vivado2020.2 工程导出为tcl并rebuild(一)
目录概要将工程导出为 TCL 的优缺点第一步导出 TCL第二步准备恢复文件1. 新建恢复工程文件夹2. 复制必要文件最终的文件夹结构3. 修改 TCL 文件4. 编写 rebuild.bat 代码第三步恢复工程第四步遗留问题概要全部操作大致分为三个步骤将工程导出为 TCL 工程将源文件复制到目标路径重建工程将工程导出为 TCL 的优缺点优点节省存储空间实际需要的空间只有源文件和 TCL 文件的大小重新恢复的工程比原工程要小虽然 Vivado 可以通过project_reset来精简工程但是远远达不到这个水平方便工程转移如果需要将工程交付他人可以更方便进行转移。缺点只保留必要文件大小如果工程占用芯片资源过多可能一次编译无法成功这种情况下还需要保存原工程的 bit 流文件官方建议通过和生成 TCL 文件相同版本的 Vivado 进行重建否则可能出现无法重建工程的情况。第一步导出 TCL可以导出的方式有 2 种这里只介绍通过 Vivado 界面导出。1. 按照下图进行选中2. 按照下图进行选择第二步准备恢复文件1. 新建恢复工程文件夹2. 复制必要文件1复制源文件2粘贴到目的路径提示由于前面生成 TCL 的时候选中了“Recreate Block Designs using Tcl”所以 block design 的信息也包含在 TCL 文件中所以这里可以将src/sources_1文件夹下的bd文件夹删除。最终的文件夹结构├─src │ ├─constrs_1 │ │ └─constrains │ └─sources_1 │ ├─header │ ├─ip │ │ ├─axis_data_fifo_0 # 这里保存的是 xci 文件重建后的工程如果需要修改 IP可以通过重新生成 IP 实现 │ │ ├─... │ ├─rtl │ └─ ... ├─vivado_project.tcl ├─rebuid.bat3. 修改 TCL 文件1这部分路径的作用是检查这些文件是否存在修改前的路径修改后的路径2这部分文件的作用是用于工程重建修改前路径修改后的路径4. 编写 rebuild.bat 代码CALL D:\Xilinx\Vivado\2020.2\bin\vivado.bat -mode batch -source vivado_project.tcl PAUSE第三步恢复工程双击rebuild.bat下面是运行结束的打印第四步遗留问题重建工程后vivado_project.srcs文件夹下的文件结构会发生改变。前面有写原来的源文件结构下面是重建后的结构可以看到各个文件夹下面都新建了imports文件夹。这个问题该如何解决还没有找到办法。├─constrs_1 │ └─imports │ └─constrains ├─sources_1 │ ├─bd │ │ └─design_1 │ │ └─ip │ ├─imports │ │ └─sources_1 │ │ ├─header │ │ ├─rtl │ │ └─version │ └─ip └─utils_1 └─imports └─version

相关新闻

08-linux学习之旅之进阶sudo

08-linux学习之旅之进阶sudo

linux学习之旅之进阶sudo 一、sudo配置文件(sudoers) 1、配置文件位置 #主配置文件 /etc/sudoers#独立配置沐目录(有需要添加修改的权限可以创建在这个目录下,避免损坏源文件 /etc/sudoers.d#修改配置配置文件使用visudo命令编辑&…

2026/7/29 18:23:52 阅读更多 →
Wayback Machine浏览器扩展:你的免费网页时光机,一键拯救消失的互联网记忆 [特殊字符]

Wayback Machine浏览器扩展:你的免费网页时光机,一键拯救消失的互联网记忆 [特殊字符]

Wayback Machine浏览器扩展:你的免费网页时光机,一键拯救消失的互联网记忆 🌐 【免费下载链接】wayback-machine-webextension A web browser extension for Chrome, Firefox, Edge, and Safari 14. 项目地址: https://gitcode.com/gh_mirr…

2026/7/29 18:23:52 阅读更多 →
开发者的Python生存指南:Python解释器安装、配置、避坑全攻略

开发者的Python生存指南:Python解释器安装、配置、避坑全攻略

目录 1. 为什么需要搞清楚Python解释器的安装与配置? 1.1 Python解释器是个啥? 2. 在不同系统上安装Python解释器 2.1 Windows:别被“简单”骗了 2.2 macOS:Homebrew是你的好朋友 2.3 Linux:发行版差异要小心 3. 配置环境变量与pip:让Python听话 3.1 环境变量的正…

