SlideShare a Scribd company logo
VHDL - INTRO
2015.07.15
강의자 : 23기 백두현
목차
 INTRO
 GATE
 DECODER/ENCODER
 MUX/DEMUX
 FlipFlop/Latch
FPGA
 FPGA(Field-Programmable Gate Array)
 재프로그래밍 가능한 실리콘 칩.
 미리 구축된 로직 블록 및 프로그래밍 가능한 라우팅 리소스가
있어 납땜 작업 없이 맞춤 하드웨어 기능 실행을 위한 칩을
구성할 수 있음.
 FPGA를 채택하는 이유
 FPGA가 ASIC 및 프로세서 기반 시스템에서 최상의 부분을
통합 하기 때문.
 FPGA는 HW 타이밍된 속도와 안전성을 제공.
 맞춤 ASIC 디자인의 막대한 선행 비용에 견줄만한 비용을
요구 하지 않음.
FPGA 제작 대표회사
 Altera
 Logic Element(LUT,FF) 와
OnChipMemory로 구성
 LUT : GATE에 대한 Truth Table을 구현.
=> 모든 GATE구현 가능.
=> 하나의 LUT로 다수의 GATE구현가능
 Chip가격이 비싸지만
교육용 Contents들이 많음.
 Xilinx
 GATE와 FF 로 구성.
 Chip가격이 싸고 IDE Tool, EDA Tool 이
Altera에 반해 강력함.
직접회로설계의 변천 과정
 설계방법
 70년대 : Transistor Level의 Layout 설계
 80년대 : Gate 또는 RTL Level의 회로 설계
 90년대 : Algorithm이나 기능 레벨의 설계
 설계도구
 70년대 : Layout Editor
 80년대 : Schematic Editor
 90년대 : HDL과 Synthesis Toll(Silicon Compiler)
HDL
 VHDL(VHSIC Hardware Description Language)
 학교나 연구실에서 학술적 용도로 사용.
 VHDL 반복적인 기술을 생성할 수 있음.
 Mypackage
 Memory 관리 및 설계 편의 제공.
 VerilogHDL
 대기업에서 많이 사용.
 2차원 register 사용할 때 요소 접근이 불편함.
 복잡한 타이밍 신호를 기술 할 수 있음.
 SoC 개발자라면 두 언어 모두 다룰 수 있어야 함.
SoC 개발 Process
 Specification 규정.
 System의 input과 output을 규정.
 System의 동작 및 Limit를 규정.
 Behavior Level 설계.
 Truth Table(K-MAP)
 State Machine Diagram
 Functional Simulation
 Algorithm 검증
 RTL Level 설계
 GATE Level 설계
 Layout 설계
FPGA 구현 가능 단계
디지털이란?
 디지털 회로란? 디지털 논리 회로의 조합
 디지털은 일반적으로 2개 상태를 취하여, 각각 ‘Low’와
‘High’, 또는 ‘L’ 와 ‘H’라고 표현된다. 일반적으로는 Low를
0으로, High를 1로 대응시킨다. (1과 0의 상태는 각각
전류가 흐른다/ 흐르지 않는다 의 상태를 의미)
디지털이란?
 초기의 논리회로는 5V 기준이었다. 5V를 정해 놓고 이것에
맞추어 논리게이트나 마이크로 프로세서가 만들어졌다.
그래서 5V를 Vcc라고 표시한다.
디지털 회로의 기본단위
 디지털 회로의 기본단위 = gate
EX – AND gate
GATE
 Buffer
 Inverter
GATE
 AND
 NAND
GATE
 OR
 NOR
GATE
 XOR(Exclusive – OR , Odd)
 XNOR(Exclusive – NOR, EVEN)
DECODER/ENCODER
 DECODER
- n-bit 입력 코드를 m-bit 출력 코드로 변환하는 조합논리회로.(단! n<= m <=2^n)
- 유효한 입력 코드에 대해서 유일한 코드가 출력 되어야 한다.
DECODER/ENCODER
 ENCODER
- DECODER의 역기능.
- 2^n혹은 이하의 입력 라인을 갖고 n개의 출력 라인을 갖는다.
MUX/DEMUX
 MUX(Multiplexer)
- MUX는 많은 입력 라인 중 하나를 선택하고 이를 단독 출력 라인으로 내보내는
조합회로.
S1 S2 M
0 0 A
0 1 B
1 0 C
1 1 D
MUX/DEMUX
 DEMUX(Demultiplexer)
- mux의 역을 수행하는 회로, 데이터 분배기.
- 하나의 입력을 여러 개의 출력 라인 중 선택하여 출력.
S1 S2 A B C D
0 0 M X X X
0 1 X M X X
1 0 X X M X
1 1 X X X M
FlipFlop/Latch
 Latch와 FlipFlop
 두개의 안정 상태를 갖는 일종의 기억 회로.
 Latch와 FlipFlop은 CLK의 유무에 따라 구별된다.
 Latch는 비동기식으로 CLK를 사용하지 않음.
 FlipFlop은 동기식으로 CLK를 사용함.
FlipFlop/Latch
 SR Latch(using NOR)
FlipFlop/Latch
 SR Latch(using NAND)
FlipFlop/Latch
 SR FlipFlop
FlipFlop/Latch
 D Latch
FlipFlop/Latch
 D FlipFlop
FlipFlop/Latch
 JK FlipFlop
FlipFlop/Latch
 T FlipFlop

