第58章 疯狂推进度（2/2）

这活高德伟自己可以干，但是他不太想，他年龄大了，不想那么累。

陈一然看这样不是个勤快人，团队里现在看只有拉杰比较合適。

然而用了两天，陈一然就让高德伟看到了什么叫做天才。

他几乎是一己之力，把可视范围內的麻烦全都解决了，该设计的全都设计好了。

这种人，不上班也就不上班了。隨便在线指挥一下，就足够让项目疯狂推进了。

接下来几天，陈一然基本上每天睡到自然醒，遛完皮蛋就开始一边看剧一边在线和员工们交流问题。

有问题的不少，但大多数自己琢磨一会就解决了。真正需要他帮忙的，都是茉莉能一眼看出来的东西。

林志伟在解析 lef 文件的时候撞上了格式版本的问题，ispd 2006 的数据还是 lef 5.6 的老格式，他按 5.7 写的解析器读到 obs 段就报错。茉莉扫了一眼，知道是 obs 段的 layer 嵌套在 5.6 和 5.7 之间改了，补了个向下兼容。

张明辉那边跑大案例的时候內存炸了，他习惯性地先把整个 netlist 读到內存再建结构，bigblue4 两百万个 cell 一口气吃掉了 16g。

陈一然让他改成流式解析，边读边建图，省掉中间的完整副本。张明辉是 ea 出来的，游戏引擎的资源加载全是流式的，这活对他来说应该顺手。果然第二天就重构完了，內存砍了一半。

阿密特遇到的麻烦比较刁钻，macro cell 的固定位置约束和標准单元的密度约束在同一个区域里衝突了。

需要一个约束消解层，macro 优先，標准单元只在 macro 没占用的空间里生效。茉莉把逻辑理了一下，写了几行发过去，阿密特加了这层之后全部约束通过了，然后发过来了一堆彩虹屁。

除此之外，团队基本上没出什么大问题。可以说，在茉莉的一对一投餵下，公司的磨合非常的快，基本上一周就完成了高德伟预计半个多月才能完成的任务。

周五下午，陈一然开车去了公司。

高德伟在终端前面跑了第一个集成测试，屏幕上的 log 刷了大概三十秒，最后一行显示：ispd 2006 adaptec1 loaded and validated。

办公室里稀稀落落地鼓了几下掌。

陈一然走到白板前面。上面还留著周一画的架构图，旁边多了密密麻麻的箭头和批註，全是这一周大家往上加的。

“下周开始跑第一次 placement，adaptec1，二十万个 cell。不要求线长多好，只要全流程走通。”

林志伟靠在椅子上想了想：“第一次跑的话，我建议先用最简单的隨机初始化做 baseline。不做任何 ai 训练，就隨机放 cell 然后让 deepflow 算线长。先把数据全流程验证一遍，从解析到引擎到线长评估，確保每一步的数据都是对的。等 baseline 確认没问题了再上 rl。”

高德伟点了点头：“同意。而且这个 baseline 本身就有用。你可以同时把模擬退火也跑一遍 adaptec1，用相同的 benchmark 条件。等 rl 训练起来之后，这两个 baseline 就是对比的锚点。”

周天佑手里还拿著半卷网线说：“训练集群这边有个问题。r710 只有 cpu 没有 gpu，placement 的 rl 训练如果是纯 cpu 跑，二十万个 cell 的叠代速度会很慢。deepflow 的增量计算引擎本身可以大幅降低单次叠代的计算量，但是 rl 需要的大量並发探索还是需要 gpu 加速。”

阿密特问：“你之前不是说三台 r710 都调通了吗。”

“调通了，但 r710 是伺服器级的 xeon，没配 gpu 卡。纯 cpu 跑深度学习训练，效率大概只有 gpu 的十分之一。”

高德伟转过来看陈一然：“这周先用 cpu 跑小的，benchmark 跑通了再考虑 gpu 扩容？”

陈一然看了下茉莉的说法，回復道：“先看看 adaptec1 在纯 cpu 上的单次叠代时间。deepflow 的增量更新可能比你想的省算力。如果一晚上能跑几万次叠代，对於二十万个 cell 的初版原型来说够了，后续上大规模训练再配 gpu。”

拉杰有点无奈的说：“儘快吧，我感觉现在只能帮帮忙。”

阿密特点点头说：“下周我可以把八个 benchmark 案例的约束全部翻译完，这周只做完了 adaptec1 这一个。”

“全部八个做完要多久。”

“两周。后面几个大的比较复杂，bigblue 系列有 macro corner 的额外密度约束。”

“先集中精力把 adaptec1 跑通全流程，其他 benchmark 后面再补。”

几个人又討论了一轮，白板上又多了一堆箭头和 todo。

硅谷是这样的，尤其是初创公司，正是大家都很热情的时候，说到兴奋处，几个单身的甚至开始提议乾脆今天晚上不回家，就在在单位住了。

陈一然赶紧败退了，今天可是周五，还要回家和爸妈视频呢，这周国內的房子他们应该就能定下了。