Skip to content

Fomalhaut2333/Simple-Vector-Processor

BranchesTags

Repository files navigation

RISC向量处理器矩阵乘法系统

本项目实现了一个基于RISC指令集的向量处理器，专门用于矩阵乘法运算。支持2x2、4x4、8x8矩阵乘法仿真验证。

项目结构

Simple-Vector-Processor/
├── README.md                     # 项目说明文档
├── Makefile                      # 编译构建文件（集成所有构建功能）
├── vector_engine.v               # 顶层向量处理器模块
├── Decoder.v                     # 指令解码器
├── ICM.v                         # 指令缓存模块
├── Imm_Gen.v                     # 立即数生成器
├── MAC.v                         # 乘累加器
├── PC.v                          # 程序计数器
├── Scalar_DCM.v                  # 标量数据缓存
├── Scalar_RegFile.v              # 标量寄存器文件
├── Vector_DCM.v                  # 向量数据缓存
├── Vector_RegFile.v              # 向量寄存器文件
├── matrix_2x2_tb.v               # 2x2矩阵乘法测试台
├── matrix_4x4_tb.v               # 4x4矩阵乘法测试台
├── matrix_8x8_tb.v               # 8x8矩阵乘法测试台
├── script/
│   └── matrix_parser.py          # 矩阵数据生成脚本
└── data/
    ├── test_2x2_instruction_memory.txt    # 2x2指令数据（由parser生成）
    ├── test_2x2_scalar_data_memory.txt    # 2x2标量数据（由parser生成）
    ├── test_2x2_vector_data_memory.txt    # 2x2向量数据（由parser生成）
    ├── test_4x4_instruction_memory.txt    # 4x4指令数据（由parser生成）
    ├── test_4x4_scalar_data_memory.txt    # 4x4标量数据（由parser生成）
    ├── test_4x4_vector_data_memory.txt    # 4x4向量数据（由parser生成）
    ├── test_8x8_instruction_memory.txt    # 8x8指令数据（由parser生成）
    ├── test_8x8_scalar_data_memory.txt    # 8x8标量数据（由parser生成）
    └── test_8x8_vector_data_memory.txt    # 8x8向量数据（由parser生成）

环境依赖

必需软件

  • Icarus Verilog (iverilog): 用于Verilog仿真
  • Python 3: 用于数据生成脚本
  • Make: 用于构建管理
  • Bash/Zsh: 用于执行脚本

安装命令 (Ubuntu/Debian)

sudo apt update
sudo apt install iverilog python3 gtkwave make

安装命令 (Arch Linux)

sudo pacman -S iverilog python3 gtkwave make

快速开始

1. 生成测试数据

# 生成2x2矩阵测试数据
python3 script/matrix_parser.py --test-2x2

# 生成4x4矩阵测试数据
python3 script/matrix_parser.py --test-4x4

# 生成8x8矩阵测试数据
python3 script/matrix_parser.py --test-8x8

# 一次性生成所有测试数据
python3 script/matrix_parser.py --test-2x2
python3 script/matrix_parser.py --test-4x4
python3 script/matrix_parser.py --test-8x8

2. 编译并仿真

使用Makefile一键构建和测试

# 完整的2x2矩阵乘法测试（自动生成数据、编译、仿真）
make matrix_2x2

# 完整的4x4矩阵乘法测试
make matrix_4x4

# 完整的8x8矩阵乘法测试
make matrix_8x8

# 查看所有可用命令
make help

分步操作

# 生成所有测试数据
make gen_data

# 单独编译某个测试
make build_2x2
make build_4x4
make build_8x8

# 单独运行仿真
make run_2x2
make run_4x4
make run_8x8

# 查看波形文件
make wave

# 清理生成文件
make clean

详细使用说明

Makefile命令参考

主要测试命令

make matrix_2x2       # 完整的2x2矩阵乘法测试流程
make matrix_4x4       # 完整的4x4矩阵乘法测试流程  
make matrix_8x8       # 完整的8x8矩阵乘法测试流程
make custom_matrix    # 自定义矩阵测试（需要指定INPUT参数）
make help             # 显示详细的帮助信息

