【FPGA入坑指南第二章】安装vivado/vitis2023.1软件

【FPGA入坑指南第二章】安装vivado/vitis2023.1软件

本栏目的初心

降低FPGA的门槛,让所有对FPGA感兴趣的,之前望而却步的朋友也能上手玩一玩,体验一下FPGA的世界。【本栏作者贯彻“先进入再深入”的中心思想】

引文

简介

Vivado和Vitis是Xilinx(现为AMD的一部分)推出的两款核心软件工具,它们在FPGA和SoC(系统级芯片)设计中占据着重要地位。这两款软件的推出代表了Xilinx在数字设计领域的持续创新与发展,并且逐步取代了早期的ISE和SDK工具套件。

ISE和SDK的历史背景

在Vivado和Vitis推出之前,Xilinx的ISE(Integrated Software Environment)是FPGA设计的主要开发环境。ISE主要用于Xilinx早期的FPGA系列,如Spartan和Virtex系列。ISE支持从RTL设计、综合、布局布线到生成比特流文件的整个设计流程,但其在时序优化、设计复杂度和开发效率方面逐渐暴露出一些局限性,尤其是对于更高端的FPGA系列和复杂的系统设计。

为了应对更高复杂度的设计需求,Xilinx在2012年推出了Vivado Design Suite,旨在替代ISE并为更先进的FPGA系列(如7系列、UltraScale和UltraScale+)提供支持。Vivado引入了许多创新的设计优化技术,显著提高了开发效率和硬件性能。

同时,Xilinx还推出了SDK(Software Development Kit),用于嵌入式系统的软件开发。SDK主要面向基于Zynq系列FPGA的嵌入式设计,支持操作系统(如Linux)和裸机程序的开发,为开发者提供了全面的软件开发工具和调试支持。随着系统级设计的复杂性增加,SDK与Vivado配合使用,帮助开发者实现硬件与软件的协同开发。

Vivado与Vitis的诞生

Vivado和Vitis的推出代表了Xilinx从传统的硬件设计向更高层次应用开发的转变。Vivado继承了ISE的硬件设计功能,并进一步扩展了支持高效时序优化和高级综合的能力,特别是在7系列和UltraScale FPGA上。与此同时,Vitis作为新一代开发平台,不仅集成了Vivado的硬件设计功能,还增加了对软件开发、AI加速和系统级应用的支持,满足了嵌入式系统开发、AI推理、机器学习等多样化应用的需求。

总的来说,Vivado和Vitis的推出标志着Xilinx在FPGA和SoC开发工具方面的一次重要升级,克服了ISE和SDK时代的局限性,为开发者提供了更高效、更灵活的设计体验,推动了FPGA技术在多个领域的应用。

Vivado/Vitis软件安装

1.查看磁盘的空间是否充足,需要预留200G空间进行安装。

2.选好需要装软件的磁盘(尽量避免选C盘),创建xilinx2023.1文件夹作为安装目录

3.保存百度云安装包或者官网安装包到刚刚创建的xilinx2023.1这个文件夹

4.解压Xilinx_Unified_2023.1_0507_1903这个包,并打开找到xsetup.exe文件双击打开

5.进入安装引导界面第一页,点击NEXT

6.因为我们入坑指南针对的是ZYNQ系列,所以安装的时候选择Vitis选项(不是SOC板子可以选择下面的vivado选项),然后NEXT

7.器件的资源包,这里可以根据自己选择(用哪个器件选哪个资源避免浪费磁盘空间),作者这里磁盘够用就全选了,点击NEXT。

8.同意所有相关条款,NEXT

9.选择刚刚创建的xiinx2023.1文件路径,NEXT,点击Install进行安装

10.进过漫长的等待进度拉满

11.弹出以下对话框证明软件已经安装完成

12.打开软件对软件施展一点magic,点击左上角Help找到License选项

13.跟着图片依次找到load License — copy License — xxx.lic,然后点击打开。

14.确认magic生效,关闭窗口。

15.开始你的FPGA入坑之旅

作者不会按照常规思路让想入坑FPGA的朋友们,先精通Vrilog语法再熟悉软件,等到都精通人已经失去学下去的兴趣和动力了。我的想法是在实践中探索,先玩起来然后产生新奇的想法,修改代码实现功能获得正反馈。长此以往下去!你必成旷世奇才

