OpenCL on FPGA — Kernel·Channel·Burst Memory 분석
#한 줄 요약
“OpenCL on FPGA는 kernel 함수가 곧 하드웨어 회로가 되는 모델입니다.” 같은 OpenCL 코드를 GPU처럼 던지지 않고, FPGA pipeline에 맞춰 single-work-item kernel + channel + restrict + ivdep를 활용합니다.
#어떤 상황에서 쓰나
Intel Stratix/Arria/Cyclone, AMD Alveo, 일부 Xilinx Vitis flow에서 OpenCL/SYCL을 지원합니다. CUDA·C++ AMP에 익숙한 사람이 FPGA에 진입할 때 첫 선택입니다. HLS C++와 비슷한 위치지만 더 kernel-centric 모델입니다.
GPU OpenCL과 코드 자체는 호환되지만, FPGA에 throughput을 내려면 사고방식이 완전히 다릅니다. GPU는 수천 work-item을 동시에, FPGA는 deep pipeline 하나로 throughput.
#핵심 개념 — Single Work-Item Kernel
GPU OpenCL:
__kernel void vec_add(__global float *a, __global float *b, __global float *c) { int i = get_global_id(0); c[i] = a[i] + b[i];}// host: clEnqueueNDRangeKernel(...) global_size = 1024GPU는 1024개 work-item을 thread로 띄움.
FPGA에 효율적인 형태:
__kernel void vec_add(__global float *a, __global float *b, __global float *c, int n) { for (int i = 0; i < n; i++) { c[i] = a[i] + b[i]; }}for loop가 FPGA pipeline으로 합성. Loop iteration이 cycle마다 새 데이터 처리 (II=1).
# Intel OpenCL FPGA compileraoc -board=p520_max_sg280l vec_add.cl -o vec_add.aocxvec_add.aocx는 bitstream + kernel metadata.
#Channel — Kernel 간 통신
Channel은 kernel 사이의 FIFO. Producer-consumer pipeline을 만듭니다.
#pragma OPENCL EXTENSION cl_intel_channels : enablechannel float c1 __attribute__((depth(1024)));channel float c2 __attribute__((depth(1024)));
__kernel void producer(__global float *in, int n) { for (int i = 0; i < n; i++) { float x = in[i]; write_channel_intel(c1, x); }}
__kernel void filter(int n) { for (int i = 0; i < n; i++) { float x = read_channel_intel(c1); write_channel_intel(c2, x * 0.5f); }}
__kernel void consumer(__global float *out, int n) { for (int i = 0; i < n; i++) { out[i] = read_channel_intel(c2); }}세 kernel이 동시에 동작. Producer가 빠르면 channel에 쌓이고, consumer가 느리면 producer는 wait. Pipeline backpressure.
Xilinx의 stream과 같은 개념입니다.
#Burst memory access
__kernel void vec_add(__global const float * restrict a, __global const float * restrict b, __global float * restrict c, int n) { for (int i = 0; i < n; i++) { c[i] = a[i] + b[i]; }}restrict qualifier로 pointer aliasing 없음을 알려줌. Compiler가 burst load/store로 합성. 없으면 cycle마다 1 word, 있으면 burst로 16~256 word.
ivdep (Intel)은 loop carried dependency 없음을 알려줌.
#pragma ivdepfor (int i = 0; i < n; i++) { out[i] = process(in[i]);}#Local memory — On-chip BRAM
__kernel void conv2d(__global const float *in, __global float *out, int h, int w) { __local float buf[3][MAX_W]; // BRAM에 매핑 // ... line buffer 패턴}__local은 work-group 공유 메모리 (BRAM). __private는 work-item private (register).
#Loop unroll
__kernel void mac(__global float *a, __global float *b, float *out) { float sum = 0; #pragma unroll for (int i = 0; i < 8; i++) { sum += a[i] * b[i]; } *out = sum;}#pragma unroll로 inner loop를 펼침. 8개 MAC을 병렬. HLS의 UNROLL과 동일.
#NDRange vs Single Work-Item
// NDRange (GPU style)__kernel void vec_add_ndr(__global float *a, __global float *b, __global float *c) { int i = get_global_id(0); c[i] = a[i] + b[i];}
// Single work-item (FPGA style)__kernel void vec_add_swi(__global float *a, __global float *b, __global float *c, int n) { for (int i = 0; i < n; i++) c[i] = a[i] + b[i];}FPGA에서 둘 다 가능하지만 single work-item이 throughput 더 좋습니다. NDRange는 pipeline II 분석이 어렵고, work-item 간 share register가 비쌉니다.
