Synopsys ARC处理器工具链常见问题解答
2025-06-28 17:03:29作者:裘旻烁
编译相关问题
裸机应用程序如何调整堆栈大小
在裸机应用程序开发中,合理设置堆(heap)和栈(stack)大小对系统稳定性至关重要。对于Synopsys ARC处理器工具链,可以通过以下方式进行调整:
-
堆大小设置:使用链接器选项
--defsym=__DEFAULT_HEAP_SIZE=${SIZE},其中${SIZE}可以是:- 直接字节数(如65536)
- 带后缀的数值(如64k表示64KB,1m表示1MB)
-
栈大小设置:使用选项
--defsym=__DEFAULT_STACK_SIZE=${STACK_SIZE}
当使用gcc进行链接时,需要通过-Wl前缀传递这些选项给链接器,例如:
arc-elf32-gcc -Wl,--defsym=__DEFAULT_HEAP_SIZE=256m \
-Wl,--defsym=__DEFAULT_STACK_SIZE=1024m --specs=nosys.specs \
hello.o -o hello.bin
重要说明:这些选项仅在默认链接脚本下有效。如果使用自定义链接脚本,调整方式可能不同,需要根据脚本的具体实现来确定。
链接时出现"_exit等函数未定义"错误
这个问题的根源在于缺少libgloss(板级支持包)实现。工具链提供了两种解决方案:
- 通用libnosys:适用于没有主机链接支持的硬件目标
- libnsim:实现了nSIM IO主机链接,在程序退出或错误时会暂停内核
推荐使用--specs=nsim.specs选项链接libnsim。对于芯片或开发板开发者,建议实现针对特定硬件的libgloss。
TCF文件中为何使用hs34而非hs38
这个问题涉及ARC HS IP库模板与GCC选项的匹配:
- GCC的
-mcpu=hs38启用了更多特性(如-mll64) - 但ARC HS IP库模板hs38不包含双字加载/存储指令
- 因此TCF生成器选择兼容性更好的
-mcpu=hs34
调试相关问题
gdbserver出现"无法解析符号"错误
这个问题通常发生在静态链接的gdbserver上,原因是:
- gdbserver通过
dlopen()加载libthread_db.so - 但静态链接的gdbserver不导出所需的动态符号
解决方案:
- 将gdbserver重建为动态链接版本
- 或在配置时添加
--with-libthread-db=-lthread_db选项
GDB报告"XML支持在编译时被禁用"
这是因为GDB需要Expat库来解析XML文件(如目标描述文件)。解决方法:
- 确保系统安装了Expat开发包
- 或使用
--no-system-expat选项让构建脚本自动下载并编译Expat
对于Windows交叉编译环境,第二种方法特别有用。
ARC开发系统问题
如何通过软件重置ARC SDP开发板
无需物理按键,可通过OpenOCD脚本实现:
openocd -f test/arc/reset_sdp.tcl
注意:执行后OpenOCD会因段错误退出,这是预期行为。需要分两步操作:
- 先运行此脚本重置开发板
- 再启动OpenOCD进行正常调试
FPGA编程支持
虽然OpenOCD理论上支持通过JTAG编程FPGA,但在ARC开发系统上这不是官方支持的功能。
Ashling调试器内存显示为零的问题
当使用Ashling Opella-XD调试ARC EM核心时,若出现:
Error: Core is running (unexpected), attempting to halt...
Error: Unable to halt core
且所有寄存器和内存显示为零,解决方案是:
将JTAG频率降至5MHz以下,使用Ashling GDBserver的--jtag-frequency选项。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
214
234
暂无简介
Dart
661
151
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++
659
294
🎉 (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
1.18 K
646
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
491
React Native鸿蒙化仓库
JavaScript
251
320
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
80
104
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
217
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