如安装遇到问题或者需求其他VIVADO版本安装包可以评论区讨论

【本栏都是个人观点,抬杠就是你对】

Read more

ComfyUI子包安装完整指南:5步快速扩展AI绘画能力

ComfyUI子包安装完整指南:5步快速扩展AI绘画能力 【免费下载链接】ComfyUI-Impact-Pack 项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI-Impact-Pack ComfyUI子包安装是提升AI绘画工作流功能的重要环节。通过正确安装子包,你可以解锁更多高级图像处理功能,让创作更加高效。本指南将详细介绍ComfyUI子包安装的全过程,从准备工作到最终验证,确保你能够顺利完成安装。 📦 环境准备清单 在开始ComfyUI子包安装之前,请确保满足以下条件: * ComfyUI主程序已正确安装并可以正常运行 * 系统已安装Git工具,用于代码仓库克隆操作 * 当前用户对ComfyUI安装目录具有写入权限 * 系统Python环境已配置完整,能够正常执行pip命令 🔧 分步安装操作 步骤1:定位安装目录 首先需要找到ComfyUI的自定义节点目录,通常位于ComfyUI安装目录下的custom_nodes文件夹中。 步骤2:执行克隆命令 在命令行中导航到custom_nodes目录,执行以

llama.cpp + llama-server 的安装部署验证

飞桨AI Studio星河社区-人工智能学习与实训社区 用的是 魔塔的免费资源 不太稳定 我的Notebook · 魔搭社区 cat /etc/os-release  Ubuntu 22.04.5 LTS (Jammy Jellyfish) —— 这是一个长期支持(LTS)且完全受支持的现代 Linux 发行版,非常适合部署 llama.cpp + llama-server。Ubuntu 22.04 自带较新的 GCC(11+)、CMake(3.22+)和 Python 3.10+,无需手动升级工具链,部署过程非常顺畅。 一、安装系统依赖 sudo apt update sudo apt install -y

11-Xtuner具体使用以及LLama Factory与Xtuner多卡微调大模型

11-Xtuner具体使用以及LLama Factory与Xtuner多卡微调大模型

训练前 500轮训练后 xtuner命令不存在 版本:0.2.0存在 回退到0.2.0rc0版本,注意这个版本的依赖固定 一、大模型分布式训练的基本概念 1.1 为什么需要分布式训练? 模型规模爆炸:现代大模型(如GPT-3、 LLaMA等)参数量达千亿级别,单卡GPU无法存储完整模型。 计算资源需求:训练大模型需要海量计算(如GPT-3需数万GPU小时),分布式训练可加速训练过程。 内存瓶颈:单卡显存不足以容纳大模型参数、梯度及优化器状态。 1.2 分布式训练的核心技术 数据并行(Data Parallelism) 原理:将数据划分为多个批次,分发到不同设备,每个设备拥有完整的模型副本。 同步方式:通过All-Reduce操作同步梯度(如PyTorch的DistributedDataParallel)。 挑战:通信开销大,显存占用高(需存储完整模型参数和优化器状态)。 模型并行(Model Parallelism) 原理:

SiameseUniNLU镜像免配置优势:开箱即用支持NER/RE/EC/RC/NLI/RC/QA八大任务

SiameseUniNLU镜像免配置优势:开箱即用支持NER/RE/EC/RC/NLI/RC/QA八大任务 你是不是也遇到过这样的烦恼?想用AI模型处理一段中文文本,比如从新闻里提取人名地名,或者分析一段评论是好评还是差评。结果发现,每个任务都需要找一个专门的模型,部署起来步骤一大堆,配置文件看得人头大,好不容易跑起来了,效果还不一定好。 今天要介绍的SiameseUniNLU镜像,就是来解决这个问题的。它就像一个“自然语言处理瑞士军刀”,把命名实体识别、关系抽取、情感分类等八个常用任务,全都打包进了一个模型里。最棒的是,它完全免配置,下载下来就能用,真正做到了开箱即用。 这篇文章,我就带你快速上手这个强大的工具,看看它到底能做什么,以及怎么用最简单的几步,让它为你工作。 1. SiameseUniNLU是什么?一个模型解决八大任务 在深入使用之前,我们先花几分钟了解一下SiameseUniNLU到底厉害在哪里。理解了它的设计思路,你用起来会更得心应手。 1.1 核心思路:用“提示”统一所有任务 传统的自然语言处理(NLP)