探索未来验证新境界:Python版UVM库
2024-06-07 15:03:05作者:何举烈Damon
1、项目介绍
UVM(Universal Verification Methodology)Library for Python 是一个大胆的尝试,它将系统级验证语言SystemVerilog的UVM 1.2标准移植到了Python和Cocotb框架中。这个开源项目旨在打破语言限制,让Python程序员也能享受到UVM的强大功能。
2、项目技术分析
UVM-Python利用了Cocotb的优势,使得测试平台能够在任何模拟器上编写,无论免费或商业。虽然目前只在Icarus Verilog进行了测试,但计划将Verilator也纳入其中。项目实现了UVM的核心组件,包括TLM(Transaction Level Modeling)、Phasing、Sequences等,并提供了与原生SystemVerilog版本相似的API。
3、项目及技术应用场景
- 硬件设计验证:在复杂的SoC设计中,UVM-Python可以构建高效、可重用的测试平台,实现对硬件行为的全方位验证。
- 教育与研究:对于学习验证方法论的学生或者研究人员,UVM-Python提供了一种更易理解和编程的语言环境。
- 嵌入式系统开发:通过Python实现的UVM,能够帮助工程师快速开发和测试嵌入式系统的底层硬件接口。
4、项目特点
- 移植性:Python是多平台通用的,UVM-Python可以跨平台运行,适应各种硬件验证需求。
- 类似API:遵循UVM 1.2规范,降低了从SystemVerilog迁移到Python的难度。
- 兼容性:支持Icarus Verilog和Verilator等HDL模拟器,计划增加更多。
- 易于使用:通过简单的
pip安装即可启动,配合Makefile轻松运行示例。 - 持续开发:项目处于积极开发状态,逐步完善并添加更多功能。
示例代码
# Makefile
TOPLEVEL_LANG ?= verilog
VERILOG_SOURCES ?= new_dut.sv
TOPLEVEL := new_dut
MODULE ?= new_test
include $(shell cocotb-config --makefiles)/Makefile.inc
include $(shell cocotb-config --makefiles)/Makefile.sim
// new_dut.sv
module new_dut(input clk, input rst, output[7:0] byte_out);
assign byte_out = 8'hAB;
endmodule: new_dut
# new_test.py
import cocotb
from cocotb.triggers import Timer
from uvm import *
class NewTest(UVMTest):
@cocotb.coroutine
def run_phase(self, phase):
phase.raise_objection(self)
yield Timer(100, "NS")
phase.drop_objection(self)
uvm_component_utils(NewTest)
@cocotb.test()
def test_dut(dut):
yield run_test('NewTest')
当前状态
UVM-Python已实现大部分核心特性,如TLM 1.0、组件、阶段以及部分序列功能,同时已初步实现了TLM 2.0。尽管如此,项目仍在不断发展中,期待你的参与共同完善。
探索UVM-Python的世界,让我们一起开拓新的硬件验证疆界!如果你有任何建议,或者愿意贡献自己的力量,欢迎访问项目仓库,提出问题或发起Pull Request:
登录后查看全文
热门项目推荐
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147