2026/7/29 18:22:51 阅读更多 →

最新新闻

G-Helper:华硕笔记本控制体验的轻量化革命

G-Helper:华硕笔记本控制体验的轻量化革命

G-Helper:华硕笔记本控制体验的轻量化革命 【免费下载链接】g-helper Lightweight Armoury Crate alternative for Asus laptops with nearly the same functionality. Works with ROG Zephyrus, Flow, TUF, Strix, Scar, ProArt, Vivobook, Zenbook, Expertbook, R…

2026/7/29 18:41:58 阅读更多 →
faunadb-js实战教程:构建一个完整的用户认证系统

faunadb-js实战教程:构建一个完整的用户认证系统

faunadb-js实战教程:构建一个完整的用户认证系统 【免费下载链接】faunadb-js Javascript driver for FaunaDB v4 项目地址: https://gitcode.com/gh_mirrors/fa/faunadb-js faunadb-js是FaunaDB的官方JavaScript驱动,让开发者能够轻松构建安全可…

2026/7/29 18:41:58 阅读更多 →
Solidity 技能进阶路线:从 ERC 标准实现到复杂合约架构的设计能力培养路径

Solidity 技能进阶路线:从 ERC 标准实现到复杂合约架构的设计能力培养路径

Solidity 技能进阶路线:从 ERC 标准实现到复杂合约架构的设计能力培养路径 一、引言 Solidity 作为以太坊智能合约的主流开发语言,其学习曲线呈现出明显的两阶段特征:语法层面入门相对容易,但写出安全、高效、可维护的合约代码需要…

2026/7/29 18:41:58 阅读更多 →
AI教材编写工具大揭秘,一键搞定高校专业教材,低查重率有保障!

AI教材编写工具大揭秘,一键搞定高校专业教材,低查重率有保障!

教材编写时,大家最头疼的就是各种格式问题。比如标题要用多大字号、分几级层次,参考文献得按照GB/T7714还是出版社自己的规则来写,习题是安排成单栏还是双栏……这些纷繁复杂的要求让人眼花缭乱。手动调整不仅费时间,还常常会出现…

2026/7/29 18:41:58 阅读更多 →
3天从零掌握HumanML3D:终极3D人体动作生成数据集完整指南

3天从零掌握HumanML3D:终极3D人体动作生成数据集完整指南

3天从零掌握HumanML3D:终极3D人体动作生成数据集完整指南 【免费下载链接】HumanML3D HumanML3D: A large and diverse 3d human motion-language dataset. 项目地址: https://gitcode.com/gh_mirrors/hu/HumanML3D 想要快速上手3D人体动作生成?H…

2026/7/29 18:41:58 阅读更多 →
G-Helper深度解析:华硕笔记本轻量化控制工具的技术实现与最佳实践

G-Helper深度解析:华硕笔记本轻量化控制工具的技术实现与最佳实践

G-Helper深度解析:华硕笔记本轻量化控制工具的技术实现与最佳实践 【免费下载链接】g-helper Lightweight Armoury Crate alternative for Asus laptops with nearly the same functionality. Works with ROG Zephyrus, Flow, TUF, Strix, Scar, ProArt, Vivobook, …

2026/7/29 18:40:57 阅读更多 →

日新闻

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

一、本文介绍 🔥本文在RT-DETR多模态融合目标检测中引入RLAB残差线性注意力模块,可在不同模态特征交互阶段进行多次残差细化,使可见光、红外等特征在尺度、语义和空间位置上更好对齐;随后将细化特征与解码器输出拼接并生成Q、K、V,通过线性注意力自适应强化关键通道、目…

2026/7/29 0:00:23 阅读更多 →
AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础 在上一期「AI编程系列」中,我们学习了如何构建一个基础的 AI 问答系统,通过简单的输入输出让模型回应问题。但现实世界中的 AI 应用往往需要处理更复杂的场景:…

2026/7/29 0:00:23 阅读更多 →
AI智能体开发实战:从工具调用到企业级部署

AI智能体开发实战:从工具调用到企业级部署

1. 从被动问答到主动执行:AI Agent的范式转变过去两年,大语言模型最显著的应用形态是聊天机器人——用户提问,AI回答。但真正的生产力革命发生在2023年下半年:当AI学会主动调用工具完成任务时,生产力工具的历史被彻底改…

2026/7/29 0:00:23 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/28 12:04:22 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/29 14:34:28 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/29 15:00:03 阅读更多 →

月新闻