#Host code (Intel OpenCL)
#include <CL/cl.h>
int main() { cl_platform_id plat; cl_device_id dev; clGetPlatformIDs(1, &plat, NULL); clGetDeviceIDs(plat, CL_DEVICE_TYPE_ACCELERATOR, 1, &dev, NULL);
cl_context ctx = clCreateContext(NULL, 1, &dev, NULL, NULL, NULL); cl_command_queue q = clCreateCommandQueue(ctx, dev, 0, NULL);
// Load aocx FILE *f = fopen("vec_add.aocx", "rb"); fseek(f, 0, SEEK_END); size_t sz = ftell(f); fseek(f, 0, SEEK_SET); uint8_t *bin = malloc(sz); fread(bin, sz, 1, f); fclose(f);
cl_program prog = clCreateProgramWithBinary(ctx, 1, &dev, &sz, (const uint8_t**)&bin, NULL, NULL); clBuildProgram(prog, 1, &dev, "", NULL, NULL); cl_kernel k = clCreateKernel(prog, "vec_add", NULL);
// Buffers cl_mem ba = clCreateBuffer(ctx, CL_MEM_READ_ONLY, N*sizeof(float), NULL, NULL); cl_mem bb = clCreateBuffer(ctx, CL_MEM_READ_ONLY, N*sizeof(float), NULL, NULL); cl_mem bc = clCreateBuffer(ctx, CL_MEM_WRITE_ONLY, N*sizeof(float), NULL, NULL);
clEnqueueWriteBuffer(q, ba, CL_TRUE, 0, N*sizeof(float), host_a, 0, NULL, NULL); clEnqueueWriteBuffer(q, bb, CL_TRUE, 0, N*sizeof(float), host_b, 0, NULL, NULL);
clSetKernelArg(k, 0, sizeof(cl_mem), &ba); clSetKernelArg(k, 1, sizeof(cl_mem), &bb); clSetKernelArg(k, 2, sizeof(cl_mem), &bc); int n = N; clSetKernelArg(k, 3, sizeof(int), &n);
size_t one = 1; clEnqueueTask(q, k, 0, NULL, NULL); /* single work-item */ clFinish(q);
clEnqueueReadBuffer(q, bc, CL_TRUE, 0, N*sizeof(float), host_c, 0, NULL, NULL);}NDRange면 clEnqueueNDRangeKernel을 씁니다.
#SYCL / oneAPI FPGA Backend
Intel oneAPI는 SYCL (C++ 기반 OpenCL 후속)로 FPGA를 다룹니다.
#include <sycl/sycl.hpp>#include <sycl/ext/intel/fpga_extensions.hpp>
using namespace sycl;
int main() { queue q{ext::intel::fpga_emulator_selector{}}; // emulator // or fpga_selector{} for real hardware
constexpr int N = 1024; std::vector<float> a(N, 1.0f), b(N, 2.0f), c(N);
{ buffer ba{a}, bb{b}, bc{c}; q.submit([&](handler &h) { accessor aa{ba, h, read_only}; accessor ab{bb, h, read_only}; accessor ac{bc, h, write_only, no_init}; h.single_task<class vadd>([=]() { for (int i = 0; i < N; i++) ac[i] = aa[i] + ab[i]; }); }); }
for (int i = 0; i < 4; i++) std::cout << c[i] << "\n";}single_task<>가 single work-item kernel. C++ template으로 컴파일 시간 unroll·pipeline 가능.
#사례 — FIR Filter
__kernel void fir(__global const float *in, __global float *out, int n) { float buf[8] = {0}; const float coef[8] = {0.1f, 0.2f, 0.3f, 0.4f, 0.4f, 0.3f, 0.2f, 0.1f};
for (int i = 0; i < n; i++) { #pragma unroll for (int j = 7; j > 0; j--) buf[j] = buf[j-1]; buf[0] = in[i];
float sum = 0; #pragma unroll for (int j = 0; j < 8; j++) sum += coef[j] * buf[j];
out[i] = sum; }}Inner loop unroll로 한 cycle 8 MAC. II=1 outer pipeline으로 100 MSPS.
