Verilator项目中DPI接口对双下划线标识符的支持改进
2025-06-28 04:40:36作者:何将鹤
在数字电路仿真工具Verilator的最新开发中,团队解决了一个关于SystemVerilog DPI(Direct Programming Interface)接口的重要兼容性问题。该问题涉及DPI导入/导出函数名中使用双下划线(__)标识符的处理方式,这一改进将显著提升与UVM等验证方法学的互操作性。
背景与问题根源
SystemVerilog的DPI机制允许用户直接在Verilog代码中调用C/C++函数,或反向调用。在标识符命名规范中,双下划线通常用于实现命名空间隔离或特殊功能标记。例如,业界广泛使用的UVM验证方法学在其DPI实现中就采用了m__前缀的命名约定。
然而,Verilator原有的词法分析器对DPI函数名中的连续下划线采取了严格限制,导致包含双下划线的合法DPI声明无法通过编译。这种限制虽然可能出于防止命名冲突的考虑,但实际上违反了SystemVerilog LRM(语言参考手册)对标识符的规范要求。
技术实现细节
Verilator团队通过修改词法分析器的标识符解析逻辑来解决这个问题。关键改进包括:
- 扩展了DPI函数名的词法规则,明确允许连续下划线作为合法字符
- 保持了对单个下划线的向后兼容处理
- 确保修改后的解析器仍能正确识别DPI导入/导出语句的上下文
这种修改既不影响现有合法代码的编译,又为使用UVM等验证框架的用户提供了更好的支持。从实现角度看,这属于词法分析阶段的规则放宽,不需要涉及语法树构建或代码生成阶段的改动。
对用户的影响
这一改进将直接带来以下好处:
- 无缝支持UVM验证环境中使用
m__前缀的DPI函数 - 允许用户更灵活地组织DPI函数命名空间
- 提升Verilator与其他仿真工具的行为一致性
- 消除因命名限制导致的不必要的工作区修改
最佳实践建议
虽然Verilator现在支持双下划线命名,但仍建议用户:
- 避免过度使用特殊字符命名,保持代码可读性
- 对于跨平台项目,仍建议预先检查目标仿真器的标识符支持情况
- 在团队协作中建立统一的DPI命名规范
- 考虑使用有意义的命名前缀而非仅依赖下划线分隔
这一改进体现了Verilator团队对工业标准实践的高度重视,也展示了开源仿真工具持续完善的过程。随着验证方法学的不断发展,此类兼容性改进将帮助Verilator在复杂SoC验证领域保持竞争力。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
343
146