之前都是在从RISC-V的基础上进行改动，最近想自定制一个指令集，但是感觉对gem5的熟悉度不够，对它的运作方式理解也不是很到位，准备从se.py开始看看源码，观察一个顺序的单核RISC-V是怎么样进行模拟的，顺便记录一下。理解有误的地方欢迎大家指正。

一、se.py

前面部分的代码主要使用于将args中的参数进行处理，如：

Options.addCommonOptions(parser)
Options.addSEOptions(parser)

(CPUClass, test_mem_mode, FutureClass) = Simulation.setCPUClass(args)

Simulation.setCPUClass()会从默认的几个CPU模型中通过输入的参数进行选择，如果要使用到改变的模型可以像我这样：

if args.rand == 1:CPUClass = O3_riscv.O3_RISCVFutureClass = Nonetest_mem_mode = CPUClass.memory_mode()
else:(CPUClass, test_mem_mode, FutureClass) = Simulation.setCPUClass(args)

当然前面要声明添加rand参数以及导入头文件，当输入了–rand = 1 后就会选择我在RISC-V的基础上配置的O3_RISCV。
之后一大堆的system.**的赋值，在官方教程里也有写，就是在构建整个系统，这里面包括了之前设置的CPUClass，以及设置cache的参数：

CacheConfig.config_cache(args, system)

root = Root(full_system = False, system = system)

Root()在src/sim/Root.py。这里会调用SimObject中初始化的方法来初始化一个Root，后续在simulate.py中使用到的Root就是当前创建的这个。Root.py中部分代码：

Root.py中部分代码：class Root(SimObject):_the_instance = Nonedef __new__(cls, **kwargs):if Root._the_instance:fatal("Attempt to allocate multiple instances of Root.")return NoneRoot._the_instance = SimObject.__new__(cls)return Root._the_instance

重要的是后面这个

Simulation.run(args, root, system, FutureClass)

将所有设置好的参数放入Simulation.run()中。

二、Simulate.py()

主要就是后面的run()函数，run函数看起来挺多的，将其中主要的部分挑选出来，把这次都用不到的都删掉以及改了一下得到下面的几个部分：

def run(options, root, testsys, cpu_class):np = options.num_cpusif cpu_class:switch_cpus = [cpu_class(switched_out=True, cpu_id=(i))for i in range(np)]for i in range(np):switch_cpus[i].system = testsysswitch_cpus[i].workload = testsys.cpu[i].workloadswitch_cpus[i].clk_domain = testsys.cpu[i].clk_domainswitch_cpus[i].progress_interval = \testsys.cpu[i].progress_intervalswitch_cpus[i].isa = testsys.cpu[i].isa# simulation periodtestsys.switch_cpus = switch_cpusswitch_cpu_list = [(testsys.cpu[i], switch_cpus[i]) for i in range(np)]

这部分主要还是设置好switch_cpu_list。对于单核来说np=1，那么此时switch_cpu_list和testsys是一样的。

   if cpu_class:print("Switch at curTick count:%s" % str(10000))exit_event = m5.simulate(10000)print("Switched CPUS @ tick %s" % (m5.curTick()))m5.switchCpus(testsys, switch_cpu_list)exit_event = benchCheckpoints(options, m5.MaxTick, cptdir)             #do  #maxtick = m5.MaxTickprint('Exiting @ tick %i because %s' %(m5.curTick(), exit_event.getCause()))if exit_event.getCode() != 0:print("Simulated exit code not 0! Exit code is", exit_event.getCode())

第三行中的m5.simulate位于src/python/m5/simulate.py

def simulate(*args, **kwargs):global need_startupif need_startup:root = objects.Root.getInstance()          #得到之前初始化的Rootfor obj in root.descendants(): obj.startup()

gem5是事件驱动的，所以我认为，这里的循环里的startup()就是驱动部件一次，结合起来就是依次驱动系统中的每个部件。
root.descendants():

    def descendants(self):yield selffor (name, child) in sorted(self._children.items()):for obj in child.descendants():yield obj

yield用法参考：https://blog.csdn.net/mieleizhi0522/article/details/82142856。总之就是运行一次就选择进一步的孩子模块。
startup()位于src/cim/root.cc

Root::startup()
{timeSyncEnable(params().time_sync_enable);
}其中timeSyncEnable()：Root::timeSyncEnable(bool en)
{if (en == _enabled)return;_enabled = en;if (_enabled) {// Get event going.Tick periods = ((curTick() + _periodTick - 1) / _periodTick);Tick nextPeriod = periods * _periodTick;schedule(&syncEvent, nextPeriod);} else {// Stop event.deschedule(&syncEvent);}
}
负责事件在线程调度的运行与停止
schedule(),deschedule()都在src/sim/eventq.hh中

