【FPGA/EDA】Quartus 18.0 软件安装及 ModelSim 环境配置

【FPGA/EDA】Quartus 18.0 软件安装及 ModelSim 环境配置

最近在上《EDA技术》这门电气专业的任选课,用到了Quartus 18.0和ModelSim软件工具进行波形图仿真,安装及配置教程十分曲折晦涩,故作此篇笔记用以记录。

软件资源及安装方法大纲由以下链接提供,以此为基准,本文只重点说明其中可能会遇到的问题及如何配置内部ModelSim波形图仿真工具

在此感谢这位作者为大众提供了安装包资源及非常详细的安装教程!微信公众平台https://mp.weixin.qq.com/s?__biz=MzA4MjU4MTg2Ng==&mid=2247552337&idx=4&sn=c743d0f98c0b1be42fa7e92f9ea4f51a&chksm=9f81cd54a8f64442c4e7cc206e0907e56feee88ed8b30cb00ea7a72b797d4bbe406219c962d1&scene=178&cur_album_id=3421644748383879180&search_click_id=#rd

 一、Quartus 18.0 软件安装中可能会遇到的问题

1.安装路径-注意事项

在设置Quartus 18.0 安装路径时,需要注意的是,安装路径全部都不能包含中文、空格等。也就是说安装路径只能存在英文及下划线”_“,否则会报错无法安装

eg:D:\inter_FPGA\18.0  路径只能有英文和下划线等字符,特别注意不能含有中文或空格。

2.安装设置-注意事项

安装设置需严格遵循此链接提供的安装方法指南,勾选相关选项等。

3.许可证配置-注意事项

实际操作中发现,有些电脑的 "Network Interface Card(NIC) ID:" 这一栏的字符是非常长的一串数字,例如:745d225008e9 , 00410e9eeeb3 , 02410e9ece93 , 02410e9ede83 , 00ffa6f84fc5 , 00fffac7c0e7。 不用怀疑,直接全部选中即可。

4.软件破解-注意事项

· 在打开Crack.exe时,需确保Quartus 18.0软件已关闭。

· 须关闭所有杀毒软件。

· 须右键-以管理员身份运行。

· 只有提示:破解成功,之后才算成功,才能正常使用。

以上条件,实际操作中发现,缺一不可。

二、ModelSim 环境配置

配置ModelSim前,需要确定自己已完成Quartus 18.0软件安装与配置。

2.1 确定软件安装与配置已完成

1.如何确定第一步已完成:打开Quartus 18.0软件,点击Tools-Options

2.进入Options界面后,选择IP Settings-License Setup

在此界面,会发现许可证信息完整,如图所示。若不完整,则某些框会显示None,那么则需要仔细检查第一步安装及破解的过程中是否有缺漏。

2.2 完成安装ModelSim工具:安装过程正常选择即可,只需注意安装路径正确,无需其他操作。
ModelSim安装包-百度网盘-提取码:guet(小写)https://pan.baidu.com/s/1LuOp0CENjOf15fddiSvxHw

通过网盘分享的文件:ModelSim
链接: https://pan.baidu.com/s/1LuOp0CENjOf15fddiSvxHw 提取码: guet


本文提供了ModelSim工具的安装包下载链接,如果失效请在评论区留言,会及时维护。

提取码: guet

2.3 配置ModelSim至Quartus之中

将ModelSim工具启动路径正确添加至Quartus 18.0 之中。

1.打开Quartus 18.0软件,点击Tools-Options,进入Options界面之后,点击General-EDA Tool Options

2.在ModelSim一栏中,选中正确的ModelSim软件路径。

在你安装时选择的安装路径下,依次找到Modelsim \ modelsim_ase \ win32aloem,选择win32aloem这个文件夹并确定即可。

3.启动一个简单的可编译成功的VHDL项目文件,正确添加VMF文件并进行波形图仿真,以验证是否配置正确。

如果

如何新建一个项目,请移步这个ZEEKLOG帖子进行学习,感谢这位作者教会我建立了第一个VHDL项目!

需要注意的是,此作者新建的是Veilog HDL项目,如果想新建VHDL或其他类型项目,须修改相关选项!

fpga-quartus 第一个简单项目-ZEEKLOG博客https://blog.ZEEKLOG.net/codeos/article/details/121241470?sharetype=blogdetail&shareId=121241470&sharerefer=APP&sharesource=xinyouxiangxi&sharefrom=qq

4.如果仿真时仍显示无法进行,请移步这个ZEEKLOG帖子进行详细纠错,感谢这位作者提供的宝贵帮助!

