GHDL项目中组件属性在综合网表中的保留问题分析
2025-06-30 17:45:16作者:卓艾滢Kingsley
问题概述
在GHDL与Yosys协同工作的过程中,发现VHDL代码中为组件(component)设置的属性(如keep属性)无法正确传递到最终的综合网表中。这导致Yosys等综合工具可能会优化掉那些本应保留的实例化模块。
技术背景
在数字电路设计中,VHDL的属性(attribute)机制允许设计者为各种设计元素附加元信息。这些属性可以指导综合工具进行特定的优化处理,例如:
keep属性:指示综合工具保留特定模块不被优化ram_style属性:指导综合工具采用特定的RAM实现方式
GHDL作为VHDL仿真工具,与Yosys等综合工具配合使用时,需要确保这些重要属性能够正确传递到最终的网表文件中。
问题重现
通过一个简单的测试案例可以重现该问题:
-- 测试属性传递的简单综合示例
library ieee;
use ieee.std_logic_1164.all;
entity foo is port (
a : in std_logic;
y : out std_logic);
end entity;
architecture beh of foo is
component bar is
end component;
attribute keep : string;
attribute keep of bar: component is "yes";
begin
y <= a;
b0 : bar;
end beh;
使用GHDL和Yosys进行处理后,生成的Verilog网表中并未包含应有的keep属性:
module foo(a, y);
input a;
wire a;
output y;
wire y;
bar b0 (
);
assign y = a;
endmodule
问题分析
-
属性作用域问题:当前GHDL将keep属性附加在组件声明上,而非实例化上,这与综合工具的预期不符
-
属性传递机制:GHDL到Yosys的接口可能没有完整处理组件实例的属性传递
-
综合优化影响:缺少关键属性会导致综合工具进行不期望的优化,如移除空模块
解决方案探讨
-
属性位置调整:应将keep等综合相关属性附加在实例而非组件声明上
-
属性传递机制改进:GHDL需要确保所有设计属性都能传递到后端工具
-
通用属性处理:考虑实现通用的属性传递机制,而非特殊处理个别属性
相关扩展问题
在测试过程中还发现类似问题存在于其他重要属性上,如ram_style属性也无法正确传递。这表明可能需要一个更全面的属性处理机制,而非针对单个属性的修补方案。
总结与展望
GHDL作为开源VHDL工具链的重要组成部分,其与综合工具的交互能力直接影响设计流程的完整性。解决属性传递问题将显著提升GHDL在实际设计流程中的可用性。未来可以考虑:
- 建立完整的属性传递规范
- 增强与主流综合工具的兼容性测试
- 提供更详细的属性处理文档
这些改进将使GHDL在从仿真到综合的完整设计流程中发挥更大作用。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217