Amaranth项目中的Icestick/Vivado构建流程问题解析
2025-07-09 12:22:49作者:瞿蔚英Wynne
问题背景
在Amaranth硬件描述语言项目中,近期出现了一个影响Icestick平台和Vivado工具链构建流程的问题。当用户尝试在MacOS Sonoma 14.2.1或Ubuntu 22.04系统上运行示例构建时,系统会报错"cannot open build_top.sh: No such file"。
问题表现
用户在创建Python虚拟环境并安装最新版Amaranth及Amaranth-boards后,执行Icestick示例构建时遇到以下错误:
- shell脚本无法找到build_top.sh文件
- 构建过程以非零状态码2退出
- 问题在MacOS和Ubuntu系统上均能复现
技术分析
该问题源于Amaranth项目中对构建脚本执行路径的处理变更。在之前的版本中,构建系统会确保在正确的目录下执行构建脚本,但最近的修改移除了这一保证。
具体来说:
- 构建系统生成的build_top.sh脚本会被放置在指定的构建目录中
- 但在执行该脚本时,当前工作目录没有正确设置为构建目录
- 导致shell无法找到脚本文件,即使文件确实存在
解决方案
项目维护者迅速定位到问题根源并提供了修复方案。正确的做法应该是:
- 在执行构建脚本时显式指定工作目录
- 或者保留原有的目录切换逻辑
修复后的版本确保了构建脚本能够在正确的上下文中执行,解决了文件找不到的问题。
经验总结
这个案例提醒我们在处理文件路径和脚本执行时需要注意:
- 文件操作和脚本执行应该总是基于明确的路径
- 修改构建系统时要考虑跨平台兼容性
- 目录切换操作需要有充分的理由和明确的文档
- 自动化测试应该覆盖不同平台的基本构建流程
对用户的影响
该问题会影响所有使用最新版Amaranth进行Icestick或Vivado相关开发的用户。用户可以通过以下方式解决:
- 等待官方发布修复版本
- 临时回退到之前的稳定版本
- 手动修改本地安装的包代码
结语
硬件开发工具链的稳定性至关重要。Amaranth项目团队对这类问题的快速响应体现了他们对用户体验的重视。作为用户,在遇到类似构建问题时,可以检查文件路径和上下文环境,这往往是此类问题的常见根源。
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