Yosys项目中关于非可综合构造的处理方法
2025-06-18 12:53:53作者:贡沫苏Truman
在数字电路设计流程中,Yosys作为一款开源的硬件描述语言综合工具,扮演着将RTL代码转换为门级网表的关键角色。然而,设计者在实践中经常会遇到一些非可综合构造(non-synthesizable constructs)导致综合过程出现问题的情况。
问题背景
在Yosys 0.42+15版本中,用户在使用synth_gatemate流程生成网表时,发现输出结果包含了不被Gatemate PnR工具支持的initial块和$write系统任务。这些构造通常用于仿真环境,但在实际硬件实现中无法被综合。
根本原因分析
经过技术专家分析,这类问题的根源在于原始RTL代码中包含了仅用于仿真的代码段。具体表现为:
- 设计文件中可能包含用于调试或初始化的$write系统任务调用
- 存在仅用于仿真的initial块结构
- 缺少适当的综合指示宏(SYNTHESIS)保护
解决方案
针对这类问题,硬件设计领域有以下几种标准处理方法:
1. 使用条件编译保护
最规范的做法是使用ifndef SYNTHESIS宏将非可综合代码段包裹起来:
`ifndef SYNTHESIS
initial begin
$write("Debug information...");
end
`endif
这种方法可以确保代码在综合时被忽略,而在仿真时正常执行。
2. Yosys预处理选项
虽然Yosys本身不提供直接忽略特定系统任务的选项,但可以通过以下方式处理:
- 使用delete命令移除特定类型的构造:
delete t:$write
- 在综合前对源代码进行预处理,移除或注释掉非可综合部分
最佳实践建议
- 代码组织规范:明确区分可综合代码和仿真专用代码
- 构建系统集成:在Makefile或构建脚本中定义SYNTHESIS宏
- 代码审查:在团队协作中建立代码审查机制,防止非可综合代码混入
- 文档记录:对设计中的仿真专用代码段进行明确标注
技术深度解析
从硬件综合的角度来看,$write这类系统任务属于行为级建模元素,它们描述的是仿真时的行为而非实际的硬件结构。综合工具的任务是将RTL描述转换为由基本逻辑单元组成的网表,因此:
- 仿真专用构造没有对应的硬件实现
- 综合工具要么忽略这些构造,要么报错
- 不同的综合工具对非可综合代码的处理策略可能不同
在Yosys的设计哲学中,更倾向于让用户明确区分可综合和非可综合代码,而不是自动处理这类差异,这有助于培养良好的硬件设计习惯。
结论
正确处理非可综合构造是数字设计流程中的重要环节。通过采用条件编译保护和建立规范的代码组织方式,设计者可以确保代码既能满足仿真需求,又能顺利通过综合流程生成正确的硬件网表。Yosys作为综合工具提供了基础的处理机制,但最佳实践仍需设计者在代码层面进行合理规划。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
19
30