veriGPU的设计思路，完整内容请参见 附件文档
为什么要致力于一些我们可能***无法真正实现的事情？
好吧，不确定它***无法建造。 如果我们真的创建了一个经过合理验证且可工作的 GPU 设计，那么就会有大量 VC 来将其流片。
但是，与此同时......有很多事情很难真正运行或极其昂贵，例如：
- 等离子体（例如在聚变反应堆中）
- 太空火箭
- 火星登陆器
- ...还有 VLSI ASIC，例如 GPU
在所有情况下，解决问题的主要方法之一是创建高质量的模拟。 对于聚变反应堆的等离子体来说，这是相当具有挑战性的，因为我们甚至无法“看到”真相。 光只是另一种粒子，它与等离子体相互作用。 最终我们只看到产生了多少能量，以及发射了一些粒子。 等离子体模拟用于测试有关正在发生的情况的各种假设，以对等离子体进行“逆向工程”。
就 GPU 而言，模拟相对简单。 CMOS 电路至少在单元级别具有相对确定性，并且有许多可用的高质量模拟器，例如 [iverilog](http://iverilog.icarus.com/) 和 [verilator](https:// www.veripool.org/verilator/）。 我们可以使用yosys（https://github.com/YosysHQ/yosys）来综合到门级单元，然后我们可以对其进行模拟。 我们可以在这些模拟器中运行 GPU，并根据自己的喜好进行调整。 想要一个只有 BF16 的 GPU 吗？ 调整代码。 其实我无论如何都打算把它变成纯FP16，但这只是一个例子。 想要更改每个多处理器的核心数量，或者时钟频率和指令延迟之间的权衡？ 调整一下代码:)
我认为，在无法真正“尝试”的情况下开展项目似乎是一项有用且有价值的技能。
（要做的事：我需要写一些关于如何快速陷入运行模拟的说明:)）-->
为什么不在 FPGA 上进行目标/测试？
在我之前使用 OpenCL 的经验中，即 [DeepCL](https://github.com/hughperkins/DeepCL)、[cltorch](https://github.com/hughperkins/cltorch)、[coriander](https:// github.com/hughperkins/coriander），具有讽刺意味的是，我只能访问 NVIDIA® GPU 来运行它们 :P，我发现我所做的一切都以各种微妙的方式针对 NVIDIA® GPU 进行了优化，当我最终得到一个简短的说明时 使用 AMD® GPU 时，性能非常糟糕。 FPGA 和 ASIC 之间的差异相当大。 例如，FPGA 包含自己的内置路由架构、触发器的工作方式略有不同、复位工作方式也略有不同、FPGA 可以具有“初始”块，并且 FPGA 中的存储器布局也不同。 我觉得即使接触 FPGA 也会以各种微妙的方式“污染”设计，而且很难察觉。 用机器学习的术语来说，我觉得我们会“过度拟合”FPGA，并且无法正确推广到 ASIC。
所以，我认为模拟是前进的方向。 我们需要确保模拟尽可能可靠、准确和完整。
楼主
标题置顶
标题高亮