分步操作命令

# 编译命令
make build_2x2        # 只编译2x2测试
make build_4x4        # 只编译4x4测试
make build_8x8        # 只编译8x8测试
make build_custom     # 编译自定义矩阵测试

# 运行命令
make run_2x2          # 只运行2x2仿真
make run_4x4          # 只运行4x4仿真
make run_8x8          # 只运行8x8仿真
make run_custom       # 运行自定义矩阵仿真

# 数据准备命令
make setup_custom_data INPUT=文件名  # 准备自定义矩阵数据

工具命令

make gen_data         # 生成所有测试数据
make wave             # 查看波形文件（自动选择最新的）
make clean            # 清理构建文件
make check            # 语法检查
make stats            # 显示设计统计信息
make info             # 显示设计信息

自定义矩阵测试

除了预定义的2x2、4x4、8x8测试，系统还支持从文件读取自定义矩阵进行测试。

自定义矩阵文件格式

创建一个文本文件，包含两个矩阵，格式如下：

MATRIX_A: [[矩阵A的数据]]
MATRIX_B: [[矩阵B的数据]]

示例文件

example_matrix.txt (2x2矩阵):

MATRIX_A: [[1, 2], [3, 4]]
MATRIX_B: [[5, 6], [7, 8]]

期望结果: [[19, 22], [43, 50]]

example_3x3_matrix.txt (3x3矩阵):

MATRIX_A: [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
MATRIX_B: [[2, 0, 1], [0, 3, 0], [1, 0, 2]]

期望结果: [[5, 6, 7], [14, 15, 16], [23, 24, 25]]

自定义矩阵使用方法

1. 一键式运行

# 使用预定义的示例文件
make custom_matrix INPUT=example_matrix.txt

# 使用自己创建的文件
make custom_matrix INPUT=my_matrices.txt

2. 分步操作

# 第一步：准备数据
make setup_custom_data INPUT=example_matrix.txt

# 第二步：编译
make build_custom

# 第三步：运行仿真
make run_custom

# 查看波形
make wave

3. 直接使用parser脚本

# 基本用法
python3 script/matrix_parser.py --input-file example_matrix.txt

# 指定输出前缀
python3 script/matrix_parser.py --input-file example_matrix.txt --output-prefix my_test

# 查看parser的所有选项
python3 script/matrix_parser.py --help

自定义矩阵注意事项

  1. 数据格式: 矩阵必须使用JSON格式，注意逗号和括号
  2. 数据类型: 矩阵元素必须是整数（支持负数）
  3. 矩阵尺寸: 支持最大8x8矩阵，矩阵维度必须满足乘法要求（A的列数 = B的行数）
  4. 文件编码: 建议使用UTF-8编码
  5. 错误处理: 如果文件格式错误，系统会提供详细的错误信息

matrix_parser.py 完整功能

script/matrix_parser.py 支持多种输入方式：

# 测试模式（预定义矩阵）
python3 script/matrix_parser.py --test-2x2
python3 script/matrix_parser.py --test-3x3
python3 script/matrix_parser.py --test-4x4
python3 script/matrix_parser.py --test-8x8