再回到之前的simulate():

        need_startup = False# Python exit handlers happen in reverse order.# We want to dump stats last.atexit.register(stats.dump)     #生成json# register our C++ exit callback function with Pythonatexit.register(_m5.core.doExitCleanup)       #退出内核

atexit.register()用于注册函数在程序退出时以注册顺序逆序执行，参考https://blog.csdn.net/hwb18253164494/article/details/53453694

        # Reset to put the stats in a consistent state.stats.reset() #重置stats文件if _drain_manager.isDrained():_drain_manager.resume()

在src/sim/drain.cc中有

_drain_manager = _m5.drain.DrainManager.instance()
bool isDrained() const { return _state == DrainState::Drained; }
总之就是重置所有的部件

    # We flush stdout and stderr before and after the simulation to ensure the# output arrive in order.sys.stdout.flush()        #sys.stdout.flush()的作用就是显示地让缓冲区的内容输出。sys.stderr.flush()sim_out = _m5.event.simulate(*args, **kwargs)           ###还没找到，下次再找吧sys.stdout.flush()sys.stderr.flush()return sim_out

stdout与stderr的区别：https://blog.csdn.net/jasonchen_gbd/article/details/80795645

gem5源码解读se.py以及simulate.py（一）相关推荐

faster rcnn源码解读（三）train_faster_rcnn_alt_opt.py
转载自:faster rcnn源码解读(三)train_faster_rcnn_alt_opt.py - 野孩子的专栏 - 博客频道 - CSDN.NET http://blog.csdn.net/u ...
利用yolov5训练自己的数据集； yolov5的安装与使用； yolov5源码解读
*免责声明: 1\此方法仅提供参考 2\搬了其他博主的操作方法,以贴上路径. 3* 场景一:Anconda环境基本操作场景二:yolov5的使用场景三:yolo v5训练自己的数据集场景四:yo ...
faster rcnn源码解读（四）之数据类型imdb.py和pascal_voc.py（主要是imdb和roidb数据类型的解说）
转载自:faster rcnn源码解读(四)之数据类型imdb.py和pascal_voc.py(主要是imdb和roidb数据类型的解说) - 野孩子的专栏 - 博客频道 - CSDN.NET ht ...
Ubuntu 16.04下Caffe-SSD的应用（四）——ssd_pascal.py源码解读
前言 caffe-ssd所有的训练时的参数,全部由ssd_pascal.py来定义,之后再去调用相关的脚本和函数,所以想要训练自己的数据,首先要明白ssd_pascal.py各个定义参数的大体意思. ...
小白学习pytorch源码（二）：setup.py最详细解读
小白学习pytorch源码(二) pytorch setup.py最全解析 setup.py与setuptools setup.py最详细解读 setup.py 环境检查 setup.py setup ...
PTMs：QLoRA技巧之源码解读(qlora.py文件)—解析命令与加载参数→数据预处理→模型训练+评估+推理
PTMs:QLoRA技巧之源码解读(qlora.py文件)-解析命令与加载参数→数据预处理→模型训练+评估+推理目录 QLoRA技巧之源码解读(qlora.py文件)-解析命令与加载参数→数据预处理 ...
【YOLOV5-5.x 源码解读】metrics.py
目录前言 0.导入需要的包 1.fitness 2.ap_per_class.compute_ap 2.1.ap_per_class 2.2.compute_ap 3.ConfusionMatrix ...
Bert系列（二）——源码解读之模型主体
本篇文章主要是解读模型主体代码modeling.py.在阅读这篇文章之前希望读者们对bert的相关理论有一定的了解,尤其是transformer的结构原理,网上的资料很多,本文内容对原理部分就不做过多 ...
Bert系列（三）——源码解读之Pre-train
https://www.jianshu.com/p/22e462f01d8c pre-train是迁移学习的基础,虽然Google已经发布了各种预训练好的模型,而且因为资源消耗巨大,自己再预训练也不现 ...
PyTorch 源码解读之即时编译篇
点击上方"AI遇见机器学习",选择"星标"公众号重磅干货,第一时间送达作者丨OpenMMLab 来源丨https://zhuanlan.zhihu.com/ ...

gem5源码解读se.py以及simulate.py（一）

一、se.py

二、Simulate.py()

gem5源码解读se.py以及simulate.py（一）相关推荐

最新文章

热门文章