{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1515056452',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://www.xiaopingtou.cn//data/attach/topic/topicKPo7gB.jpg', '推荐 18780176718 的文章《Altera笔记：Introduction to Parallel Computing with O》','https://www.xiaopingtou.net/article-82909.html','页面编码gb2312|utf-8默认gb2312'));){kind=link}
今天注册了altera的training课程，想看看OpenCL写FPGA是怎么写（只知道用HDL写FPGA）。
heterogeneous computing 需要在CPU DSP上面写sequential code，同时在FPGA上面用VHDL/Verilog来实现fine grained parallelism and vectoring。不过这样在写的时候或者在运行的时候会有很多调试等等的工作，导致开发效率低下。
以往来说，parallelism是侧重于写ILP给OoO processor。但是现在随着core 复杂化，这样不行。于是改成tlp，也就是要显式的写成thread level parallelism来利用多核heterogenious 环境。所以一个通用的并行编程的middle layer（ren：中间层）就可以实现在多种不同架构的硬件上编程，而不需要分为C++/Java和HDL。
写并行程序有2大难点：
1. 把顺序算法设计成并行以利用多核的heterogeneous硬件；
2. 解决data sharing和Synchronization issues。
在并行运行的时候，data dependency就是很大问题。例如，在5级pipeline(就是一种task parallelism where pipes have a producer-consumer relation)的MIPS中就会有RAW和superscaler时会有WAW和WAR。这时候会有牵涉到硬件设计的：Uniform address spaces, cache coherency(这个面试常常会考，2个protocal要理解)。
不过OpenCL提供了abstract model for parallelism, 以及data sharing跟Synchronization的机制。
2个并行编程的方法：scatter and gathering （data parallelism） 和 divide and conquer（task parallelism）。一般都会把2个混着用。
scatter and gather: 可以用SIMD。 Divide and conquer: 可以用simultaneous multithreading （SMT）。“A modern GPU contains a set of multi-threaded streaming multiprocessors (SM), which are discrete independent execution units.” 点击打开链接 这里有个详细的分析：SIMD < SIMT < SMT: parallelism in NVIDIA GPUs 点击打开链接
......................................
接下来可以上： We recommend completing the following courses:
那有了C code就不用设计成Verilog就能port到FPGA上面？真厉害。
2个并行编程的方法：scatter and gathering （data parallelism） 和 divide and conquer（task parallelism）。一般都会把2个混着用。
scatter and gather: 可以用SIMD。 Divide and conquer: 可以用simultaneous multithreading （SMT）。“A modern GPU contains a set of multi-threaded streaming multiprocessors (SM), which are discrete independent execution units.” 点击打开链接 这里有个详细的分析：SIMD < SIMT < SMT: parallelism in NVIDIA GPUs 点击打开链接
......................................
接下来可以上： We recommend completing the following courses:
- Writing OpenCL Programs for Altera FPGAs (OOPNCL200) 52 Minutes Online Course
- Running OpenCL on Altera FPGAs
那有了C code就不用设计成Verilog就能port到FPGA上面？真厉害。