Chisel v6.7.0版本发布:为Chisel 7做准备的重要更新
项目简介
Chisel(Constructing Hardware in a Scala Embedded Language)是一种基于Scala的硬件构建语言,它允许开发者使用高级编程语言来设计和生成硬件电路。作为数字电路设计领域的重要工具,Chisel通过将Scala的强大功能与硬件设计相结合,大大提高了硬件开发的效率和可维护性。
版本概述
Chisel v6.7.0是一个过渡性版本,主要目的是为用户即将到来的Chisel 7发布做准备。这个版本包含了多项API的弃用通知,这些API将在Chisel 7.0中被移除。同时,该版本也带来了一些性能优化和错误修复。
主要更新内容
API弃用与迁移
-
ElaboratedCircuit引入:新版本引入了ElaboratedCircuit类,同时弃用了内部使用的ir Circuit。这一变化使得ChiselCircuitAnnotation和CircuitSerializationAnnotation不再作为case类使用,为向ElaboratedCircuit的过渡提供了便利。
-
更安全的注解API:现在创建Chisel注解时需要报告哪些InstanceIds将被注解,这样Chisel可以进行安全检查。这一改进提高了代码的安全性,防止潜在的错误使用。
-
测试包弃用:testers包中的所有内容都被标记为弃用,这意味着用户需要开始考虑迁移到新的测试框架。
-
字面量转换警告:当使用
.asUInt或.asSInt(_: Int)时,系统会发出警告,提醒用户可能忘记了.W操作。这与之前.U和.S的处理方式一致,有助于避免常见错误。
性能优化
Aggregate类型检查加速:通过为Aggregate类型添加私有的containsProbe变量,显著提高了containsProbe检查的速度,这对于处理大型硬件设计时尤其重要。
错误修复
-
svsim波形转储行为修复:修正了svsim中额外波形转储的行为问题。
-
符号数处理修正:修复了svsim中sendBits()方法处理有符号数的问题。
-
确定性LFSR生成:确保了FibonacciLFSR的确定性归约,提高了设计的可预测性。
-
属性字符串转义:现在会正确转义属性字符串中的特殊字符,增强了字符串处理的可靠性。
-
模块选择修复:修正了特定情况下模块选择的问题。
-
boring功能增强:现在支持在.toInstance调用后对原始Module使用boring功能。
文档与构建改进
-
文档修正:修复了SourceInfoTransform.scala中的文档拼写错误。
-
Scala 2.13.16支持:插件现在支持跨编译到Scala 2.13.16版本。
-
发布流程改进:更新了持续交付权限,并升级了相关依赖版本。
-
兼容性检查:为v6.6.0启用了MiMa(迁移管理器)工具,帮助确保二进制兼容性。
技术影响与建议
对于Chisel用户来说,v6.7.0版本最重要的意义在于为即将到来的Chisel 7做准备。开发团队通过这个版本提前标记了将被移除的API,给了用户充分的迁移时间。建议用户:
-
检查项目中是否使用了被标记为弃用的API,并开始规划迁移策略。
-
特别注意测试框架的变化,因为testers包将被完全移除。
-
利用新的安全注解API改进代码质量。
-
关注性能优化带来的潜在收益,特别是在处理大型设计时。
-
及时更新依赖,确保与新版本的兼容性。
这个版本体现了Chisel项目对向后兼容性和平稳迁移的重视,通过渐进式的变化帮助用户适应未来的重大更新。对于硬件设计团队来说,现在开始准备向Chisel 7过渡将有助于减少未来的迁移成本。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08