF = data[14] + data[15]
sum0123 = sum01 + sum23
sum4567 = sum45 + sum67
sum89AB = sum89 + sumAB
sumCDEF = sumCD + sumEF
sum0_7 = sum0123 + sum4567
sum8_F = sum89AB + sumCDEF
return sum0_7 + sum8_F
これだと 50 clock。しかし、こんなソースは書きたくない。書いてる途中に何度も間違えた。
def sum1(data):
sum = 0
for i in unroll(range(16)):
sum += data[i]
return sum
開発バージョンの polyphony では上のようなスマートな記述方法が取れる。50 clock。最適化はコンパイラに任せよう。参考までに書くと、コンパイラとしてもっと最適化できることはわかっていて、実験的にではあるが、19 clock まで縮めることができた。データを用意するのに 17 clock かかっているので、関数自体は 2 clock で結果を出すことが出来るという試算だ(もちろん全部FFに載せてという前提)。
現時点で Polyphony の最適化はコンパイラ的にかなりいい線はいっているが吐き出すコードは RTL としてはまだまだあまいところはある。しかし、今後の成長に期待が出来る結果が出始めていることも確かだ。