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。
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 StartedRust0197
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 Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07