【源码】基于Python和PyMOO框架的FPGA逻辑综合优化系统

项目简介

本项目是基于Python和PyMOO框架开发的FPGA逻辑综合优化系统，借助遗传算法（如NSGA - II）来寻找最优的FPGA设计序列，进而提升设计的性能与效率。项目包含多个模块，支持不同的优化算法与策略。

项目的主要特性和功能

1. 动作空间管理：对动作空间和动作类进行定义，管理FPGA设计优化的可用操作。
2. 设计组管理：引入设计组概念，提供处理不同设计组的工具，支持多种设计类型的优化。
3. 实验优化框架：具备实验优化的基本框架与接口，包括实验创建、执行和结果记录。
4. 支持多目标优化：运用NSGA - II算法处理多目标优化问题，如面积、延迟和深度等目标。
5. 结果记录与可视化：提供结果记录功能，支持结果可视化，如后悔QoR曲线。

安装使用步骤

系统环境与软件

系统环境为Linux，需要安装python3.7和anaconda。

安装依赖

1. 创建python3.7虚拟环境： bash conda create -n yourEnv python=3.7 conda activate yourEnv
2. 下载必要库： bash pip install -r requirements.txt

下载并编译iMap

bash git clone https://gitee.com/oscc-project/iMAP.git git clone https://gitee.com/wang-rui13132008217/nsga2.git mv nsga2/* iMap/ai_infra cd iMap mkdir build && cd build cmake .. make -j 8 cd .. cp bin/imap ai_infra

修改文件路径

修改results_storage_root_path.txt内为ai_infra文件夹所在路径，运行utils/utils_save.py文件保存路径。

运行实验

NSGA2运行示例

进入GA目录，运行命令： bash python main_nsga2.py --designs_group_id arbiter --n_gen 100 --pop_size 20 --seq_length 10 --seed 0

Boils运行示例

进入Boils目录，运行命令： bash python main_boils.py --designs_group_id arbiter --seq_length 10 --device -1 --seed 0

分析结果

分析实验结果，包括最佳序列、函数值等。

注意：具体安装和使用步骤可能需根据项目具体要求和环境调整。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】