#Profile / Report
aoc -board=... -report fir.clReport HTML이 생성됩니다.
Throughput: 100 MSPSII: 1Latency: 12 cyclesResource: ALM: 3500 / 245440 (1.4%) DSP: 8 M20K: 2 Logic util: 2.1%II=1 확인. Resource utilization과 throughput 모두 보고서에서.
#Xilinx Vitis OpenCL
Xilinx Vitis도 OpenCL flow를 지원하지만 HLS 기반으로 합성. 거의 같은 코드.
// hostauto kernel = xrt::kernel(device, uuid, "vec_add");auto run = kernel(a_buf, b_buf, c_buf, N);run.wait();XRT (Xilinx Runtime)이 OpenCL 위에 더 thin abstraction을 제공합니다.
#자주 보는 함정
NDRange로 GPU처럼 짜기
__kernel void foo(__global float *a) { int i = get_global_id(0); a[i] = a[i] * 2.0f;}// global_size = 1024FPGA에서 work-item 1024개 = pipeline 1개에 1024 iteration. 단순한 case는 single work-item이 더 빠르고 명확.
restrict 누락
__kernel void f(__global float *in, __global float *out, int n) { for (int i = 0; i < n; i++) out[i] = in[i];}// → in과 out이 alias 가능 → cycle마다 1 accessrestrict 한 단어로 burst memory 활용.
Channel depth 부족
channel float c __attribute__((depth(4)));Depth 4면 backpressure 잦음. Producer/consumer 속도 차이 흡수에 1024 정도가 보통.
Floating point 가정
GPU는 native float, FPGA는 float에 수십 cycle. Fixed point가 훨씬 가볍습니다.
emulator만으로 끝낸 가정
aoc -march=emulator # emulator: 빠른 functional testaoc -board=... # real hardware: 빌드 수 시간Emulator에서 동작해도 real hardware에서는 resource 부족, timing fail 가능. Report도 함께 확인.
Multiple kernel 메모리 충돌
같은 DDR을 여러 kernel이 동시 access하면 bandwidth contention. Bank를 다르게 할당하거나 sequential 실행.
#정리
- OpenCL on FPGA는 kernel = pipeline 회로. Single work-item이 일반적.
- Channel로 kernel 간 producer-consumer pipeline.
restrict로 burst load/store,ivdep로 dependency 해소.- Local memory가 BRAM, private가 register.
- Intel
aoc, Xilinx Vitis 둘 다 지원. SYCL은 그 위 C++ 추상. - NDRange보다 single work-item + loop가 FPGA 친화적.
- Report HTML로 II/throughput/resource 항상 확인.
- Emulator 통과 ≠ real hardware 통과.
다음 편은 Intel Quartus 사용법입니다.
#관련 항목
Modern Embedded Recipes · 136 of 152
- 1Modern Embedded Recipes — 모던 임베디드 실전 레시피 시리즈 소개
- 2디지털 신호 기초 — Voltage Level·Edge·Setup/Hold 분석
- 3임베디드 클럭과 타이밍 — Skew·Jitter·PLL·MMCM 분석
- 4GPIO 내부 구조 분해 — Push-Pull·Open-Drain·Schmitt Trigger
- 5UART 하드웨어 동작 분석 — Baud Rate·Framing·FIFO
- 6SPI 하드웨어 분석 — Clock Mode·MOSI/MISO·Chip Select
- 7I2C 하드웨어 분석 — Open-Drain·Clock Stretching·Arbitration
- 8ADC 동작 원리 — SAR·Sigma-Delta·Pipelined 비교
- 9DAC 동작 원리 — R-2R Ladder·Sigma-Delta·Settling Time
- 10PWM 신호 생성 분석 — Duty·Frequency·Dead Time·Center-Aligned
- 11CAN 버스 전기적 특성 — Differential·Termination·Dominant/Recessive
- 12RS-485·RS-422 차동 신호 분석 — Termination·Biasing·Topology
- 13LVDS 차동 신호 분석 — Common-Mode·Impedance·Eye Pattern
