1. 函数层面的优化
从函数这个角度来说代码风格，主要是看参数的数据类型，C++中的数据类型是以8为边界的，而实际硬件中我们可能会遇到任意精度的数据类型，因此我们一定在C++中定义为任意精度的数据类型；
2. Inline
对函数的Inline实际是去除函数的层次化，带来的好处是可以改善资源，不再需要调用函数的相关逻辑，对于小函数HLS会自动Inline，如果我们不希望，可以通过directive中的 -off这个选型来实现
3. ALLOCATION
定义了函数与相应RTL model之间的关系，ALLOCATION使副本并行运行，从而减少延迟性，配置与结果如下图所示，allocation的影响，它实际上是在Latency和Area上做折衷。
4. Task Level Pipelining: Dataflow
- 实际上是做并行处理，可以看到用到了channel，channel可以是ping-pong RAM，也可以是FIFO；
- Dataflow可以作用于一些顺序处理的任务，比如函数或者循环，或者两者都有；
- Dataflow是将顺序处理变为并行处理，使得当前任务不需要前面的任务结束才执行，可以并行处理，所以Dataflow允许任务之间有交叠，提高了数据吞吐量，降低了Latency；
5. 总结
