【Chipyard】Gemmini快速上手

原创已于 2025-07-01 17:04:16 修改 · 1.1k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#chipyard #conda #gemmini

于 2025-06-12 01:10:52 首次发布

chipyard 专栏收录该内容

6 篇文章

订阅专栏

Gemmini 介绍说明源地址：https://github.com/ucb-bar/gemmini/blob/master/README.md

一、安装依赖

1. 安装 conda

基于Miniconda 进行安装

# 下载最新版 Miniconda3（64 位）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 赋予执行权限
chmod +x Miniconda3-latest-Linux-x86_64.sh
 
# 开始安装（按提示操作）
bash Miniconda3-latest-Linux-x86_64.sh

安装完后记得要更新一下环境变量

source ~/.bashrc  # 或 .zshrc（若使用 zsh）

2. 创建conda 编译环境

创建一个“干净”的编译环境，可以有效的提高chipyard工程编译成功的概率。

# 创建新环境（指定 Python 版本）
conda create -n my_chipyard
 
# 激活环境（进入环境）
conda activate my_chipyard

二、安装Chipyard and Spike

1. 下载chipyard 代码工程

从github仓库下载 chipyard 源码

git clone https://github.com/ucb-bar/chipyard.git

2. 编译

修改编译参数

由于我的编译服务器只有8G内存大小，在实际的编译过程会出现因内存耗光，导致卡死的现象，因此需要手工调整一下编译参数。将JAVA_HEAP_SIZE 改为了6G

打开 vi chipyar/variables.mk 文件，找到 JAVA_HEAP_SIZE 字段，修改为如下图中的内容。

查看编译help

通过多 ./build-setup.sh --help 的查看，发现实际上模块间是相互独立的。比方说因为用不着FPGA 仿真平台，就可以先跳过 6,7,8,9 这几章节。

(base) :~/Source/chipyard$ ./build-setup.sh --help
Usage: ./build-setup.sh [OPTIONS] [riscv-tools]

Installation Types
  riscv-tools: if set, builds the riscv toolchain (this is also the default)

Helper script to fully initialize repository that wraps other scripts.
By default it initializes/installs things in the following order:
   1. Conda environment
   2. Chipyard submodules
   3. Toolchain collateral (Spike, PK, tests, libgloss)
   4. Ctags
   5. Chipyard pre-compile sources
   6. FireSim
   7. FireSim pre-compile sources
   8. FireMarshal
   9. FireMarshal pre-compile default buildroot Linux sources
  10. Install CIRCT
  11. Runs repository clean-up

**See below for options to skip parts of the setup. Skipping parts of the setup is not guaranteed to be tested/working.**

Options
  --help -h               : Display this message
  --verbose -v            : Verbose printout
  --use-unpinned-deps -ud : Use unpinned conda environment
  --use-lean-conda        : Install a leaner version of the repository (smaller conda env, no FireSim, no FireMarshal)
  --build-circt           : Builds CIRCT from source, instead of downloading the precompiled binary
  --conda-env-name NAME   : Optionally use a global conda env name instead of storing env in Chipyard directory
  --github-token TOKEN    : Optionally use a Github token to download CIRCT
  --skip -s N             : Skip step N in the list above. Use multiple times to skip multiple steps ('-s N -s M ...').
  --skip-conda            : Skip Conda initialization (step 1)
  --skip-submodules       : Skip submodule initialization (step 2)
  --skip-toolchain        : Skip toolchain collateral (step 3)
  --skip-ctags            : Skip ctags (step 4)
  --skip-precompile       : Skip precompiling sources (steps 5/7)
  --skip-firesim          : Skip Firesim initialization (steps 6/7)
  --skip-marshal          : Skip firemarshal initialization (steps 8/9)
  --skip-circt            : Skip CIRCT install (step 10)
  --skip-clean            : Skip repository clean-up (step 11)

安装依赖

安装有可能需要用到的依赖

sudo apt install -y     libguestfs-tools     qemu-system-x86     supermin     dmsetup     parted     e2fsprogs     dosfstools

执行编译命令

跳过 FireSim 相关模块在编译过程中碰到问题。

cd chipyard
./build-setup.sh -s 6 -s 7 -s 8 -s 9

安装gemmini 库

source env.sh

cd $CY_DIR/generators/gemmini
make -C software/libgemmini install

三、编译Gemmini Software

cd $CY_DIR/generators/gemmini/software/gemmini-rocc-tests
rm -rf build
./build.sh

