03–单格乘加运算单元PE & 单窗口卷积块CU

前言

​ 第一和第二篇日志已经详细阐述了"半精度浮点数"的加法和乘法模块了。需要注意，他们的输入和输出均是16bit的半精度浮点数。现在我们自下而上，向着更顶层进发，用floatMult16和floatAdd16模块搭建基本的卷积运算模块。

​ 另外，对于卷积神经网络中基本的卷积运算方法、卷积核、卷积层结构和参数等基础知识这里不会赘述，默认读者已经掌握。

---

单格乘加运算单元PE

​ 在进行Image与filter的完整卷积运算之前，我们需要更小的模块去支持这样的操作。首先最基本的是image的一格与filter的一格进行的乘法运算。在一个卷积窗口内，这样一次又一次的乘法操作结束后需要进行累加，得到最后的卷积结果。

代码

`timescale 100 ns / 10 psmodule processingElement16(clk,reset,floatA,floatB,result);parameter DATA_WIDTH = 16;input clk, reset;
input [DATA_WIDTH-1:0] floatA, floatB;
output reg [DATA_WIDTH-1:0] result;wire [DATA_WIDTH-1:0] multResult;
wire [DATA_WIDTH-1:0] addResult;floatMult16 FM (floatA,floatB,multResult);
floatAdd16 FADD (multResult,result,addResult);always @ (posedge clk or posedge reset) beginif (reset == 1'b1) beginresult = 0;end else beginresult = addResult;end
endendmodule

模块结构

• floatA和floatB分别是image和filter中的一格数据，他们输入到PE里来进行运算。
• 实例化floatMult16和floatAdd16，依"先乘后累加"的逻辑将他们连接起来。

​ 值得注意的是，这里用到了latch的结构进行累加，即把输出addResult作为输入再次参与加运算。

时序逻辑分析

① 每个时钟周期上升沿到来时，两个16bit数A和B输入进来。在很短的时间里(一个clk周期内)Mult模块计算出乘积结果AB，并交付于Add模块。

② 上一个时钟周期运算完的累加结果addResult输入到Add模块，在极短的时间内(一个clk周期内)与AB进行加运算，得到本次的累加结果sum+AB，交付给后方寄存器result。

③ 在下个时钟上升沿到来时，result内存储的累加结果更新为本次的运算结果。同时，result也作为本模块的输出。

④ 下一个时钟上升沿到来…

对其上层模块CU的要求

​ 每一个时钟周期都必须输入新的两个数A和B，或者当没有新的卷积任务时将输入口置零。否则将会一直对同一格进行乘加造作，导致重复运算的错误。

---

单窗口卷积块CU

​ CU是PE的上一层，负责完成一整个窗口卷积结果的输出。换言之，在每一个时钟上升沿到来时，CU需要将一个窗口内n*n个格的数依次输入给PE。

​ 本工程中使用的filter大小是5*5单通道的，因此一个窗口的大小也是1*5*5=25格，也就是25*16=400bit。

代码

`timescale 100 ns / 10 psmodule convUnit(clk,reset,image,filter,result);parameter DATA_WIDTH = 16;
parameter D = 1; //depth of the filter
parameter F = 5; //size of the filterinput clk, reset;
input [0:D*F*F*DATA_WIDTH-1] image, filter;
output [0:DATA_WIDTH-1] result;reg [DATA_WIDTH-1:0] selectedInput1, selectedInput2;integer i;processingElement16 PE(.clk(clk),.reset(reset),.floatA(selectedInput1),.floatB(selectedInput2),.result(result));// The convolution is calculated in a sequential process to save hardware
// The result of the element wise matrix multiplication is finished after (F*F+2) cycles (2 cycles to reset the processing element and F*F cycles to accumulate the result of the F*F multiplications) 
always @ (posedge clk, posedge reset) beginif (reset == 1'b1) begin // reseti = 0;selectedInput1 = 0;selectedInput2 = 0;end else if (i > D*F*F-1) begin selectedInput1 = 0;selectedInput2 = 0;end else beginselectedInput1 = image[DATA_WIDTH*i+:DATA_WIDTH];selectedInput2 = filter[DATA_WIDTH*i+:DATA_WIDTH];i = i + 1;end
endendmodule

重要变量说明：

• selectedInput1和 selectedInput2：在遍历时，分别存储image和filter的一格，输入到PE。
• i ：索引变量。

逻辑分析

​ 其实逻辑非常清晰易懂：

• 每个时钟上升沿，选择从DATA_WIDTH*i位置开始，往低位DATA_WIDTH位的数据（即一格16bit数据）。image的一格交给input1，filter的一格交给input2。
• 当一个窗口全都交付运算（i > D*F*F-1）时，A与B均输入16bit的0，防止重复运算最后一格的数据。
• 此模块的reset受其上层模块convLayerSingle控制。每完成一个窗口的卷积操作，中顿2个时钟周期，随后进行复位，重新开始新的卷积任务。

（图片和卷积核本是二维数据矩阵，但经过了RFselector后被展平为一维数据，可以通过单变量索引拿取）

---

开源项目github-URL：CNN-FPGA