扩展到 N×N 并统计完成时钟沿

区分空间尺寸与归约长度

N×N 的 PE 网格产生一个 N×N 输出分块。K 是归约维度，不必等于 N。N=3、K=5 时，A 为 3×5，B 为 5×3，C 为 3×3。九个 PE 分别使用五项，总共执行四十五次 MAC。N 决定布线和输入错位；K 决定累加位宽、项计数和注入持续时间。

沿用既定约定：clear 在 E0 前完成，输入在 E_t 前稳定，MAC 和寄存器转发在该沿进行，并且没有额外的乘法器流水线。A(i,k) 在 k+i 注入，经过 j 跳。B(k,j) 在 k+j 注入，经过 i 跳。两者在 k+i+j 到达 PE(i,j)。

最后一个 PE 在 E_(K+2N−3) 后完成。从 E0 开始包含两端计数，共需要 K+2N−2 个推进时钟沿。N=K=2 时，最后的沿编号为三，沿数为四。N=3、K=5 时，最后编号为八，沿数为九。

参数化连接与计数器

在列零，PE 的 A 输入来自边界；其他列来自左邻居已寄存的 A 输出。B 的规则类似，分别来自上边界或上方邻居。valid 和 job/k 标签使用相同连接，整个网格共享 clear 和 advance。

要求 N≥1、K≥1、AW≥2W。存储零到 K 的 count 需要 max(1,ceil(log2(K+1))) 位。存储零到 K−1 的 k 标签需要 max(1,ceil(log2 K)) 位。K 为二的幂时，两种位宽不同；K=1 时避免零位宽声明。

最后一次边界注入发生在 E_(K+N−2)，之后还有 N−1 个排空时钟沿。计算沿数不包括初始化、存储器加载和输出传送。如果有 P 个暂停时钟沿，实际经过的沿数变为 K+2N−2+P。额外流水线级需要重新分析时序。