Chisel3中使用firtool的split-verilog选项注意事项
在Chisel3硬件设计语言中,开发者有时会遇到使用firtool的split-verilog选项时生成空输出文件的问题。本文将深入分析这一现象的原因,并提供正确的使用方法。
问题现象
当开发者尝试通过emitVerilog方法生成Verilog代码,并同时指定firtool的split-verilog和输出路径选项时,会出现生成的Verilog文件为空的情况。这是因为emitVerilog方法实际上是对ChiselStage.emitSystemVerilog的简单封装,而后者在设计上并不兼容某些firtool选项。
根本原因
emitVerilog和ChiselStage.emitSystemVerilog这些返回字符串的方法,其工作机制依赖于从firtool的标准输出中捕获内容。当开发者手动指定了如split-verilog和输出路径(-o)等选项时,firtool会将输出直接写入文件而非标准输出,导致这些方法无法获取有效内容,最终生成空文件。
正确使用方法
Chisel3提供了两种不同的输出方式,开发者应根据实际需求选择:
-
需要字符串输出:使用ChiselStage.emitSystemVerilog方法,此时不应指定split-verilog和输出路径选项。
-
需要多文件输出:使用ChiselStage.emitSystemVerilogFile方法,并通过Chisel而非firtool传递split-verilog选项。
需要注意的是,这两种输出方式是互斥的,无法同时获得字符串和文件输出。开发者应根据项目需求选择合适的方法。
最佳实践建议
对于大多数项目,特别是模块化设计的场景,推荐使用emitSystemVerilogFile配合split-verilog选项。这种方式可以生成更清晰的文件结构,便于大型项目的管理和维护。而对于需要即时处理或测试的小段代码,则可以使用返回字符串的方法。
理解这些底层机制有助于开发者在Chisel3项目中更高效地生成和管理Verilog输出,避免出现意外的问题。
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