verilog中的k近邻算法

我计划做KNN的verilog实现。但问题是与KNN相关的欧几里德距离测量项，因为它需要减法、平方法和加法。我想，当我用欧几里德距离编码knn时，代码会变得复杂。有没有简单的方法（硬件友好）来寻找距离，这样代码的复杂度以及合成电路的复杂度都会降低。我的想法是将码本存储在内存中，当我们输入时，将生成k个最近邻索引作为输出。

查找k个最近邻涉及两部分：1）计算输入向量和每个参考向量之间的距离，2）查找k个最小距离

对于第1部分），可以设计由减法器、乘法器和累加器组成的流水线欧几里德距离函数。与乘法相比，减法和累加（加法）需要相对较小的时钟周期。根据比特宽度的不同，也可能值得对其进行管道化处理。单周期乘法器需要极高的时钟周期，因此它肯定必须采用流水线

这里我假设你在处理整数；如果您必须使用浮点运算，那么您就不走运了，因为浮点乘法和加法由于分支不同而无法流水线进行

对于第2部分），您必须比较所有距离以找到最小的k。这可以通过几种方式实现；一种可能的方法是使用比较器树来查找单个最小距离。找到后，可以从距离集中删除该距离并重复k次

---

注意，对于第1部分，您基本上实现了CPU/GPU的功能单元；这几乎肯定会比您的Verilog实现更快。在CPU/GPU上最大的改进是第2部分）找到k最小距离

合成工具能够合成加法、减法、乘法和二次幂运算。所以一个简单的（xx-yy）可能是可合成的。你试过了吗？根据你的确切问题，你也可以考虑其他非欧几里德规范。特别是l1（“出租车”）规范可能适用于某些情况，并且计算更简单，尤其是当数据具有高维度时。然而，我的感觉是，实际算法（特别是按距离排序）在Verilog中要比欧几里德范数的乘积之和更难有效地实现。