四、运行Simulators

编译模拟器

cd $CY_DIR/sims/verilator
#make CONFIG=GemminiRocketConfig

# Or, if you want a simulator that can generate waveforms, run this:
make -j$(nproc) debug CONFIG=GemminiRocketConfig

运行spike 的仿真程序

cd $CY_DIR/sims/verilator


# Run a small DNN workload in the functional simulator
spike --extension=gemmini ../../generators/gemmini/software/gemmini-rocc-tests/build/imagenet/resnet50-baremetal

并输出如下日志信息

Gemmini extension configured with:
    dim = 16
conv 1 cycles: 234800
matmul 2 cycles: 19520
conv 3 cycles: 91887
matmul 4 cycles: 77447
matmul 5 cycles: 77445
matmul 6 cycles: 19520
conv 7 cycles: 91887
matmul 8 cycles: 77447
matmul 9 cycles: 19522
conv 10 cycles: 91887
matmul 11 cycles: 77447
matmul 12 cycles: 54842
conv 13 cycles: 68652
matmul 14 cycles: 37884
conv 15 cycles: 105872
matmul 16 cycles: 14243
^Econv 17 cycles: 108589
matmul 18 cycles: 37883
matmul 19 cycles: 14243
conv 20 cycles: 108589
matmul 21 cycles: 37883
matmul 22 cycles: 14243
conv 23 cycles: 108589
matmul 24 cycles: 37883
matmul 25 cycles: 20000
conv 26 cycles: 55104
matmul 27 cycles: 17198
conv 28 cycles: 76192
matmul 29 cycles: 10910
conv 30 cycles: 94097
matmul 31 cycles: 17197
matmul 32 cycles: 10910
conv 33 cycles: 94097
matmul 34 cycles: 17197
matmul 35 cycles: 10910
conv 36 cycles: 94097
matmul 37 cycles: 17197
matmul 38 cycles: 10910
conv 39 cycles: 94097
matmul 40 cycles: 17197
matmul 41 cycles: 10910
conv 42 cycles: 94097
matmul 43 cycles: 17197
matmul 44 cycles: 18506
conv 45 cycles: 42745
matmul 46 cycles: 10346
conv 47 cycles: 273531
matmul 48 cycles: 8002
conv 49 cycles: 84369
matmul 50 cycles: 10346
matmul 51 cycles: 8002
conv 52 cycles: 84369
matmul 53 cycles: 10346
matmul 54 cycles: 3371
Prediction: 75 (score: 45)
Prediction: 900 (score: 43)
Prediction: 641 (score: 40)
Prediction: 897 (score: 57)

Total cycles: 3118111 (100%)
Matmul cycles: 864104 (27%)
Im2col cycles: 0 (0%)
Conv cycles: 2097547 (67%)
Pooling cycles: 0 (0%)
Depthwise convolution cycles: 0 (0%)
Res add cycles: 119515 (3%)
Other cycles: 36945 (1%)
PASS

五、仿真结果分析

1. Gemmini 配置与运行概况

配置参数：
- Gemmini 扩展维度（dim）设置为 16，即处理单元规模为 16×16。
运行模式：
- 通过 Spike 模拟器执行 ResNet50 模型的裸机（baremetal）推理任务，输入为 ImageNet 数据集。

2. 关键操作周期统计

总周期数：3,118,111 周期（100%）。
周期占比分析：
- 卷积（Conv）：2,097,547 周期（67%），为主要耗时操作。
- 矩阵乘法（Matmul）：864,104 周期（27%），次核心操作。
- 残差连接（Res add）：119,515 周期（3%），用于跨层特征融合。
- 其他操作：36,945 周期（1%），包括数据搬运、控制逻辑等。
关键操作耗时示例：
- 最大单次卷积操作（conv 1）：234,800 周期。
- 最大单次矩阵乘法（matmul 2）：195,20 周期。

3. 模型推理预测结果

前 4 名预测类别及分数：
1. 类别 75：分数 45
2. 类别 900：分数 43
3. 类别 641：分数 40
4. 类别 897：分数 57
说明：
- 分数代表模型对类别的置信度，数值越高表示匹配度越高。
- 由于未提供 ImageNet 类别映射表，无法直接对应具体物体类别（如 “狗”“汽车” 等）。