科技即生产力,最近,OpenAI 发布了 ChatGPT,在各大论坛和许多网站上受到了广泛关注,ChatGPT是由 OpenAI 提出的大型预训练语言模型,使用了许多深度学习技术,可以生成文本内容,也可以进行文本分类、问答等任务。这么强大的功能,自然会有很多人想着测试它的能力,让它设计生成一些“代码”或者“文章”来了解他的能力,而我注意到很少有人用 Verilog 去试试他的能力,所以今天我们去试一试,最后再看看它未来能为FPGA领域带来什么。
ChatGPT简介
FPGA工程师在“软件”方面能力基本都是比较欠缺的,比如一些脚本等,在这方面ChatGPT能否帮助我们弥补这些能力的缺失?
首先我们先简单测试一下GPT的HDL编码能力
下面是GPT给的例程:
GPT BEGIN
以下是一个简单的流水灯程序:
module shift_register( input clk, input reset, output reg [7:0] led ); reg [7:0] shift_reg; initial begin shift_reg = 8'h01; end always @(posedge clk) begin if (reset) begin shift_reg <= 8'h01; end else begin shift_reg <= {shift_reg[6:0], shift_reg[7]}; end end assign led = shift_reg; endmodule
该模块包含一个8位移位寄存器,通过时钟来推进并且每个周期将寄存器向左移动一位。模块还包含一个复位信号,当复位信号为高时,寄存器将重新置为初始状态,并从第二个LED灯开始闪烁。最后,将移位寄存器的输出分配给LED灯。
GPT END
上面就是GPT生成的代码,效果很好,基本功能实现,但是上面代码不能综合,有点小BUG,比较简单,大家自己可以试着看看有什么问题。
接下来我们测试一个复杂的代码:
GPT BEGIN
以下是一个简单的Verilog代码实现HDB3编码器和解码器。代码假定输入信号是一个序列,而不是一个单独的位。
module hdb3_encoder(input clk, input rst, input [7:0] data_in, output reg [7:0] tx_out); reg [3:0] polarity; reg [3:0] zero_count; always @(posedge clk) begin if (rst) begin tx_out <= 8'b00000000; polarity <= 4'b0000; zero_count <= 4'b0000; end else begin if (data_in == 8'b00000000) begin zero_count <= zero_count + 1; if (zero_count == 4) begin if (polarity == 4'b0011) begin // Positive pulse tx_out <= 8'b00000010; polarity <= 4'b1100; end else begin // Negative pulse tx_out <= 8'b00000001; polarity <= 4'b0011; end zero_count <= 0; end else begin tx_out <= 8'b00000000; end end else begin if (data_in[7] == 1) begin // Ones count as positive if (polarity == 4'b1100) begin // Positive pulse tx_out <= 8'b00000010; polarity <= 4'b0011; end else begin // No pulse tx_out <= data_in; polarity <= polarity + 1; end zero_count <= 0; end else begin // Zeros alternate if (polarity == 4'b0011) begin // Negative pulse tx_out <= 8'b00000001; polarity <= 4'b1100; end else begin // No pulse tx_out <= data_in; polarity <= polarity + 1; end zero_count <= 0; end end end end endmodule module hdb3_decoder( input clk, input rst, input [7:0] rx_in, output reg [7:0] data_out, output reg valid ); reg [3:0] polarity; reg [3:0] zero_count; always @(posedge clk) begin if (rst) begin data_out <= 8'b00000000; polarity <= 4'b0000; zero_count <= 4'b0000; valid <= 0; end else begin if (rx_in == 8'b00000000) begin zero_count <= zero_count + 1; if (zero_count == 4) begin if (polarity == 