- 14ARM Cortex-M 시리즈 비교 — M0·M3·M4·M7·M33·M55 분석
- 15ARM Cortex-A 시리즈 비교 — A53·A55·A72·A78·X1 분석
- 16ARM 레지스터 구조 분석 — R0~R15·CPSR·SPSR·Banked Registers
- 17Cortex-M 예외 처리 — Vector Table·NVIC·Tail-Chaining 추적
- 18ARM 메모리 맵 분석 — Normal·Device·Strongly-Ordered Region
- 19ARM L1·L2 캐시 분석 — Set Associative·Inclusive·Maintenance
- 20ARM MPU 활용 — Region·Attribute·Privilege Separation
- 21ARM MMU 기초 분석 — Translation Table·TLB·ASID
- 22ARM TrustZone-M 기초 — Secure/Non-Secure·NSC·MPC
- 23ARM Memory Barrier 실전 — DMB·DSB·ISB·DMA·MMIO
- 24임베디드 크로스 컴파일러 분석 — GCC·Clang·Sysroot 구성
- 25C 컴파일 4단계 — Preprocess·Compile·Assemble·Link 추적
- 26ELF 파일 구조 분석 — Section·Segment·Symbol Table·DWARF
- 27링커 스크립트 기초 — SECTIONS·MEMORY·entry point
- 28링커 스크립트 고급 — Overlay·BSS·init_array·LMA/VMA
- 29임베디드 스타트업 코드 분석 — Reset_Handler·Vector Table·SystemInit
- 30C 런타임 crt0 분석 — Stack·BSS Zero·Data Copy·atexit
- 31임베디드 메모리 레이아웃 — .text·.rodata·.data·.bss·.heap·.stack
- 32임베디드 컴파일러 최적화 분석 — -O0~-O3·-Os·-LTO 비교
- 33Map 파일 분석 — Symbol·Section·Size 추적으로 코드 크기 진단
- 34Make·CMake 크로스 컴파일 — Toolchain File·Sysroot 통합
- 35임베디드 Bootloader 체인 — BootROM·SPL·U-Boot·Kernel·Secure Boot
- 36첫 bare-metal 프로그램 작성 — Linker·Startup·main의 최소 구성
- 37MMIO 레지스터 직접 접근 — volatile·Memory Map·Aliasing 분석
- 38GPIO 드라이버 직접 구현 — STM32 HAL 없이 레지스터로
- 39임베디드 클럭 설정 분석 — HSE·PLL·SYSCLK·AHB/APB 분주
- 40Cortex-M 인터럽트 핸들링 — NVIC·Priority·Vector·EXTI
- 41SysTick 타이머 활용 — 24-bit Counter·1ms Tick·delay 구현
- 42UART 드라이버 구현 — polling·interrupt·DMA 3가지 방식 비교
- 43SPI 드라이버 구현 — Master·Slave·CRC·DMA
- 44I2C 드라이버 구현 — Master·7-bit/10-bit·Clock Stretching 처리
- 45임베디드 DMA 기초 — Memory-to-Memory·Peripheral·Circular Mode
- 46저전력 모드 분석 — Sleep·Stop·Standby·Wake-up Source
- 47IWDG·WWDG 워치독 구현 — Independent vs Window 비교
- 48임베디드 Flash 프로그래밍 — Erase·Program·Read While Write
- 49DDR 초기화 실패 진단 — Timing·Calibration·Walking Bit Test
- 50PWM 출력 실전 — LED 밝기·모터 속도 제어
- 51DC 모터 제어 — H-Bridge·PWM Duty·Encoder Feedback
- 52스테퍼 모터 제어 — Full Step·Half Step·Microstepping
- 53서보 모터 제어 — PWM 1ms~2ms·Closed Loop·PID
- 54Character LCD 제어 — HD44780·4-bit Mode·Custom Char
- 55SPI OLED 제어 — SSD1306·Frame Buffer·Page 단위 갱신
- 56TFT 디스플레이 구동 — RGB565·FSMC·LTDC·DMA2D
- 57환경 센서 활용 — BME280 온습압·SHT3x·BMP180 비교
- 58IMU 센서 활용 — MPU6050·LSM6DSO·Sensor Fusion
- 59CAN 통신 구현 — bxCAN·Filter·Mailbox·CAN-FD
- 60USB Device 기초 — Descriptor·Enumeration·Endpoint·HID/CDC
- 61Ethernet MAC+PHY 통합 — RMII·lwIP·DMA Descriptor
- 62SD Card + FatFs 구현 — SPI/SDIO 모드·CSD/CID·Wear