More Related Content

What's hot

02. led switch
02. led switch02. led switch
02. led switch
성호 정
 
창조경제 IoT 해커톤 교육 4일차
창조경제 IoT 해커톤 교육 4일차창조경제 IoT 해커톤 교육 4일차
창조경제 IoT 해커톤 교육 4일차
유명환 FunFun Yoo
 
Arduino Basic Programming
Arduino Basic ProgrammingArduino Basic Programming
Arduino Basic Programming
SangGyu Kim
 
Aperture : 8. 스위치를 이용한 led 제어하기
Aperture : 8. 스위치를 이용한 led 제어하기Aperture : 8. 스위치를 이용한 led 제어하기
Aperture : 8. 스위치를 이용한 led 제어하기
Hyemin Song
 
IoT 해커톤 교육 3일차
IoT 해커톤 교육 3일차IoT 해커톤 교육 3일차
IoT 해커톤 교육 3일차
유명환 FunFun Yoo
 
창조경제 IoT 해커톤 교육 2일차 교육 자료
창조경제 IoT 해커톤 교육 2일차 교육 자료창조경제 IoT 해커톤 교육 2일차 교육 자료
창조경제 IoT 해커톤 교육 2일차 교육 자료
유명환 FunFun Yoo
 
Aperture : 1. 아두이노에 대해 알아보기
Aperture : 1. 아두이노에 대해 알아보기Aperture : 1. 아두이노에 대해 알아보기
Aperture : 1. 아두이노에 대해 알아보기
Hyemin Song
 
Aperture : 7. 7세그먼트를 이용해 숫자 출력하기
Aperture : 7. 7세그먼트를 이용해 숫자 출력하기Aperture : 7. 7세그먼트를 이용해 숫자 출력하기
Aperture : 7. 7세그먼트를 이용해 숫자 출력하기
Hyemin Song
 
Windows via C/C++ Chapter 10
Windows via C/C++ Chapter 10Windows via C/C++ Chapter 10
Windows via C/C++ Chapter 10iluvs
 
원준갓의 IoT 수업
원준갓의 IoT 수업원준갓의 IoT 수업
원준갓의 IoT 수업
Won Jun Song
 
TestBCD2016-2(Answer)
TestBCD2016-2(Answer)TestBCD2016-2(Answer)
TestBCD2016-2(Answer)
Yong Heui Cho
 
Aperture : 5. 초음파센서를 이용한 거리 측정하기
Aperture : 5. 초음파센서를 이용한 거리 측정하기Aperture : 5. 초음파센서를 이용한 거리 측정하기
Aperture : 5. 초음파센서를 이용한 거리 측정하기
Hyemin Song
 

What's hot (17)

