TODO List

• 修改了garnet的tester file,对多引擎仿真要做对应的改动 wgt_tag=1001; act_tag=1002; out_tag=1003
• 单引擎：read output partial sum
• code refactory: 统一文件读入hardware参数和conv参数
• 增加不同数据流配置？
• 拓扑：hetero_mesh_nopRouter 参数从脚本中传进来，而不要写死

---

hetero_gem5

This repo contains 1) gem5 with support of heterogeneous topology, 2) neural network parser and mapping system and 3) prediction function of single-engine & multiple-engine DNN accelerator performance.
This repo is developed based on gem5 v20.1.0.

The baseline heterogeneous single-engine accelerator

架构更新：每个chiplet有单独的DRAM

Special Support for noc+nop simulation

• gem5/configs/topologies/hetero_mesh.py 支持仿真link wdith不同的mesh，实际仿真中无效果。(:exclamation:不再使用了)
• gem5/configs/topologies/hetero_mesh_nopRouter.py 支持仿真noc+nop router,具体配置信息需要在.py中手动配置。脚本中写法如下:

	--topology=hetero_mesh_nopRouter \
	--num-cpus= noc_core_num * nop_size + nop_size \
	--num-dirs= noc_core_num * nop_size + nop_size \

File structure

nnparser_ME_hetero：用于支持noc+nop的多引擎架构仿真。

• run_configs.py 用于指定workload拆分及mapping策略&拓扑。
• mesh_hetero.py 带有noc+nop router拓扑的实现。
• mesh.py 普通mesh实现。
• GAGA_gennew_waitall_fensan_2gene.py 多引擎workload拆分、mapping、性能预测、task file生成代码。

nnparser_SE_hetero：用于支持noc+nop的单引擎架构仿真。

• mesh_hetero.py 带有noc+nop router拓扑的实现。
• randomTest_intralayer.py 层内性能预测。
• config.py 通用的不常修改的参数。
• single_engine_predict_noc_nop.py 适用于baseline架构下的性能预测。

粒度探索部分

• run_granularity_model.py 多进程run所有模型的所有层
• process_model_results.py 处理run_granularity_model.py得到的结果 (!不一定准确，需要check)
• randomTest_noc_nop_granularity_model.py 包括探索空间定义和单层探索程序
• single_engine_predict_granularity.py 具体的层内能量和延迟计算（专用于粒度探索）

多DRAM架构

• single_engine_predict_intralayer.py 新架构下的性能预测。

Run 多引擎

依据需求修改nn_parser_CCASM_hetero/run_configs.py.

cd nnparser_ME_hetero
python3 GAGA_gennew_waitall_fensan_2gene.py

对应task file会生成在：nnparser_ME_hetero/task/对应文件名/
拷贝task file到dnn_task/对应文件名/

在gem5/run_dnn_example.sh中指定拓扑&对应task file路径

cd gem5
sh run_dnn_example.sh

Run 单引擎

cd nnparser_SE_hetero
python3 randomTest_noc_nop.py.py

拷贝对应的task file

cd gem5
sh run_singleEngine_baseline_noc.sh

可以得到运行一层网络的延迟信息。

Useful information for experiment

NNbaton buffer配置：4 chiplets, 8 cores, 8 lanes of 8-size vector MAC, 1.5KB O-L1, 800B A-L1, 18KB W-L1 and 64KB A-L2.

NNbaton中不同网络层:
activation-intensive layer： VGG-16 conv1 (224,224,3)(3,3,3,64) =(224, 224, 3)
weight-intensive layer： VGG-16 conv12 (14,14,512) * (3,3,3,512) = (14,14,512)
large kernel-size layer： ResNet-50 conv1 (224,224,3)(7,7,3,64) = (112,112, 64) (stride=2)