- 63RTC 활용 — Calendar·Alarm·Wake-up Timer·Backup Domain
- 64RTOS 도입 결정 분석 — Super Loop vs RTOS 트레이드오프
- 65RTOS Task 설계 패턴 — 우선순위·스택·State Machine
- 66RTOS Scheduler 동작 분석 — Tick·Context Switch·Yield
- 67RTOS Semaphore 활용 — Binary·Counting·ISR Give
- 68RTOS Mutex 활용 — Recursive·Priority Inheritance 적용
- 69RTOS Queue 활용 — By-Value·By-Reference·Timeout 패턴
- 70RTOS Event Group 활용 — Bit Wait·Sync·Notify
- 71RTOS Software Timer 활용 — One-shot·Auto-reload·Daemon Task
- 72ISR-Safe API 설계 — Reentrant·Atomic·Defer 패턴
- 73Priority Inversion 진단·예방 — Mars Pathfinder Lesson 추적
- 74Timer Wheel 분석 — Hashed·Hierarchical·O(1) Tick
- 75RTOS 디버깅 기법 — Tracealyzer·SystemView·Stack 추적
- 76임베디드 Linux 부팅 흐름 분석 — BootROM·U-Boot·Kernel·init
- 77U-Boot 활용 — bootcmd·env·tftp·boot.scr 분석
- 78Device Tree 실전 — DTS·DTB·Overlay·Phandle 추적
- 79Device Tree Overlay 적용 — Runtime fragment·dtoverlay
- 80임베디드 커널 빌드 — defconfig·menuconfig·Image·zImage
- 81커널 모듈 기초 — init/exit·Parameter·KBuild·DKMS
- 82캐릭터 드라이버 작성 — file_operations·cdev·register_chrdev
- 83Platform 드라이버 작성 — probe·remove·of_match·DT 바인딩
- 84mmap 4가지 모드 — Anonymous·File·Shared·Huge Page
- 85epoll 실전 — LT·ET·ONESHOT·EXCLUSIVE 비교
- 86UIO·VFIO 분석 — User-Space Driver와 IOMMU 격리
- 87sysfs·configfs 활용 — kobject 기반 User 인터페이스
- 88IRQ Affinity 튜닝 — smp_affinity·isolcpus·irqbalance
- 89루트 파일시스템 구축 — Buildroot 기초·Package·Toolchain
- 90임베디드 동적 메모리 — malloc 위험·결정성·대안 분석
- 91메모리 정렬과 패딩 분석 — Natural·Strict Alignment·Trap
- 92Cache Line Alignment — alignas·Padding·SoA 적용
- 93DMA-Friendly Allocator — dma_alloc_coherent·IOMMU·Pool
- 94Zero-Copy Pipeline — DMA-BUF·sendfile·io_uring·splice
- 95NUMA Memory Topology — numactl·numa_alloc·HBM 적용
- 96SIMD 활용 분석 — Intrinsics·Auto-Vectorization·OpenMP SIMD
- 97ARM NEON 심화 — Matrix Multiply·FFT·Image Filter 적용
- 98임베디드 스택 분석 — high-water·overflow 탐지
- 99임베디드 코드 크기 최적화 — -Os·LTO·Section Garbage Collection
- 100임베디드 전력 최적화 — Sleep Mode·Clock Gating·DVFS
- 101WCET 분석 기법 — Static·Measurement·Hybrid 방법론
- 102Lock-Free Ring Buffer 구현 — SPSC·Power-of-2·Memory Order
- 103Wait-Free Signaling — Atomic Flag·Sequence·Latest-Value
- 104RCU (Read-Copy-Update) 기초 — Quiescent State·Grace Period
- 105Hazard Pointer 분석 — Lock-Free Memory Reclamation
- 106Compare-And-Swap 패턴 — Stack·Counter·Linked List 적용
- 107Atomic Operation 비용 분석 — Fence·Cache Line·Contention
- 108Spinlock vs Mutex 결정 가이드 — Context Switch·Hold Time
- 109ABA 문제 회피 — Tagged Pointer·Hazard·Generation Counter
- 110False Sharing 해결 — Cache Line Padding·SoA 적용
- 111MPMC Queue 구현 — Multi-producer Multi-consumer Lock-Free