02. led switch
02. led switch02. led switch
02. led switch
 
창조경제 IoT 해커톤 교육 4일차
창조경제 IoT 해커톤 교육 4일차창조경제 IoT 해커톤 교육 4일차
창조경제 IoT 해커톤 교육 4일차
 
Arduino Basic Programming
Arduino Basic ProgrammingArduino Basic Programming
Arduino Basic Programming
 
Aperture : 8. 스위치를 이용한 led 제어하기
Aperture : 8. 스위치를 이용한 led 제어하기Aperture : 8. 스위치를 이용한 led 제어하기
Aperture : 8. 스위치를 이용한 led 제어하기
 
IoT 해커톤 교육 3일차
IoT 해커톤 교육 3일차IoT 해커톤 교육 3일차
IoT 해커톤 교육 3일차
 
창조경제 IoT 해커톤 교육 2일차 교육 자료
창조경제 IoT 해커톤 교육 2일차 교육 자료창조경제 IoT 해커톤 교육 2일차 교육 자료
창조경제 IoT 해커톤 교육 2일차 교육 자료
 
Aperture : 1. 아두이노에 대해 알아보기
Aperture : 1. 아두이노에 대해 알아보기Aperture : 1. 아두이노에 대해 알아보기
Aperture : 1. 아두이노에 대해 알아보기
 
Avr lecture2
Avr lecture2Avr lecture2
Avr lecture2
 
Avr lecture1
Avr lecture1Avr lecture1
Avr lecture1
 
Avr lecture4
Avr lecture4Avr lecture4
Avr lecture4
 
Aperture : 7. 7세그먼트를 이용해 숫자 출력하기
Aperture : 7. 7세그먼트를 이용해 숫자 출력하기Aperture : 7. 7세그먼트를 이용해 숫자 출력하기
Aperture : 7. 7세그먼트를 이용해 숫자 출력하기
 
Avr lecture3
Avr lecture3Avr lecture3
Avr lecture3
 
Avr lecture5
Avr lecture5Avr lecture5
Avr lecture5
 
Windows via C/C++ Chapter 10
Windows via C/C++ Chapter 10Windows via C/C++ Chapter 10
Windows via C/C++ Chapter 10
 
원준갓의 IoT 수업
원준갓의 IoT 수업원준갓의 IoT 수업
원준갓의 IoT 수업
 
TestBCD2016-2(Answer)
TestBCD2016-2(Answer)TestBCD2016-2(Answer)
TestBCD2016-2(Answer)
 
Aperture : 5. 초음파센서를 이용한 거리 측정하기
Aperture : 5. 초음파센서를 이용한 거리 측정하기Aperture : 5. 초음파센서를 이용한 거리 측정하기
Aperture : 5. 초음파센서를 이용한 거리 측정하기
 

Viewers also liked

광운대[바람] 3.vhdl test bench
광운대[바람] 3.vhdl test bench광운대[바람] 3.vhdl test bench
광운대[바람] 3.vhdl test bench
NAVER D2
 
광운대[바람] 4.vhdl fsm
광운대[바람] 4.vhdl fsm광운대[바람] 4.vhdl fsm
광운대[바람] 4.vhdl fsm
NAVER D2
 
광운대학교 로봇학부 학술소모임 바람
광운대학교 로봇학부 학술소모임 바람광운대학교 로봇학부 학술소모임 바람
광운대학교 로봇학부 학술소모임 바람
두현 백
 
Design for Developer - Color
Design for Developer - ColorDesign for Developer - Color
Design for Developer - Color
희연 정
 
Comas 회사소개서
Comas 회사소개서Comas 회사소개서
Comas 회사소개서
himcap
 
Papago/N2MT 개발이야기
Papago/N2MT 개발이야기Papago/N2MT 개발이야기
Papago/N2MT 개발이야기
NAVER D2
 
Study: The Future of VR, AR and Self-Driving Cars
Study: The Future of VR, AR and Self-Driving CarsStudy: The Future of VR, AR and Self-Driving Cars
Study: The Future of VR, AR and Self-Driving Cars
LinkedIn
 

