LiteX项目使用教程
1. 项目介绍
LiteX是一个用于创建FPGA核心/SoC的框架,旨在提供便捷高效的基础设施。它支持多种总线和流接口(如Wishbone、AXI、Avalon-ST),并集成了多种简单和复杂的硬件核心(如RAM、ROM、Timer、UART、JTAG等)。LiteX还支持多种CPU和ISA(如RISC-V、OpenRISC、LM32、Zynq、X86等),并具备强大的调试基础设施和快速仿真能力。
LiteX的设计目标是简化FPGA核心/SoC的创建过程,提供更好的可移植性和灵活性。通过结合LiteX与生态系统中的核心,创建复杂的SoC变得更加容易。
2. 项目快速启动
安装依赖
首先,确保你已经安装了Python 3.6+以及FPGA厂商的开发工具或Verilator。
安装LiteX和相关核心
$ wget https://raw.githubusercontent.com/enjoy-digital/litex/master/litex_setup.py
$ chmod +x litex_setup.py
$ ./litex_setup.py --init --install --user (--user 安装到用户目录) --config=(minimal, standard, full)
更新所有仓库
$ ./litex_setup.py --update
安装RISC-V工具链(可选)
$ pip3 install meson ninja
$ ./litex_setup.py --gcc=riscv
构建目标板
进入litex-boards/litex_boards/targets目录,执行你想要构建的目标。
使用Verilator进行测试(无需FPGA板)
在Linux(Ubuntu)上:
$ sudo apt install libevent-dev libjson-c-dev verilator
3. 应用案例和最佳实践
案例1:多核Linux Capable SoC
LiteX支持创建多核Linux Capable SoC,基于VexRiscv-SMP CPU、LiteDRAM和LiteSATA,运行在廉价的Acorn CLE215+ Mining Board上。
案例2:自定义PCIe SDI Capture/Playback板
使用LitePCIe和LiteX构建的自定义PCIe SDI Capture/Playback板,允许对SDI流进行完全控制,并实现非常低的延迟。
案例3:替代SDS1104X-E Scope的固件/门控
LiteX还被用于替代SDS1104X-E Scope的固件/门控,提供更强大的功能和性能。
4. 典型生态项目
LiteX-Boards
支持多种开发板,提供板级支持。
LiteDRAM
提供动态随机存取存储器(DRAM)支持。
LiteEth
提供以太网支持。
LitePCIe
提供PCIe支持。
LiteSATA
提供SATA支持。
LiteSDCard
提供SD卡支持。
LiteICLink
提供芯片间通信支持。
LiteJESD204B
提供JESD204B支持。
LiteSPI
提供SPI/SPI-Flash支持。
LiteScope
提供逻辑分析仪支持。
通过这些生态项目,LiteX能够构建出功能强大且灵活的FPGA系统。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00