在cocotb项目中使用Python测试运行器生成GHDL波形文件
2025-07-06 04:29:25作者:彭桢灵Jeremy
在数字电路仿真验证中,波形文件对于调试和分析设计行为至关重要。本文将详细介绍如何在cocotb测试框架中,使用Python测试运行器为VHDL设计生成GHDL波形文件。
波形文件生成的基本原理
cocotb是一个基于Python的硬件验证框架,支持多种仿真器,包括GHDL。GHDL作为开源的VHDL仿真器,可以通过命令行参数--wave来指定波形文件的输出路径和名称。
传统Makefile方式
在cocotb的传统使用方式中,通常通过Makefile来配置仿真参数。以下是一个典型的Makefile配置示例:
SIM ?= ghdl
TOPLEVEL_LANG ?= vhdl
VHDL_SOURCES += $(PWD)/*.vhd
TOPLEVEL = my_design
MODULE = test_my_design
SIM_ARGS = --wave=waveform.ghw
SIM_ARGS += -gG_GENERIC=16
include $(shell cocotb-config --makefiles)/Makefile.sim
这种方式会在项目根目录下直接生成waveform.ghw波形文件。
Python测试运行器方式
cocotb 1.9.2版本引入了实验性的Python测试运行器功能,提供了更灵活的测试配置方式。以下是等效的Python测试运行器实现:
import os
from pathlib import Path
from cocotb.runner import get_runner
def test_my_design_runner():
sim = os.getenv("SIM", "ghdl")
proj_path = Path(__file__).resolve().parent
runner = get_runner(sim)
hdl_toplevel = "my_design"
runner.build(
sources=[proj_path / "my_design.vhd"],
hdl_toplevel=hdl_toplevel,
parameters={"G_GENERIC": 16},
waves=True,
)
runner.test(
test_module="test_my_design",
hdl_toplevel=hdl_toplevel,
hdl_toplevel_lang="vhdl",
plusargs=["--wave=waveform.ghw"],
waves=True,
)
if __name__ == "__main__":
test_my_design_runner()
关键差异与注意事项
-
波形文件位置:使用Python测试运行器时,波形文件默认生成在
sim_build子目录中,而非项目根目录。 -
参数传递:GHDL参数可以通过
plusargs列表传递,这与Makefile中的SIM_ARGS等效。 -
波形启用标志:
waves=True参数会确保波形生成功能被启用。 -
路径处理:Python测试运行器使用Path对象处理文件路径,更加灵活和可移植。
实际应用建议
对于新项目,建议尝试使用Python测试运行器,因为它提供了:
- 更灵活的配置方式
- 更好的可维护性
- 更直观的参数传递机制
- 与Python生态更好的集成
同时需要注意检查sim_build目录下的波形文件,这是与Makefile方式的主要区别之一。
总结
cocotb的Python测试运行器为VHDL设计验证提供了现代化的配置方式,能够完全替代传统的Makefile方法。通过合理配置plusargs参数,可以轻松生成GHDL波形文件用于后续分析。开发者在迁移到Python测试运行器时,只需注意波形文件的默认输出位置变化即可。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
291
2.62 K
Ascend Extension for PyTorch
Python
123
149
暂无简介
Dart
580
127
React Native鸿蒙化仓库
JavaScript
227
306
仓颉编译器源码及 cjdb 调试工具。
C++
121
359
仓颉编程语言运行时与标准库。
Cangjie
130
372
🎉 (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
1.05 K
610
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++
606
184
openGauss kernel ~ openGauss is an open source relational database management system
C++
155
205