结合卷积层与全连接层创建一个完整的推理函数

　　首先输入一张1x28x28的图片，然后两次通过Conv2d -》 ReLU -》 MaxPool2d提取特征，最后转为linear，》 ReLU -》 Linear为10阶向量值。
　　用C写的时候，只需按如下依次逐层处理即可。
　　` void conv2d（const float* x， const float* weight， const float* bias， int32_t width， int32_t height，
　　int32_t in_channels， int32_t out_channels， int32_t ksize， float* y） {
　　for （int32_t och = 0; och 《 out_channels; ++och） {
　　for （int32_t h = 0; h 《 height; ++h） {
　　for （int32_t w = 0; w 《 width; ++w） {
　　float sum = 0.f;
　　for （int32_t ich = 0; ich 《 in_channels; ++ich） {
　　for （int32_t kh = 0; kh 《 ksize; ++kh） {
　　for （int32_t kw = 0; kw 《 ksize; ++kw） {
　　int32_t ph = h + kh - ksize/2;
　　int32_t pw = w + kw - ksize/2;
　　// zero padding
　　if （ph 《 0 || ph 》= height || pw 《 0 || pw 》= width） {
　　continue;
　　}
　　int64_t pix_idx = （ich * height + ph） * width + pw;
　　int64_t weight_idx = （（och * in_channels + ich） * ksize + kh） * ksize + kw;
　　sum += x［pix_idx］ * weight［weight_idx］;
　　}
　　}
　　}
　　// add bias
　　sum += bias［och］;
　　y［（och * height + h） * width + w］ = sum;
　　}
　　}
　　}
　　}
　　`
　　函数内部的缓冲区 （x1-x8） 用于连接各层之间的特征数据。
　　在HLS中，在哪里定义这个buffer很重要，如果像这次一样把它放在函数中，就可以指定使用FPGA中的RAM（或寄存器）。另一方面，如果将此缓冲区作为函数的参数提供，则可以将数据连接到外部 DRAM。这个区域需要根据应用来设计，但是这次内部SRAM已经够用了，所以定义在函数内部。
　　如果像以前一样编写接口规范，将如下所示：
　　输入
　　x： 输入图像。shape=（1， 28， 28）
　　weight0：第一个卷积层的权重。shape=（4， 1， 3， 3）
　　bias0：第一个卷积层的偏差。shape=（4）
　　weight1：第二个卷积层的权重。shape=（8， 4， 3， 3）
　　bias1：第二个卷积层的偏差。shape=（8）
　　weight2：第一个全连接层的权重。shape=（32， 8 * 7 * 7）
　　bias2：第一个全连接层的偏差。shape=（32）
　　weight3：第二个全连接层的权重。shape=（10， 32）
　　bias3：第二个全连接层的偏差。shape=（10）
　　输出
　　y：输出向量。shape=（10）
　　界面设置
　　在目前创建的函数中，我们还没有具体定义创建电路的接口。未指定接口时，HLS 会为简单 SRAM 生成一个接口。
　　该接口不能用于访问DRAM等访问时间不确定的接口，不方便在真机上操作。为此，我们告诉HLS使用一种称为AMBA AXI4接口协议（以下简称AXI）的协议，该协议主要用于Xilinx FPGA上IP之间的接口。
　　简单介绍一下AXI，AXI是ARM公司提供的一种接口标准。
　　Xilinx IP主要使用以下三种协议。
　　AXI4：高速内存访问协议（主要用途：访问DRAM、PCIe等）
　　AXI4-Lite：AXI4的一个子集，一种用于低速内存访问的协议（主要用途：IP寄存器控制）
　　AXI4-Stream：仅用于单向数据传输的协议，无地址（主要用途：流数据处理）
　　这次我们将使用 AXI4 访问输入/输出数据，使用 AXI4-Lite 控制 IP。
　　具有接口定义的推理函数如下所示：
　　`void inference_top（const float x［kMaxSize］，
　　const float weight0［kMaxSize］， const float bias0［kMaxSize］，
　　const float weight1［kMaxSize］， const float bias1［kMaxSize］，
　　const float weight2［kMaxSize］， const float bias2［kMaxSize］，
　　const float weight3［kMaxSize］， const float bias3［kMaxSize］，
　　float y［kMaxSize］） {
　　#pragma HLS interface m_axi port=x offset=slave bundle=gmem0
　　#pragma HLS interface m_axi port=weight0 offset=slave bundle=gmem1
　　#pragma HLS interface m_axi port=weight1 offset=slave bundle=gmem2
　　#pragma HLS interface m_axi port=weight2 offset=slave bundle=gmem3
　　#pragma HLS interface m_axi port=weight3 offset=slave bundle=gmem4
　　#pragma HLS interface m_axi port=bias0 offset=slave bundle=gmem5
　　#pragma HLS interface m_axi port=bias1 offset=slave bundle=gmem6
　　#pragma HLS interface m_axi port=bias2 offset=slave bundle=gmem7
　　#pragma HLS interface m_axi port=bias3 offset=slave bundle=gmem8
　　#pragma HLS interface m_axi port=y offset=slave bundle=gmem9
　　#pragma HLS interface s_axilite port=x bundle=control
　　#pragma HLS interface s_axilite port=weight0 bundle=control
　　#pragma HLS interface s_axilite port=weight1 bundle=control
　　#pragma HLS interface s_axilite port=weight2 bundle=control
　　#pragma HLS interface s_axilite port=weight3 bundle=control
　　#pragma HLS interface s_axilite port=bias0 bundle=control
　　#pragma HLS interface s_axilite port=bias1 bundle=control
　　#pragma HLS interface s_axilite port=bias2 bundle=control
　　#pragma HLS interface s_axilite port=bias3 bundle=control
　　#pragma HLS interface s_axilite port=y bundle=control
　　#pragma HLS interface s_axilite port=return bundle=control
　　dnnk：：inference（x，
　　weight0， bias0，
　　weight1， bias1，
　　weight2， bias2，
　　weight3， bias3，
　　y）;
　　}
　　`
　　dnnk：：inference函数就是前面提到的推理函数，这个函数将dnnk：：inference“包起来”了。
　　和上一篇文章一样，top函数的接口是一个数组，而不是一个指针。在仿真 HLS 时，此符号对于指定仿真器保留的内存缓冲区的大小是必需的，但它并不是很重要。
　　第 30-50 行 #pragma HLS interfaceport=《参数名称》bundle=《要分配的接口名称》 使用语法为每个函数参数指定接口协议，使用的协议有两个，m_axi和s_axilite，其中m_/s_部分表示请求是发送还是接收（AXI术语中的master/slave），后面的部分就是前面提到的协议部分增加。
　　在此函数中，每个数据端口都成为 AXI4 主端口并主动从 DRAM （L30-39） 中获取数据。此时主机CPU等访问的存储器地址可以通过AXI4-Lite从端口（L40-49）进行设置。
　　最后，用于开始处理的控制寄存器和用于检查处理完成的状态寄存器port=return链接到 AXI4-Lite 从端口 （L50）。
　　综合/结果确认
　　界面
　　将这个电路作为IP输出，放到Vivado的IP Integrator中，如下图。每个端口的名称对应于上面的interface pragma bundle位置。

