【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

Python+AI 实战:搭建属于你的智能问答机器人

Python+AI 实战:搭建属于你的智能问答机器人

欢迎文末添加好友交流,共同进步! “ 俺はモンキー・D・ルフィ。海贼王になる男だ!” 引言 * 在数字化转型浪潮中,智能问答机器人正成为企业客服、知识库检索乃至个人助理等场景的关键交互入口。它能让员工秒级获取技术解答、客户即时获得业务支持、学习者随时得到个性化辅导,极大提升信息获取效率与用户体验。 * 为何选择 Python 与开源 AI 模型?Python 拥有成熟的 AI 生态——Hugging Face Transformers、LangChain、FAISS 等工具大幅降低开发门槛;而本地部署的开源大模型(如 Phi-3、Mistral、Llama 系列)则保障了数据隐私、规避了 API 成本,特别适合对安全性或离线能力有要求的场景。 * 本文将手把手带你从零构建一个基于 RAG(检索增强生成)架构的本地智能问答系统:使用 Sentence-BERT 实现语义检索,FAISS 作为向量数据库,并集成轻量级开源语言模型生成答案。

构建 AI 逆向 MCP - 使用 MCP 辅助 JS 逆向

构建 AI 逆向 MCP - 使用 MCP 辅助 JS 逆向 前言 谷歌出了一个 chrome-dev-mcp,能够自动化浏览器操作。我发现这个 MCP 能抓包,于是想:能不能用于 JS 逆向分析? 但实际用下来发现,常规逆向需要的能力它都不支持: * ❌ 搜索代码 * ❌ 追踪调用栈 * ❌ 打断点调试 * ❌ Hook 函数 * ❌ 查看变量值 那能不能给它打补丁?当然可以。 Chrome DevTools Protocol(CDP)本身支持这些能力,只是谷歌的 MCP 没有封装。于是我基于 CDP 扩展了一套逆向专用工具: 扩展能力对应工具代码搜索search_in_sources、find_in_script调用栈追踪get_request_initiator断点调试set_

AI 驱动游戏:鸿蒙生态的机会在哪里?

AI 驱动游戏:鸿蒙生态的机会在哪里?

子玥酱(掘金 / 知乎 / ZEEKLOG / 简书 同名) 大家好,我是子玥酱,一名长期深耕在一线的前端程序媛 👩‍💻。曾就职于多家知名互联网大厂,目前在某国企负责前端软件研发相关工作,主要聚焦于业务型系统的工程化建设与长期维护。 我持续输出和沉淀前端领域的实战经验,日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案, 在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。 技术方向:前端 / 跨端 / 小程序 / 移动端工程化 内容平台:掘金、知乎、ZEEKLOG、简书 创作特点:实战导向、源码拆解、少空谈多落地 文章状态:长期稳定更新,大量原创输出 我的内容主要围绕 前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读 展开。文章不会停留在“API 怎么用”,而是更关注为什么这么设计、在什么场景下容易踩坑、