# 文件输入模式
python3 script/matrix_parser.py --input-file my_matrices.txt

# 命令行矩阵输入模式
python3 script/matrix_parser.py --matrix-a '[[1,2],[3,4]]' --matrix-b '[[5,6],[7,8]]'

# 指定输出文件前缀
python3 script/matrix_parser.py --input-file my_matrices.txt --output-prefix custom_test

make clean # 清理构建文件 make check # 语法检查 make stats # 显示设计统计信息 make info # 显示设计信息


### 数据生成脚本使用

`script/matrix_parser.py`是核心数据生成脚本，可以通过Makefile调用：

```bash
# 使用Makefile生成数据（推荐）
make gen_data      # 生成所有尺寸的测试数据

# 或直接使用脚本
python3 script/matrix_parser.py --test-2x2    # 生成2x2矩阵测试数据
python3 script/matrix_parser.py --test-4x4    # 生成4x4矩阵测试数据
python3 script/matrix_parser.py --test-8x8    # 生成8x8矩阵测试数据

生成的数据文件说明：

  • 指令内存文件 (test_NxN_instruction_memory.txt): 包含矩阵乘法的向量指令序列
  • 标量数据内存文件 (test_NxN_scalar_data_memory.txt): 包含标量寄存器的初始值和常数
  • 向量数据内存文件 (test_NxN_vector_data_memory.txt): 包含矩阵A和B的向量化数据

测试矩阵说明

2x2测试矩阵：

  • 矩阵A: [[1,2],[3,4]]
  • 矩阵B: [[1,0],[0,1]] (单位矩阵)
  • 预期结果: [[1,2],[3,4]] (等于矩阵A)

4x4测试矩阵：

  • 矩阵A: [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]
  • 矩阵B: [[1,0,0,0],[0,1,0,0],[0,0,1,0],[0,0,0,1]] (单位矩阵)
  • 预期结果: 等于矩阵A

8x8测试矩阵：

  • 矩阵A: 1到64的连续整数填充
  • 矩阵B: 8x8单位矩阵
  • 预期结果: 等于矩阵A

仿真结果验证

仿真完成后，程序会自动验证结果并输出：

  • PASSED: 计算结果正确
  • FAILED: 计算结果有误

仿真日志会显示：

  • 矩阵乘法的输入矩阵
  • 期望的结果矩阵
  • 实际计算的结果矩阵
  • 每个元素的比较结果

工作流程示例

# 1. 预定义矩阵测试（推荐）
make matrix_2x2        # 自动处理数据准备、编译、仿真

# 2. 自定义矩阵测试
make custom_matrix INPUT=example_matrix.txt   # 一键式自定义矩阵测试

# 3. 手动分步流程
make gen_data          # 生成预定义测试数据
make build_2x2         # 编译2x2测试
make run_2x2          # 运行2x2仿真
make wave             # 查看波形

# 4. 自定义矩阵分步流程
make setup_custom_data INPUT=my_matrix.txt  # 准备自定义数据
make build_custom      # 编译自定义测试
make run_custom       # 运行自定义仿真

# 5. 批量测试所有尺寸
make matrix_2x2 && make matrix_4x4 && make matrix_8x8

# 6. 清理和重新开始
make clean            # 清理文件
make matrix_4x4       # 重新测试

架构说明

向量处理器架构

  • 向量寄存器: 16个128位向量寄存器，每个可存储8个16位元素
  • 标量寄存器: 16个16位标量寄存器
  • 向量配置寄存器(R15): 控制向量操作的配置参数
    • VLEN[15:13]: 向量长度-1 (0=1元素, 1=2元素, ..., 7=8元素)
    • VSTR[12:10]: 向量步长-1 (0=步长1, 1=步长2, ..., 7=步长8)
    • VSHIFT[9:8]: 用于截断，便于计算定点数
    • VMSK[7:0]: 向量掩码 (8位，每位对应一个向量元素)
  • Vector Chaining: 向量链式处理，支持连续向量操作之间的直接数据传递
  • 指令集: 支持向量加载、存储、乘累加等操作
  • 存储器: 指令缓存、标量数据缓存、向量数据缓存

Vector Chaining 功能

Vector Chaining是现代向量处理器的重要特性，允许一个向量功能单元的输出立即作为另一个向量功能单元的输入，最小化连续操作之间的延迟。

实现特性

  • 自动检测: 硬件自动检测连续向量操作之间的寄存器依赖关系
  • 前向数据路径: 当检测到依赖时，直接使用前一条指令的计算结果，跳过寄存器写入/读取
  • 无延迟传输: 消除连续向量操作之间的pipeline bubble

应用场景