　　熟悉 Vivado 开发的都知道，剩下要做的就是适当地连接端口，将能够创建能够进行推理处理的 FPGA 图像。
　　综合
　　综合时的表现如下：执行时间最短 1.775 ms，最长 7.132 ms。

　　在这里，我想知道为什么输入图像大小是固定的，但执行时间不固定，这是因为第三篇文章中创建的卷积函数continue包括补零处理。
　　由于这个补零过程只在屏幕边缘进行，实际执行时间几乎是最大时间7.132 ms。
　　for （int32_t kw = 0; kw 《 ksize; ++kw） {
　　int32_t ph = h + kh - ksize/2;
　　int32_t pw = w + kw - ksize/2;
　　// zero padding
　　if （ph 《 0 || ph 》= height || pw 《 0 || pw 》= width） {
　　continue;
　　}
　　int64_t pix_idx = （ich * height + ph） * width + pw;
　　int64_t weight_idx = （（och * in_channels + ich） * ksize + kh） * ksize + kw;
　　sum += x［pix_idx］ * weight［weight_idx］;
　　}
　　在这里为了可读性，用continue中止，但是在FPGA上，与在这里中断循环的处理相比，使用已经安装的乘法加法器进行0加法运算的成本更少。
　　资源使用
　　FPGA的资源利用率如下所示：总体使用量是微不足道的，因为没有增加并行化和流水线等资源的加速。

原作者：碎碎思