可复位D触发器设计方法：从零实现带异步清零功能

优质文章学习记录

— 2 min read

从一个复位信号说起：如何手撕一个带异步清零的D触发器

你有没有遇到过这样的场景？

FPGA上电后，状态机莫名其妙跳到了某个非法状态，程序直接“跑飞”；
或者系统刚启动时，寄存器输出一堆未知值（X态），导致后续逻辑混乱，调试半天才发现是 初始状态没搞定 。

这时候，别急着换芯片或重写代码——问题很可能出在一个看似微不足道、却至关重要的设计细节上： 你有没有给你的D触发器加上可靠的复位功能？

今天我们就来“从零开始”，一步步实现一个工业级可用的 带异步清零功能的可复位D触发器 。这不是教科书式的概念堆砌，而是一次贴近实战的电路构建之旅。你会看到：为什么需要复位？异步和同步清零到底差在哪？怎么写Verilog才能让综合工具乖乖听话？以及那些数据手册不会明说的“坑”。

D触发器不只是“打拍子”那么简单

我们都知道，D触发器是数字系统的“记忆单元”。它在每个时钟上升沿把输入 d 的值搬移到输出 q ，像一个准时打卡的员工。

但如果你只把它当成一个简单的“延迟元件”，那就低估了它的责任。

想象一下流水线工厂：每道工序都依赖前一级的输出作为输入。如果第一条流水线开机时输出的是“随机数”，那整个产线岂不是从一开始就失控？

这就是纯D触发器的问题—— 上电状态不确定 。FPGA配置完成后，寄存器初始值可能是0，也可能是1，甚至是一堆未定义的X。对于状态机、计数器这类对初态敏感的模块来说，这无异于埋下了一颗定时炸弹。

所以，真正的工程级设计中，几乎所有的D触发器都会被“武装”起来：加上复位控制，确保系统一上电就进入预设的安全状态。

异步清零：按下“重启键”的正确姿势

那么问题来了：复位该怎么加？

有两种常见方式： 同步清零 和

Read more

GLM-4v-9b实战指南：用llama.cpp GGUF格式在消费级GPU部署多模态模型

GLM-4v-9b实战指南：用llama.cpp GGUF格式在消费级GPU部署多模态模型 1. 为什么你需要关注GLM-4v-9b 你有没有遇到过这样的场景：一张密密麻麻的财务报表截图发到工作群，大家却没人愿意花十分钟手动抄录数据；或者客户发来一张手机拍的电路板照片，问“这个元件型号是什么”，你只能回个尴尬的微笑；又或者团队正在做竞品分析，需要从几十份PDF产品手册里快速提取图表信息——这些不是小问题，而是每天真实消耗工程师、运营、产品经理大量时间的“视觉理解黑洞”。 过去，这类任务要么靠人工硬啃，要么得调用API付费接口，响应慢、成本高、隐私难保障。直到2024年，智谱AI开源了glm-4v-9b——一个真正能在你自己的RTX 4090上跑起来的90亿参数多模态模型。它不只是一张“能看图说话”的新名片，而是把高分辨率图像理解能力，塞进了一张消费级显卡的显存里。 重点来了：它支持原生1120×1120输入，这意味着你不用再把一张A4扫描件缩成模糊小图上传；它对中文表格、小字号OCR、技术类图表的理解，在公开评测中直接超过了GPT-4-turbo和Claude 3 Opus；

使用 VS Code 与 GitHub Copilot 高效 Vibe Coding 指南

欢迎大家关注「几米宋」的微信公众号，公众号聚焦于云原生、AI、服务网格、工具教程、技术观察以及日常感悟等内容，更多精彩内容请访问个人网站 jimmysong.io。 📄 文章摘要 掌握 VS Code 与 GitHub Copilot 的高效开发技巧，提升你的编程体验与效率，开启愉快的 vibe coding 之旅。 🔗 在 jimmysong.io 上 阅读原文 体验更佳。 最近一段时间笔者试用了众多的 vibe coding（氛围编程）工具，但是试用了一圈后，最终还是选择了 VS Code 与 GitHub Copilot 的组合。不为别的，就是因为最得心应手、性价比最高、最有可扩展性。本文将从环境配置、工作空间和插件、界面布局、
[AI工具箱] Vheer：免费、免登录，一键解锁AI绘画、视频生成和智能编辑

[AI工具箱] Vheer：免费、免登录，一键解锁AI绘画、视频生成和智能编辑

项目简介 今天偶然发现了个堪称“赛博活佛”的AI网站，名叫Vheer。它的作风相当大方，里面绝大部分功能都直接免费敞开用，就问你服不服。 文生图、图生视频、智能修图这些主流AI功能一个不落。点开就能用。而且非常的大气，比如抠图，别的网站按张收费，它直接让你一口气传20张照片自动处理，完全免费，甚至你去花时间不需要注册。 它几乎移除了所有上手障碍。网站首页清晰地排列着各种功能，没有晦涩的术语。你想把文字变成图片，或者让静态照片动起来，点开对应的按钮，输入你的想法，结果很快就能呈现在你面前。整个过程简单得就像在用一款普通的手机APP。 食用指南 访问地址 传送地址 官网的免费会员上面写的几个非常吸引人的地方，第一没有任何水印，第二生成图片视频这些是没有任何数量上的限制，只有高级别的模型和高速通道不能使用（但是实测下来，生成的速度也是相当不错）。 网站也提供了一些订阅模式，可以使用更高级的模型，但是这些高级模型需要消耗算力点。根据自己的需要看是否订阅。 由于功能实在太多了，强烈建议亲手测试一下 操作与体验——文生图 官网光一个文生图的功能就折腾出来了40多个功能，除了

从GAN到ChatGPT：AIGC技术演进与实战应用指南

快速体验 在开始今天关于 从GAN到ChatGPT：AIGC技术演进与实战应用指南 的探讨之前，我想先分享一个最近让我觉得很有意思的全栈技术挑战。 我们常说 AI 是未来，但作为开发者，如何将大模型（LLM）真正落地为一个低延迟、可交互的实时系统，而不仅仅是调个 API？ 这里有一个非常硬核的动手实验：基于火山引擎豆包大模型，从零搭建一个实时语音通话应用。它不是简单的问答，而是需要你亲手打通 ASR（语音识别）→ LLM（大脑思考）→ TTS（语音合成）的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说，这是个绝佳的练手项目。 从0到1构建生产级别应用，脱离Demo，点击打开 从0打造个人豆包实时通话AI动手实验 从GAN到ChatGPT：AIGC技术演进与实战应用指南 技术背景：关键模型演进时间轴 2014年 - GAN横空出世 生成对抗网络(GAN)通过生成器与判别器的对抗训练，首次实现了高质量图像生成。核心突破在于：