【亲测免费】 NEMU 项目使用教程
2026-01-23 04:17:09作者:齐添朝
1. 项目介绍
NEMU(NJU Emulator)是一个简单但功能齐全的全系统模拟器,主要用于教学目的。最初,NEMU支持x86、mips32、riscv64和riscv32架构。目前,该项目主要保证对riscv64架构的支持。NEMU的主要功能包括:
- 小型监控器,带有简单的调试器
- 单步执行、寄存器/内存检查
- 表达式评估(不支持符号)
- 监视点
- 与参考设计(如QEMU)进行差异测试
- 支持大多数常见ISA的CPU核心
- 支持内存分页和TLB(对于mips32是必需的)
- 支持riscv64的PMP(物理内存保护)
- 支持中断和异常(但不支持保护)
- 支持串行、定时器、键盘、VGA和音频设备(大部分是简化的且不可编程)
- 支持端口映射I/O和内存映射I/O
2. 项目快速启动
2.1 安装依赖
在Ubuntu系统上,可以使用以下命令安装所需的依赖:
sudo apt install build-essential man gcc gdb git libreadline-dev libsdl2-dev zstd libzstd-dev
2.2 克隆项目
git clone https://github.com/OpenXiangShan/NEMU.git
cd NEMU
2.3 配置和编译
首次下载NEMU时,需要运行以下命令进行配置和编译:
make menuconfig
make xxx-ref_defconfig
make -j
其中,xxx-ref_defconfig根据不同的ISA扩展而变化,例如riscv64-xs-ref_defconfig。
2.4 运行NEMU
编译完成后,可以使用以下命令运行NEMU:
./build/riscv64-nemu-interpreter-so
3. 应用案例和最佳实践
3.1 参考模式下的使用
在参考模式下,NEMU作为XiangShan处理器的黄金模型,用于验证XiangShan处理器的正确性。典型的工作流程如下:
./emu -i test_workload.bin --diff $NEMU_HOME/build/riscv64-nemu-interpreter-so
3.2 独立模式下的使用
在独立模式下,NEMU可以生成SimPoint BBV和检查点,用于XS-GEM5和XiangShan处理器。典型的工作流程如下:
./build/emu -i /path/to/a/checkpoint.gz
4. 典型生态项目
4.1 XiangShan处理器
NEMU在XiangShan生态系统中扮演着重要角色,作为参考模型用于验证XiangShan处理器的正确性。
4.2 XS-GEM5
NEMU可以生成检查点,用于XS-GEM5的详细模拟,以减少大型工作负载的模拟时间。
4.3 SimPoint
NEMU支持SimPoint分析,用于生成程序的热点分析和检查点,以优化模拟时间和资源使用。
通过以上步骤,您可以快速上手NEMU项目,并了解其在不同场景下的应用和最佳实践。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0192
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0120
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
766
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
685
1.34 K
Ascend Extension for PyTorch
Python
720
884
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
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
457
440
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
610