在矩阵乘法中的典型Vector Chaining序列：

VLOAD  v1, [addr]     # 加载矩阵行
VMAC   v15, r2, v1    # 立即使用v1进行乘累加 ← Vector Chaining
VMAC   v15, r3, v1    # 再次使用v1            ← Vector Chaining  
VSTORE [addr], v15    # 立即使用v15的结果     ← Vector Chaining

性能提升

Vector Chaining显著提高了向量操作的吞吐量，特别是在密集的矩阵运算中，可以减少多达50%的寄存器访问延迟。

矩阵乘法算法

采用行向量×列向量的方式实现矩阵乘法：

  1. 配置R15寄存器设置向量长度、步长和掩码
  2. 逐行加载矩阵A的行向量
  3. 逐列加载矩阵B的列向量
  4. 使用向量乘累加指令计算点积（支持向量掩码）
  5. 将结果存储到向量寄存器
  6. 最终结果写回存储器

向量配置功能

  • 向量长度控制: 支持1-8个元素的向量操作
  • 向量步长: 支持非连续内存访问模式
  • 向量掩码: 选择性启用/禁用特定向量元素
  • Stripmining支持: 当VLEN超过最大长度时自动分块处理

指令集架构

支持的主要指令：

  • VLOAD: 向量加载指令（支持步长访问）
  • VSTORE: 向量存储指令（支持步长访问）
  • VMAC: 向量乘累加指令（支持向量掩码）
  • LOAD/STORE: 标量加载存储指令
  • MOV: 立即数移动指令（用于配置R15）
  • NOP: 空操作指令

向量配置示例

# 配置向量长度=4, 步长=1, 掩码=0xFF
MOV R15, 0x6FFC, 0  # VLEN=3(4元素), VSTR=0(步长1), VMSK=0xFF

# 配置向量长度=2, 步长=2, 掩码=0x0F
MOV R15, 0x43C0, 0  # VLEN=1(2元素), VSTR=1(步长2), VMSK=0x0F

常见问题

Q: 如何验证Vector Chaining功能？

A: Vector Chaining功能在所有矩阵乘法测试中自动启用。可以通过以下方式验证：

观察VCD波形：

make matrix_2x2
make wave
# 在波形中查看vector_chaining_enable信号

Q: 如何使用自定义矩阵进行测试？

A:

  1. 创建包含矩阵的文本文件： 
    MATRIX_A: [[1, 2], [3, 4]]
MATRIX_B: [[5, 6], [7, 8]]
  2. 运行测试：make custom_matrix INPUT=your_file.txt
  3. 或分步操作： 
    make setup_custom_data INPUT=your_file.txt
make build_custom
make run_custom

Q: 自定义矩阵文件格式有什么要求？

A:

  • 必须包含 MATRIX_A: 和 MATRIX_B: 标记
  • 矩阵使用JSON格式：[[1, 2], [3, 4]]
  • 矩阵元素必须是整数
  • 支持最大8x8矩阵
  • 矩阵维度必须满足乘法要求（A的列数 = B的行数）

Q: 编译时出现"command not found"错误

A: 请确保已安装iverilog。在Ubuntu/Debian上运行：sudo apt install iverilog

Q: Python脚本执行失败

A: 确保使用Python 3，数据生成可以通过Makefile自动处理：make gen_data

Q: 如何查看详细的仿真波形？

A:

make matrix_2x2    # 运行仿真，自动生成VCD文件
make wave          # 自动打开最新的波形文件
# 或手动打开: gtkwave matrix_2x2_tb.vcd

Q: 如何查看所有可用的命令？

A: 使用 make help 查看完整的命令列表和使用说明

Q: 数据文件在哪里？

A:

  • 生成的测试数据在 data/ 目录下
  • 当前使用的数据文件是根目录下的符号链接（instruction_memory.txt 等）
  • 每次运行不同尺寸的测试时，链接会自动更新指向对应的数据文件

开发说明

修改测试矩阵

方法1：使用自定义矩阵文件（推荐）

创建包含矩阵的文本文件：

MATRIX_A: [[your_matrix_a]]
MATRIX_B: [[your_matrix_b]]

然后运行：make custom_matrix INPUT=your_file.txt

方法2：直接使用parser脚本

python3 script/matrix_parser.py --matrix-a '[[1,2],[3,4]]' --matrix-b '[[5,6],[7,8]]'

方法3：修改预定义测试

如需修改预定义的测试矩阵，可以编辑script/matrix_parser.py中的矩阵定义：

# 在对应的测试函数中修改matrix_a和matrix_b
matrix_a = [[your_values]]
matrix_b = [[your_values]]

性能优化

  • 可以调整时钟频率（修改测试台中的时钟周期）
  • 优化指令序列（减少NOP指令）
  • 改进向量寄存器的数据布局

About

A toy project

Resources

Readme
Activity

Stars

1 star

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages