-
公开(公告)号：CN117217136A
公开(公告)日：2023-12-12
申请号：CN202311256083.6
申请日：2023-09-26
申请人： 上海思尔芯技术股份有限公司
IPC分类号： G06F30/327 , G06F30/34
摘要： 本发明公开了一种基于RTL设计的FPGA资源消耗估计方法，包括：解析原始RTL设计并进行细化编译得到RTL设计文件；对RTL设计文件进行层次化遍历得到标准单元网络结构集合；通过遍历标准单元网络结构集合，识别出标准单元网络结构集合包含的至少一个目标表达式逻辑；针对每个目标表达式逻辑，根据其输入类型选用对应的资源估计模型估计其资源消耗量；统计所有目标表达式逻辑的资源消耗量，得到FPGA资源消耗估计结果。本发明在提供准确的资源消耗估算结果的同时能够减少耗时，提高了在设计划分阶段对RTL设计资源消耗估算的效率和准确性。
-
公开(公告)号：CN116306405A
公开(公告)日：2023-06-23
申请号：CN202310162116.4
申请日：2023-02-23
申请人： 上海思尔芯技术股份有限公司
IPC分类号： G06F30/3308 , G06F30/337
摘要： 本公开涉及用于RTL中状态语法模块的建模方法、建模系统、存储介质及电子设备。用于RTL中状态语法模块的建模方法通过逐层分析和获取RTL文件中的每个Module模块中的状态语法模块；分析状态语法模块在Module模块内的互联关系，得到状态语法模块对应的输入和输出端口；根据互联关系和驱动方向对状态语法模块重新建模，得到符合硬件描述语言标准的Module模块；将Module模块重构为逻辑表达模块，并例化至状态语法模块所在Module模块的内部位置；根据状态语法模块在Module模块内的互联关系对逻辑表达模块增加输入和输出端口，及与输入和输出端口连接的内部线网，得到只包含Module模块和逻辑表达模块的主层次树结构的模型文件，能够提高EDA软件的处理效率及正确性。
-
公开(公告)号：CN115758952A
公开(公告)日：2023-03-07
申请号：CN202211410119.7
申请日：2022-11-11
申请人： 上海思尔芯技术股份有限公司
发明人： 张曦
IPC分类号： G06F30/327 , G06F8/41 , G06F16/901
摘要： 本发明涉及一种获取RTL包含层级的资源估算方法，分解用户RTL级设计‑Tree层级，根据获得的层级关系和节点关系，将底层作为起点，计算起点节点资源，相同节点直接引用资源；上级节点资源计算通过自身节点资源计算和有层级关系的下层已算资源加和获得，逐层向上，构建表级网表，即可获得所有节点资源和每个层级的资源数量。相较于传统的方法，省去了需要综合整个设计树的时间成本，提高了计算效率，同时，在计算方法上，按照从底向上加和，已经计算过的资源存放至内存查找表，相较于从上到下计算的传统方法，减少了对部分Module的重复计算，提高了计算效率。
-
公开(公告)号：CN117787167A
公开(公告)日：2024-03-29
申请号：CN202311740133.8
申请日：2023-12-15
申请人： 上海思尔芯技术股份有限公司
IPC分类号： G06F30/34 , G06F115/12
摘要： 本发明提供了一种端口处理方法、装置、电子设备及存储介质，通过根节点的双向端口的连接关系得到存在双向端口的节点信息；如果存在双向端口的叶子节点的父级节点不是根节点，则将该叶子节点到根节点之间路径切断重新构建层次结构树中各层节点的互联关系。当遇到双向端口时，本发明将涉及双向端口的模块从原始RTL设计中独立出来，通过封装和再集成将模块重新整合到设计的顶层中，使其具有与原始RTL设计相同的层级结构。本发明通过针对双向端口的专门处理消除了分割过程中的一些弊端，节省了大量的时间和资源。能够有效应对设计中存在的黑盒模块，并保持设计的原始层级结构，从而减少了后续验证、调试和维护的工作量。
-
公开(公告)号：CN117172169A
公开(公告)日：2023-12-05
申请号：CN202311213888.2
申请日：2023-09-19
申请人： 上海思尔芯技术股份有限公司
IPC分类号： G06F30/331 , G06F30/327 , G06F18/2135 , G06F18/214 , G06F18/243 , G06F18/27 , G06N20/20 , G06N5/01
摘要： 本发明公开了一种基于机器学习的BRAM资源估算方法与装置，涉及FPGA原型验证技术领域，解决了BRAM资源估计结果准确性较差、误差大、估算结果无法收敛且计算量大时间成本较高的问题，该方法包括：利用解析器对原始RTL设计进行解析编译，得到解析树并提取不同类型的特征，得到特征信息集；利用特征编码对特征数据集中非数值的特征数据进行抽象处理，得到处理后的特征数据集；分别计算处理后的特征数据集中的每个特征数据与基准数据之间的相关性，并根据相关性对特征数据集进行降维，得到特征向量；将特征向量输入至训练好的估算模型中，得到对原始RTL设计的BRAM资源估算结果；实现了提高估算速度的同时，计算结果能够快速收敛，且提高了估算的准确度。
-
-
-
-
搜索结果
5 条记录 (耗时 0.032 秒)
