Yosys CXXRTL后端对$bwmux内部单元的支持问题分析
2025-06-18 18:11:28作者:房伟宁
问题背景
在Yosys项目的最新开发版本中,用户在使用CXXRTL后端编译Hazard3处理器的测试平台时遇到了一个关键问题。当尝试将设计转换为CXXRTL格式时,系统报错显示"Unsupported internal cell `$bwmux'"。
技术细节分析
mux)不同,它能够处理更复杂的位宽选择场景。
在当前的CXXRTL后端实现中,虽然已经支持了多种基本逻辑单元和复用器类型($mux, $pmux, bwmux的原生支持。这导致当设计中出现这种单元时,后端无法正确处理,从而抛出错误。
解决方案探讨
目前有两种可行的解决方案:
-
转换方案:在生成CXXRTL代码前,通过添加
bxmuxmap转换步骤,将$bwmux单元转换为CXXRTL支持的其他基本单元组合。这种方法简单直接,但可能影响生成的代码效率。 -
原生支持方案:直接扩展CXXRTL后端,添加对$bwmux的原生支持。这需要:
- 在识别可内联单元的函数中添加$bwmux类型
- 实现对应的C++代码生成逻辑
- 在CXXRTL运行时库中添加位宽复用操作的支持
从技术角度看,原生支持方案更为优雅,因为它:
- 保持了原始设计的结构完整性
- 可能产生更高效的C++代码
- 减少了中间转换步骤
- 提供了更一致的开发体验
实现建议
基于技术评估,推荐采用原生支持方案。具体实现应包括:
- 修改
is_inlinable_cell函数,将$bwmux识别为可内联单元 - 在代码生成器中添加$bwmux处理逻辑
- 在CXXRTL运行时库的value模板类中添加bwmux操作实现
运行时实现可以采用位操作组合的方式:
value<Bits> bwmux(const value<Bits> &b, const value<Bits> &s) const {
return (bit_and(s.bit_not())).bit_or(b.bit_and(s));
}
这种实现既高效又清晰,利用了现有的位操作原语,确保了代码的一致性和可维护性。
影响评估
这一改进将带来以下积极影响:
- 提升CXXRTL后端对复杂设计的支持能力
- 减少用户在使用过程中遇到的兼容性问题
- 保持生成代码的性能优势
- 为未来支持更多专用单元奠定良好基础
结论
通过对Yosys CXXRTL后端$bwmux支持问题的深入分析,我们可以看出,在现代硬件设计流程中,后端支持完整性的重要性。原生支持方案不仅解决了当前问题,还为系统未来的扩展提供了更好的框架。这一改进将显著提升Yosys在处理复杂数字设计时的可靠性和用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Jetson TX2开发板官方资源完全指南:从入门到精通 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
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
481
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
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++
649
270
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
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
211