PicoRV32 开源 RISC-V CPU 项目教程
1. 项目介绍
PicoRV32 是一个开源的 RISC-V RV32IMC 指令集实现的 CPU 内核。它可以通过配置支持 RV32E、RV32I、RV32IC、RV32IM 或 RV32IMC 内核,并且可以选择包含一个内置的中断控制器。PicoRV32 的设计重点在于追求面积和频率的优化,明确声称它为面积而非性能做优化,因此其性能并不理想,平均每条指令的周期数大约在 4 个周期。
PicoRV32 的核心实现只有一个 Verilog 文件 picorv32.v,并且提供了多种接口版本,如 AXI4-Lite 和 Wishbone 接口。此外,PicoRV32 还提供了一些辅助模块,如乘法器和除法器,以及一个简单的 SoC 示例。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你的系统已经安装了以下工具:
- Git
- GCC 编译器
- Verilator(用于仿真)
- Yosys(用于综合)
2.2 下载项目代码
首先,克隆 PicoRV32 项目代码到本地:
git clone https://github.com/cliffordwolf/picorv32.git
cd picorv32
2.3 编译和运行仿真
PicoRV32 项目提供了一个简单的测试环境,可以使用 Verilator 进行仿真。以下是编译和运行仿真的步骤:
- 编译测试环境:
make -j$(nproc) build-tools
- 运行仿真:
make test_verilator
2.4 查看仿真结果
仿真运行后,你可以在终端中看到仿真结果。如果需要查看波形,可以使用 GTKWave 工具打开生成的 VCD 文件。
3. 应用案例和最佳实践
3.1 在 FPGA 上的应用
PicoRV32 非常适合在 FPGA 上使用,尤其是在需要一个轻量级、面积优化的 CPU 内核时。你可以将 PicoRV32 集成到你的 FPGA 设计中,并通过 AXI4-Lite 或 Wishbone 接口与外设进行通信。
3.2 嵌入式系统
PicoRV32 可以作为一个嵌入式系统的核心,用于控制和处理简单的任务。你可以通过配置 PicoRV32 的参数来优化其性能和资源占用,以适应不同的应用场景。
3.3 教育和研究
由于 PicoRV32 是一个开源项目,它非常适合用于教育和研究。学生和研究人员可以通过阅读和修改 PicoRV32 的源代码来学习 RISC-V 架构和 CPU 设计。
4. 典型生态项目
4.1 Yosys
Yosys 是一个开源的 Verilog 综合工具,可以用于将 PicoRV32 综合到门级网表。通过 Yosys,你可以进一步优化 PicoRV32 的设计,并将其部署到 ASIC 或 FPGA 上。
4.2 Verilator
Verilator 是一个开源的 Verilog 仿真工具,可以用于仿真 PicoRV32 的行为。通过 Verilator,你可以在没有硬件的情况下验证 PicoRV32 的功能和性能。
4.3 RISC-V GNU 工具链
RISC-V GNU 工具链包括编译器、汇编器和链接器,可以用于编译和链接 PicoRV32 的固件。你可以使用这些工具来生成可以在 PicoRV32 上运行的二进制文件。
通过这些生态项目,你可以构建一个完整的开发环境,从设计、仿真到部署,全面支持 PicoRV32 的开发和应用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00