NIC400生成Flow全解析（八）Micro Architechture

优质文章学习记录

— 4 min read

当所有配置完成后，就可以生成Micro Architechture了。在Micro Architechture中也会进行一系列配置。比如微架构、timing closure、buffering等配置。
生成Micro Architechture的方法如下：

在这里插入图片描述


生成时需要解决掉所有报错问题后，即可打开Micro Architechture。打开方式如下：

在这里插入图片描述


大致界面如下：

在这里插入图片描述

其中主要包含了如下元素：

  • Micro Architechture窗口
  • Parameter/Timing Closure/Buffering窗口
  • Overlays窗口

1.Micro Architechture窗口

该窗口主要是设定需要的互联微架构，AMBA Designer生成NIC-400时需要手动定义，Socrates生成NIC-400时会根据工具内部算法生成一个微架构。生成后也可以根据自己的需求进行调整。图中的各种标志如下所示：

在这里插入图片描述


Micro Architechture的左边有一排按键，11个按键的含义从上到下依次为：

  • Zoom in：视图放大
  • Zoom out：视图放小
  • Zoom fix：最佳视图
  • Creat Group：创建Group。比如想在两个接口之间，或一个BusMatrix和一个ASIB或AMIB之间连接，则可以选中目标后点击Group
  • Connect：连接不同的组件。
  • Delete：删除组件。
  • Create IB：创建IB，在不同的BusMatrix之间连接时通常会自动创建
  • Create GPV：创建GPV
  • Create Default slave：创建Default slave
  • Optimize Switch：优化BusMatrix结构，丢弃不存在的Path
  • Layout：重新排列视图，使Micro Architechture美观

我们可以自定义微架构，比如想让CPU访问SRAM和FLASH的延时尽可能小，就可以使CPU和FLASH ，SRAM之间只经过一级BusMatrix。自定流程如下：

分别选中2个switch执行Optimize Switch优化不必要的结构，最后点击Layout则可呈现比较规则的Micro Architechture。

在这里插入图片描述

同理，cpu也要访问其他如timer，uart的外设，因此按"Ctrl"先选中switch5再选中switch4，然后点击”Connect“：

在这里插入图片描述


直到Micro Architechture上没有黄色虚线，才表示苏哦有的互联关系都有了实际的电路访问。

由于dma也需要访问flash和sram，因此这里让switch4和switch5之间连接，也就是说，如果DMA想访问flash的话，需要先经过switch5，再经过switch4。按"Ctrl"先选中switch4再选中switch5，然后点击”Connect“：

在这里插入图片描述

按"Ctrl"选中dma、mcu_mstr、APB Group（uart+timer）、ahb_sub、mcu_slv，然后点击”Group“，让其通过1个Bus Matrix互联。

在这里插入图片描述

按"Ctrl"选中cpu、flash、sramc，然后点击”Group“，让其通过1个Bus Matrix互联。

在这里插入图片描述

删除所有生成好的组件，ASIB和AMIB之间以”黄色虚线“连接。此时只是一种虚拟的映射关系，无实际的连接关系。

在这里插入图片描述

Read more

日语视频 SRT 字幕生成软件下载：日语视频本地自动翻译SRT字幕生成、日语视频自动翻译 Faster Whisper v1.7 下载与使用教程（含AMD显卡支持）

日语视频 SRT 字幕生成软件下载：日语视频本地自动翻译SRT字幕生成、日语视频自动翻译 Faster Whisper v1.7 下载与使用教程（含AMD显卡支持）

日语视频 SRT 字幕生成软件下载：日语视频本地自动翻译SRT字幕生成、日语视频自动翻译 Faster Whisper v1.7 下载与使用教程（含AMD显卡支持） 关键词：Faster Whisper 教程、Whisper 本地部署、CUDA 12.8 下载、AMD ROCm Whisper、日文转中文 转录工具、Whisper 批处理模式、RTX 50 CUDA 版本选择 下载地址: https://pan.quark.cn/s/b18c407fc471 这篇文章系统整理 Faster-Whisper-TransWithAI-ChickenRice v1.7 的版本说明、显卡选择方式、下载地址以及快速上手流程，尤其是： * ✅ 基础版 vs 海南鸡版区别
文心一言4.5开源模型测评：ERNIE-4.5-0.3B超轻量模型部署指南

文心一言4.5开源模型测评：ERNIE-4.5-0.3B超轻量模型部署指南

目录 * 引言：轻量化部署的时代突围 * 一.技术栈全景图：精准匹配的黄金组合 * 基础层：硬核环境支撑 * 框架层：深度优化套件 * 工具层：部署利器 * 二.详细步骤：精准匹配CUDA 12.6的黄金组合 * 准备环节 * 1.模型选择 * 2.配置实例 * 3.选择镜像 * 4.进入JupyterLab * 5.进入终端 * 6.连接到ssh * 系统基础依赖安装 * 1.更新源并安装核心依赖 * 2.安装 Python 3.12 和配套 pip * 解决 pip 报错 * 深度学习框架部署：PaddlePaddle-GPU深度调优 * FastDeploy-GPU企业级部署框架 * 1.安装FastDeploy核心组件 * 2.修复urllib3
LLaMA-Factory全流程训练模型

LLaMA-Factory全流程训练模型

🤗本文主要讲述在docker下使用LLaMA-Factory训练推理模型。 🫡拉取镜像 首先需要启动docker，然后在终端中输入： docker run -tid --gpus all -p 8000:8000 --name LLM -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all --privileged=true ubuntu:20.04 * 这个命令启动了一个 Ubuntu 20.04 容器，使用所有可用的 GPU * 主机的 8000 端口映射到容器的 8000 端口 * 容器命名为 LLM，以特权模式运行容器 进入容器  docker exec -it LLM
深入 llama.cpp：llama-server-- 从命令行到HTTP Server(2)

深入 llama.cpp：llama-server-- 从命令行到HTTP Server(2)

前言        llama-server是llama.cpp中用于发布大模型服务的工具。它通过极简的命令行配置，将复杂的模型推理过程封装为通用的 HTTP 接口；在底层，它选择以纯 C++ 编写的 cpp-httplib 作为服务框架的底层。本章分为应用实战与底层架构两部分。首先，我们将介绍不同参数下的大模型服务发布；接着，我们将详细解析 cpp-httplib 在项目中的具体实现，帮助读者掌握该服务端在网络调度层面的运行逻辑。 目录 * 1 应用实战：启动大模型服务 * 2 架构解析：基于cpp-httplib的运行机制 1 应用实战：启动大模型服务        llama-server是一款轻量级、兼容 OpenAI API、用于提供大语言模型服务的 HTTP 服务器。在上节中，我们启动了llama-server，构建了本地的大模型服务。本节将在此基础上，进一步深入llama-server启动过程的参数设置，同时演示如何利用curl工具发起网络请求，以实测并验证服务的接口响应。 1.1 模型服务参数设置        llama-server支持自定义