- 112임베디드 디버깅 마인드셋 — 가설·격리·재현·이분탐색
- 113JTAG·SWD 안 붙을 때 — 핀·전압·속도·세션 진단
- 114GDB 원격 디버깅 — OpenOCD·J-Link·target remote 구성
- 115Cortex-M 하드폴트 분석 — Stacked Frame·CFSR 읽기
- 116UART 안 찍힐 때 — Bare-metal 체크리스트
- 117임베디드 부팅 실패 진단 — 단계별 Isolation
- 118인터럽트 누락·중복 진단 — Priority·Pending·Re-entry 추적
- 119메모리 오버플로우·오염 진단 — Canary·MPU·Pattern 분석
- 120타이밍·Race 진단 — Heisenbug 잡는 법
- 121통신 프로토콜 분석 — Logic Analyzer와 Protocol Decoder
- 122임베디드 로깅 시스템 설계 — 레벨·버퍼·SWO·Deferred
- 123임베디드 포스트모템 분석 — Core Dump와 Field Crash
- 124FPGA 기초 분석 — LUT·FF·BRAM·DSP 자원 구조
- 125Vivado 사용법 — Project·Constraint·Synth·Impl·Bitstream
- 126PCIe BAR 매핑 분석 — Config Space·Enumeration·MMIO 접근
- 127AXI 인터페이스 — AXI4·AXI4-Lite·AXI-Stream 비교
- 128Zynq PS-PL 통신 — GP·HP·ACP 인터페이스 선택
- 129Mailbox Protocol 분석 — Host와 Accelerator를 잇는 Doorbell
- 130Command Queue·Submission Queue — NVMe·XDMA 공통 패턴
- 131DMA Completion 메커니즘 — Interrupt·Polling·Completion Ring
- 132PCIe Streaming 분석 — BAR Type·MSI-X·Kernel Bypass
- 133Vitis HLS 분석 — Pragma·Pipeline II·Dataflow 실전 감각
- 134HLS 최적화 기법 — Pipeline·Unroll·Partition·Dataflow
- 135Vitis AI 분석 — DPU·xmodel·VART
- 136OpenCL on FPGA — Kernel·Channel·Burst Memory 분석
- 137Intel Quartus 사용법 — Platform Designer·Nios II·HLS
- 138Edge Inference 분석 — Cloud vs Edge·Latency·Privacy
- 139NPU 아키텍처 분석 — Ethos·Hexagon·Systolic Array 비교
- 140딥러닝 Quantization 분석 — PTQ·QAT·INT8·INT4·Calibration
- 141TensorRT 분석 — ONNX→Engine·FP16·INT8·DLA·Multi-Stream
- 142TFLite Micro 분석 — Op Resolver·Tensor Arena·Cortex-M
- 143ONNX Runtime 분석 — Execution Provider와 Cross-Platform 배포
- 144Edge Thermal Management — Throttling·DVFS·Fan Curve·Sustained
- 145NVIDIA Jetson 분석 — Nano·Xavier·Orin·Thor·JetPack·DLA·VPI
- 146Zero-Copy Camera Pipeline — V4L2·DMA-BUF·GPU Import·NPU 직결
- 147온디바이스 LLM 추론 — llama.cpp·GGUF·MLX·KV Cache·NPU Backend
- 148Cortex-M33 TF-M·TrustZone — Secure Firmware·PSA·MCUboot
- 149Matter·Thread 분석 — IoT 통합 표준·Commissioning·Multi-Fabric
- 150PCIe → CXL 진화 — 같은 PHY 위 cache-coherent 프로토콜 추가
- 151QEMU CXL Type 3 디바이스 에뮬레이션 — 노트북에서 CXL 개발 환경 구축
- 152Linux CXL 드라이버 분석 — cxl_pci·cxl_core·region·DAX
관련 글
Intel Quartus 사용법 — Platform Designer·Nios II·HLS
Intel Quartus Prime·Platform Designer(Qsys)·Nios II soft processor·Intel HLS·partial reconfig 사용법.
Vitis AI 분석 — DPU·xmodel·VART
Xilinx Vitis AI로 TensorFlow/PyTorch 모델을 DPU용 xmodel로 quantize·compile하고 VART로 실행하는 흐름.
HLS 최적화 기법 — Pipeline·Unroll·Partition·Dataflow
Vitis/Vivado HLS의 pragma로 II=1 pipeline·array partition·dataflow를 적용해 throughput을 극대화하는 패턴.