Viewers also liked (7)

광운대[바람] 3.vhdl test bench
광운대[바람] 3.vhdl test bench광운대[바람] 3.vhdl test bench
광운대[바람] 3.vhdl test bench
 
광운대[바람] 4.vhdl fsm
광운대[바람] 4.vhdl fsm광운대[바람] 4.vhdl fsm
광운대[바람] 4.vhdl fsm
 
광운대학교 로봇학부 학술소모임 바람
광운대학교 로봇학부 학술소모임 바람광운대학교 로봇학부 학술소모임 바람
광운대학교 로봇학부 학술소모임 바람
 
Design for Developer - Color
Design for Developer - ColorDesign for Developer - Color
Design for Developer - Color
 
Comas 회사소개서
Comas 회사소개서Comas 회사소개서
Comas 회사소개서
 
Papago/N2MT 개발이야기
Papago/N2MT 개발이야기Papago/N2MT 개발이야기
Papago/N2MT 개발이야기
 
Study: The Future of VR, AR and Self-Driving Cars
Study: The Future of VR, AR and Self-Driving CarsStudy: The Future of VR, AR and Self-Driving Cars
Study: The Future of VR, AR and Self-Driving Cars
 

Similar to 광운대[바람] 1.vhdl intro

2nd SDN Interest Group Seminar-Session3 (121218)
2nd SDN Interest Group Seminar-Session3 (121218)2nd SDN Interest Group Seminar-Session3 (121218)
2nd SDN Interest Group Seminar-Session3 (121218)
NAIM Networks, Inc.
 
TestBCD2015-1(Answer)
TestBCD2015-1(Answer)TestBCD2015-1(Answer)
TestBCD2015-1(Answer)
Yong Heui Cho
 
IoT with Raspberry Pi + Node JS - Chapter 2
IoT with Raspberry Pi + Node JS - Chapter 2IoT with Raspberry Pi + Node JS - Chapter 2
IoT with Raspberry Pi + Node JS - Chapter 2
Park Jonggun
 
Netmanias L2,L3 Training (5) L3 SW Architecture
Netmanias L2,L3 Training (5) L3 SW ArchitectureNetmanias L2,L3 Training (5) L3 SW Architecture
Netmanias L2,L3 Training (5) L3 SW Architecture
Chris Changmo Yoo
 
Make: 센서
Make: 센서Make: 센서
Make: 센서
종훈 박
 
Wire shark 사용법 및 네트워크 개론 살짝 설명
Wire shark 사용법 및 네트워크 개론 살짝 설명Wire shark 사용법 및 네트워크 개론 살짝 설명
Wire shark 사용법 및 네트워크 개론 살짝 설명
진우 이
 
허봉춘씨의 파란만장한 IoT 보드 만들기
허봉춘씨의 파란만장한 IoT 보드 만들기허봉춘씨의 파란만장한 IoT 보드 만들기
허봉춘씨의 파란만장한 IoT 보드 만들기
Bongjun Hur
 
NodeMcu로 시작하는 사물인터넷 DIY
NodeMcu로 시작하는 사물인터넷 DIYNodeMcu로 시작하는 사물인터넷 DIY
NodeMcu로 시작하는 사물인터넷 DIY
Hakyong Kim
 
Device interface (090721)
Device interface (090721)Device interface (090721)
Device interface (090721)
대갑 김
 
사물인터넷 노트4_라즈베리파이기본
사물인터넷 노트4_라즈베리파이기본사물인터넷 노트4_라즈베리파이기본
사물인터넷 노트4_라즈베리파이기본
Dong Hwa Jeong
 
TestBCD2015-2(Answer)
TestBCD2015-2(Answer)TestBCD2015-2(Answer)
TestBCD2015-2(Answer)
Yong Heui Cho
 
TestBCD2013-2(answer)
TestBCD2013-2(answer)TestBCD2013-2(answer)
TestBCD2013-2(answer)Yong Heui Cho
 