4'b0011) begin // Positive pulse data_out <= 8'b00000000; valid <= 1; end else if (polarity == 4'b1100) begin // Negative pulse data_out <= 8'b00000000; valid <= 1; end polarity <= 4'b0000; zero_count <= 0; end else begin data_out <= 8'b00000000; valid <= 0; end end else begin if (rx_in == 8'b00000010) begin // Positive pulse data_out <= 8'b00000000; valid <= 1; polarity <= 4'b0011; zero_count <= 0; end else if (rx_in == 8'b00000001) begin // Negative pulse data_out <= 8'b00000000; valid <= 1; polarity <= 4'b1100; zero_count <= 0; end else begin data_out <= rx_in; polarity <= polarity + 1; if (polarity == 4'b1111) polarity <= 4'b0000; zero_count <= 0; valid <= 1; end end end end endmodule
GPT END
对于刚接触这个行业的人,上面的代码足够给初学者提供一个代码思路,顺着这个思路进行修改理解,很快就可以实现一个复杂一点的Verilog代码。
我们在使用Vivado时候,TCL也是一个重要的脚本语言,需要我们熟练掌握,首先我们让GPT给我们出一个无GUI创建工程的示例:
GPT BEGIN
以下是一个简单的Vivado无GUI的TCL工程脚本示例:
# 设置工程名和工作目录 set project_name "my_project" set project_dir "/path/to/project/dir" # 创建工程 create_project $project_name $project_dir -part xcku115-flvb2104-2-e -force # 添加源文件 add_files -norecurse /path/to/source/file1.v add_files -norecurse /path/to/source/file2.v # 设置仿真模块 set_property simulator_language Verilog [current_project] set_property top_module my_top_module [current_fileset] # 运行综合 synth_design # 运行实现 implement_design # 导出比特文件 write_bitstream -force /path/to/bitstream_file.bit
这只是一个基本示例,实际的脚本可能需要更多的命令和参数来完成所需的操作。您可以参考Vivado的TCL命令参考手册来学习更多使用方式。
GPT END
基本命令都是有的,每一个命令的中文注释都有,真的方便极了。
此外,还尝试了写小作文,爬虫等都是可以完成一个完整度较高的答案。
总的来说,ChatGPT 给我留下了深刻的印象,因为它可以生成和迭代代码,就像正在与办公室里的另一位工程师交谈一样。不过它的功能也有限。也就是说,它可以在几分钟内提供一个很好的开发起点和一个可行的框架。
由于GPT的中文训练量远远不及英文的,所以在这方面会有一些欠缺,随着发展的越来越快,以下是本人觉得的发展方向:
首先,ChatGPT可以作为一个问答机器人,对设计人员的问题进行回答。设计人员可以向ChatGPT提问关于FPGA的问题,比如FPGA的官方文档、产品手册、参考设计、IP核等内容,ChatGPT会根据用户提问的问题提供最佳答案,同时在一些FPGA大厂进行训练后的情景肯定完美。这对于刚刚接触FPGA的设计人员来说,肯定是一个非常好的学习工具。
其次,ChatGPT可以协助设计人员进行设计验证和测试。在设计过程中,由于各种器件互相影响,可能会出现很多问题,如电性能等。ChatGPT可以根据设计人员的需求,给出适当的方法和步骤,以协助验证功能、测试性能和诊断问题。此功能可以帮助设计人员提高设计质量、加快设计速度,并避免出现故障。
第三,ChatGPT可以协助设计人员优化设计流程。设计FPGA需要计算资源和时间,设计人员需要花费大量时间来优化设计,例如电路拓扑、时序约束等。ChatGPT可以根据经验、文献和实践,为设计人员提供优化建议,帮助提高设计效率和质量。
最后,ChatGPT还可以协助设计人员进行调试和维护工作。FPGA设计一旦完成,像其他电路一样,也需要进行维护和调试工作,比如在更新版本或漏洞修复时。ChatGPT可以为设计人员提供有关这些方面的帮助,从而使他们更好地处理问题。
对于我们个人来说,其实用GPT作为自己的个人助手,平时用来记一些笔记、知识点,都是很完美的“容器”。
总之,ChatGPT作为一款人工智能聊天工具,将来能够为FPGA设计人员提供许多便利。回答问题、协助设计验证和测试、优化设计流程、协助调试和维护。这一切都可以帮助设计人员提高设计质量和效率,节省时间和成本。
审核编辑:刘清
全部0条评论
快来发表一下你的评论吧 !