关于Quartus ii无法识别Modelsim路径的问题_如何知道自己安装的modelsim-altera还是modelsim-ZEEKLOG博客https://blog.ZEEKLOG.net/weixin_44063361/article/details/121964188

以上是通过Quartus 18.0-ModelSim 软件进行波形图仿真前,工具安装及配置的全部注意事项。谢谢!

Read more

无需任何拓展Copilot接入第三方OpenAI接口教程

禁止搬运,转载需标明本文链接 省流:修改"C:\Users\你的用户名称\.vscode\extensions\github.copilot-chat-0.35.0\package.json"中的"when": "productQualityType != 'stable'"为"when": "productQualityType == 'stable'",即可在copilot添加支持openAI的第三方接口 我在寻找怎么让copilot接入第三方接口的时候,通过别人的贴子(长期有效)接入第三方 OpenAI 兼容模型到 GitHub Copilot-ZEEKLOG博客发现了官方的讨论Add custom OpenAI endpoint configuration

SLAM Toolbox完全指南:5分钟掌握机器人智能建图技术

SLAM Toolbox完全指南:5分钟掌握机器人智能建图技术 【免费下载链接】slam_toolboxSlam Toolbox for lifelong mapping and localization in potentially massive maps with ROS 项目地址: https://gitcode.com/gh_mirrors/sl/slam_toolbox SLAM Toolbox是一款基于ROS的开源SLAM框架,专门为机器人定位与建图设计,支持大规模环境下的终身地图构建。无论您是机器人初学者还是专业开发者,这个工具都能帮助您快速实现精确的环境感知和自主导航功能。本文将带您深入了解SLAM Toolbox的核心优势、实际应用场景以及快速上手方法。 🔍 什么是SLAM Toolbox? SLAM Toolbox是一个功能强大的2D SLAM解决方案,它集成了多种先进的算法和优化技术。与传统的SLAM系统相比,它最大的特色在于支持终身建图和多机器人协作,让您的机器人能够在不断变化的环境中持续学习和适应。 🚀 四大核心功能解析 1. 多种建

Meta ShapeR :基于随机拍摄视频的 3D 物体生成,未来的 XR 和机器人基建支持

Meta ShapeR :基于随机拍摄视频的 3D 物体生成,未来的 XR 和机器人基建支持

近日 Meta 突然开源了它的 ShapeR 项目,ShapeR 可以利用基于对象多模态数据的 Rectified Flow Transformer,将普通图像序列转换为完整的度量场景重建,说人话就是: 从随手拍的视频/多张照片里,把真实物体恢复成可用 3D 模型(Mesh) 简单来说就是,你可以拿着手机绕着一个物体拍一圈(图片序列 / 视频帧序列),ShapeR 会结合: * SLAM 得到的稀疏点云 + 相机位姿 * 物体检测/实例分割得到的对象实例 * VLM 生成的文本 caption(描述物体),把这些多模态条件喂给生成模型,最后得到物体的 metric 3D mesh(带真实尺度) 看到这么多名词是不是有点懵?这些概念性的东西我们需要简单聊聊: SLAM 这个是 ShapeR 的地基核心,SLAM (Simultaneous Localization and Mapping)

Phi-3-mini-128k-instruct Chainlit插件开发:添加思维链可视化、Token用量统计面板

Phi-3-mini-128k-instruct Chainlit插件开发:添加思维链可视化、Token用量统计面板 你是不是也遇到过这种情况?用Chainlit调用大模型,模型回答得挺好,但你心里总有个问号:它到底是怎么“想”出这个答案的?每次对话消耗了多少计算资源?如果能让模型的“思考过程”和“资源消耗”变得一目了然,那该多好。 今天,我们就来解决这个问题。我将手把手教你为基于vLLM部署的Phi-3-mini-128k-instruct模型,开发两个实用的Chainlit插件:思维链可视化面板和Token用量统计面板。通过这两个插件,你不仅能“看见”模型的推理路径,还能精确掌握每次对话的成本,让AI对话从“黑盒”走向“透明”。 1. 项目准备与环境确认 在开始插件开发之前,我们先确保基础环境已经就绪。你已经按照官方说明,成功部署了Phi-3-mini-128k-instruct模型,并且能够通过Chainlit前端正常调用。 1.1 验证模型服务状态 打开终端,使用Webshell检查模型服务日志,确认部署成功。 cat /root/workspace/llm.l