[OpenStack Days Korea 2016] Innovating OpenStack Network with SDN solution
[OpenStack Days Korea 2016] Innovating OpenStack Network with SDN solution[OpenStack Days Korea 2016] Innovating OpenStack Network with SDN solution
[OpenStack Days Korea 2016] Innovating OpenStack Network with SDN solution
OpenStack Korea Community
 
61262128 when-arduino-met-node-js
61262128 when-arduino-met-node-js61262128 when-arduino-met-node-js
61262128 when-arduino-met-node-jsfrendskr
 
Voice Conversion : Audio알못에서 VCC2020참가까지
Voice Conversion : Audio알못에서 VCC2020참가까지Voice Conversion : Audio알못에서 VCC2020참가까지
Voice Conversion : Audio알못에서 VCC2020참가까지
Subin An
 
Ch19
Ch19Ch19
Ch19
a1a123
 
Caanoo cofiguration and u boot
Caanoo cofiguration and u bootCaanoo cofiguration and u boot
Caanoo cofiguration and u bootjumiss
 
OCP Switch Overview
OCP Switch OverviewOCP Switch Overview
OCP Switch Overview
Seung-Hoon Baek
 
2015 제2회 동아리 해커 세미나 - 병렬컴퓨팅 소개 (16기 김정현)
2015 제2회 동아리 해커 세미나 - 병렬컴퓨팅 소개 (16기 김정현)2015 제2회 동아리 해커 세미나 - 병렬컴퓨팅 소개 (16기 김정현)
2015 제2회 동아리 해커 세미나 - 병렬컴퓨팅 소개 (16기 김정현)
khuhacker
 
Arduino 특강 강태욱
Arduino 특강   강태욱Arduino 특강   강태욱
Arduino 특강 강태욱
Tae wook kang
 

Similar to 광운대[바람] 1.vhdl intro (20)

2nd SDN Interest Group Seminar-Session3 (121218)
2nd SDN Interest Group Seminar-Session3 (121218)2nd SDN Interest Group Seminar-Session3 (121218)
2nd SDN Interest Group Seminar-Session3 (121218)
 
TestBCD2015-1(Answer)
TestBCD2015-1(Answer)TestBCD2015-1(Answer)
TestBCD2015-1(Answer)
 
IoT with Raspberry Pi + Node JS - Chapter 2
IoT with Raspberry Pi + Node JS - Chapter 2IoT with Raspberry Pi + Node JS - Chapter 2
IoT with Raspberry Pi + Node JS - Chapter 2
 
Netmanias L2,L3 Training (5) L3 SW Architecture
Netmanias L2,L3 Training (5) L3 SW ArchitectureNetmanias L2,L3 Training (5) L3 SW Architecture
Netmanias L2,L3 Training (5) L3 SW Architecture
 
Make: 센서
Make: 센서Make: 센서
Make: 센서
 
Wire shark 사용법 및 네트워크 개론 살짝 설명
Wire shark 사용법 및 네트워크 개론 살짝 설명Wire shark 사용법 및 네트워크 개론 살짝 설명
Wire shark 사용법 및 네트워크 개론 살짝 설명
 
허봉춘씨의 파란만장한 IoT 보드 만들기
허봉춘씨의 파란만장한 IoT 보드 만들기허봉춘씨의 파란만장한 IoT 보드 만들기
허봉춘씨의 파란만장한 IoT 보드 만들기
 
NodeMcu로 시작하는 사물인터넷 DIY
NodeMcu로 시작하는 사물인터넷 DIYNodeMcu로 시작하는 사물인터넷 DIY
NodeMcu로 시작하는 사물인터넷 DIY
 
Device interface (090721)
Device interface (090721)Device interface (090721)
Device interface (090721)
 
사물인터넷 노트4_라즈베리파이기본
사물인터넷 노트4_라즈베리파이기본사물인터넷 노트4_라즈베리파이기본
사물인터넷 노트4_라즈베리파이기본
 
TestBCD2015-2(Answer)
TestBCD2015-2(Answer)TestBCD2015-2(Answer)
TestBCD2015-2(Answer)
 
TestBCD2013-2(answer)
TestBCD2013-2(answer)TestBCD2013-2(answer)
TestBCD2013-2(answer)
 
