DFGAS：通过DFG感知方案探索硬件-软件调度的平衡

《ACM Transactions on Architecture and Code Optimization》：DFGAS: Exploring the Balance of HW-SW Scheduling through the DFG-Aware Scheme

CGRAs作为空间计算布料虽具潜力，但纯静态设计存在过序列化和负载不均衡问题。本文提出DFGAS方案，通过软件预测、动态自适应执行和后处理优化实现软硬件协同调度，显著提升能效比（较纯静态CGRAs提升1.9倍）。

　　

摘要

粗粒度可重构架构（CGRAs）被视为适用于多个领域不断发展的算法的有前景的空间计算平台。然而，纯软件调度无法弥补这些纯静态CGRA设计在过度序列化和负载不平衡方面的缺陷。为了解决由于硬件灵活性有限而引起的问题，需要深入研究CGRA的软件和硬件调度设计之间的平衡，以实现更精确、准确和自适应的数据流调度。

在本文中，我们提出了DFGAS（DFG-Aware Scheduling），这是一种基于数据流驱动的CGRA，它提供了一种全面的调度方法，包括软件预测、运行时自适应执行以及执行后的优化。在执行之前，TimeStamp预测算法结合固有的数据流执行模型，能够在NoC和PE上进行粗粒度（块级）的传输和计算优先级预测。在执行过程中，通过引入动态和自适应的数据流机制来加速关键数据流图（DFG）块和边的执行。该方法利用软硬件协同设计，对整个DFG有一个全面的了解，并持续自适应地优化调度过程。此外，还实现了一个完整的工作流程，支持对软件DFG映射结果进行改进。DFGAS代表了一种值得探索的CGRA调度方案，实现了在能效和灵活性之间取得平衡的软硬件协同设计。实验表明，与基于数据流的CGRA相比，DFGAS的能效提高了1.35倍；与最先进的纯静态CGRA相比，能效提高了1.9倍。