计算与存储
设计 INT8 乘加阵列、INT32 累加和量化后处理,结合分块调度、A/B 双缓冲与数据复用,协调数据搬运、计算和写回。
数字集成电路 · RTL · 模型编译
4×4 脉动阵列与 ResNet-50 整数推理
我独立设计并实现了这款 NPU 和配套的 TFLite/ONNX 编译工具。编译器将模型转换为硬件任务,由 NPU 读取并执行。项目仍在迭代,当前版本已在 RTL 仿真中跑通 ResNet-50,各层的整数输出均与参考模型一致。
主机提供任务描述符的起始地址与数量,NPU 自主读取并调度。矩阵乘法、卷积和全连接共用计算引擎,池化与残差加法使用独立引擎;不同任务通过 DDR 交接数据。

设计 INT8 乘加阵列、INT32 累加和量化后处理,结合分块调度、A/B 双缓冲与数据复用,协调数据搬运、计算和写回。
实现算子映射、权重布局、量化参数转换与 DDR 内存规划,将 ResNet-50 转换为 72 条硬件任务,由 NPU 自主调度执行。
建立独立整数参考模型,逐层核对 RTL 输出及完整 DDR 数据;通过统一条件的性能对照,测量双缓冲和后续优化的实际收益。
相比启用 Burst 的串行供数基线,当前版本整网周期减少 59.65%,同频加速比为 2.48 倍。
测试使用 ONNX 模型权重与合成 INT8 输入,在相同条件下比较整数计算结果和 RTL 执行周期。
当前版保留原生 64 位操作数读取、A/B 双 Bank、输出驻留累加、跨 K 输入复用与部分和槽,并已删除卷积读取缓存。硬件支持局部卷积与池化融合;本次 ResNet-50 的 72 条任务仍逐条执行,通过 DDR 交接。
历史版本通过输入分块复用、AXI Burst 与数据拼装,将整网周期由 531,563 降至 74,527,减少 85.98%。四张测试图片的五层输出全部与软件参考一致。
历史原生 64 位通路与卷积缓存优化将周期由 1,486,468 降至 1,255,817,减少 15.52%。另一版固定配置完成十张图片、140 组层输出核对。
增加输入复用后,DMA 可能提前完成,导致全连接层漏接单周期完成脉冲而超时。改为从发出请求时开始锁存完成状态,直到两路输入都就绪;修复后通过输出比对和整网回归。
完成 16 条扫描链插入,覆盖 75,137 个触发器;开展 stuck-at ATPG,故障覆盖率(Fault coverage)为 78.58%。另完成单个 SRAM 宏的 MBIST 正常运行与故障注入验证。
共保存 16,502 条图样,Test coverage 为 92.19%。覆盖率采用未折叠故障统计,部分检测按 50% 计分:Fault coverage 以全部 2,747,638 个故障为分母,Test coverage 扣除 405,530 个不可检测故障。
MBIST 使用 DW_mbist_ctrl 与 DW_mbist_apg,连接一块 32×64 单端口 SRAM。无故障存储器通过测试;将读数据 bit0 固定为 0 后,MBIST 检出故障;全部 32 个地址均有读写访问。