典型时序收敛策略需运行大量实现策略并选取其中最佳的策略以供在实验室内应用。ML 策略同样可选,且只需您运行 3 项策略即可达成类似的 QoR 收益。这些策略使用机器学习来检验布线后设计的各项功能特性,以便预测相同设计上不同策略的性能。在 report_qor_suggestions
(和 write_qor_suggestions
)所生成的 RQS 文件中会捕获最佳的 3 项策略,以供后续应用。这样即可显著降低服务器功耗。
如果在实现命令上,指令设为 RQS,那么此命令会为该指令和其他工具命令选项引用 RQS 文件。此流程如下图所示:
图 1. 策略建议流程
此流程包含 4 个关键点:
-
report_qor_suggestions
命令必须在使用Default
或Explore
指令生成的完全布线的设计上运行。如需了解相关要求的完整详细信息,请参阅 ML Strategy Availability。 -
write_qor_suggestions -strategy_dir <dir>
命令会在指定的目录中生成所需的 RQS 文件。默认情况下,可生成 3 项策略。生成的每项策略各有一个 RQS 文件,其中包含所有建议对象以及策略建议对象。使用write_qor_suggestions -file <fn>.rqs
指定的 RQS 文件可丢弃,因为在每个策略 RQS 文件中都包含此重复信息。注释: 要生成更多策略,请使用以下命令增加数量:report_qor_suggestions -max_strategies <n>
- 生成的 RQS 文件必须读入新的实现运行。
- 必须设置指令 RQS,并且脚本必须包含针对
opt_design
、place_design
、phys_opt_design
和route_design
的调用。