[OpenStack Days Korea 2016] Innovating OpenStack Network with SDN solution
[OpenStack Days Korea 2016] Innovating OpenStack Network with SDN solution[OpenStack Days Korea 2016] Innovating OpenStack Network with SDN solution
[OpenStack Days Korea 2016] Innovating OpenStack Network with SDN solution
 
61262128 when-arduino-met-node-js
61262128 when-arduino-met-node-js61262128 when-arduino-met-node-js
61262128 when-arduino-met-node-js
 
Voice Conversion : Audio알못에서 VCC2020참가까지
Voice Conversion : Audio알못에서 VCC2020참가까지Voice Conversion : Audio알못에서 VCC2020참가까지
Voice Conversion : Audio알못에서 VCC2020참가까지
 
Ch19
Ch19Ch19
Ch19
 
Caanoo cofiguration and u boot
Caanoo cofiguration and u bootCaanoo cofiguration and u boot
Caanoo cofiguration and u boot
 
OCP Switch Overview
OCP Switch OverviewOCP Switch Overview
OCP Switch Overview
 
2015 제2회 동아리 해커 세미나 - 병렬컴퓨팅 소개 (16기 김정현)
2015 제2회 동아리 해커 세미나 - 병렬컴퓨팅 소개 (16기 김정현)2015 제2회 동아리 해커 세미나 - 병렬컴퓨팅 소개 (16기 김정현)
2015 제2회 동아리 해커 세미나 - 병렬컴퓨팅 소개 (16기 김정현)
 
Arduino 특강 강태욱
Arduino 특강   강태욱Arduino 특강   강태욱
Arduino 특강 강태욱
 

More from NAVER D2

[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다
NAVER D2
 
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
NAVER D2
 
[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기
NAVER D2
 
[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발
NAVER D2
 
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
NAVER D2
 
[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A
NAVER D2
 
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기
NAVER D2
 
[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning
NAVER D2
 
[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications
NAVER D2
 
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingOld version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
NAVER D2
 
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
NAVER D2
 
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
NAVER D2
 
[224]네이버 검색과 개인화
[224]네이버 검색과 개인화[224]네이버 검색과 개인화
[224]네이버 검색과 개인화
NAVER D2
 
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
NAVER D2
 
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
NAVER D2
 
[213] Fashion Visual Search
[213] Fashion Visual Search[213] Fashion Visual Search
[213] Fashion Visual Search
NAVER D2
 
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화
NAVER D2
 
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
NAVER D2
 
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
NAVER D2
 
[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?
NAVER D2
 

More from NAVER D2 (20)

[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다
 
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
 
[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기
 
[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발
 
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
 
[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A
 
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기
 
[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning
 
[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications
 
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingOld version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
 
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
 
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
 
[224]네이버 검색과 개인화
[224]네이버 검색과 개인화[224]네이버 검색과 개인화
[224]네이버 검색과 개인화
 
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
 
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
 
[213] Fashion Visual Search
[213] Fashion Visual Search[213] Fashion Visual Search
[213] Fashion Visual Search
 
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화
 
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
 
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
 
[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?
 

광운대[바람] 1.vhdl intro

  • 2. 목차  INTRO  GATE  DECODER/ENCODER  MUX/DEMUX  FlipFlop/Latch
  • 3. FPGA  FPGA(Field-Programmable Gate Array)  재프로그래밍 가능한 실리콘 칩.  미리 구축된 로직 블록 및 프로그래밍 가능한 라우팅 리소스가 있어 납땜 작업 없이 맞춤 하드웨어 기능 실행을 위한 칩을 구성할 수 있음.  FPGA를 채택하는 이유  FPGA가 ASIC 및 프로세서 기반 시스템에서 최상의 부분을 통합 하기 때문.  FPGA는 HW 타이밍된 속도와 안전성을 제공.  맞춤 ASIC 디자인의 막대한 선행 비용에 견줄만한 비용을 요구 하지 않음.
  • 4. FPGA 제작 대표회사  Altera  Logic Element(LUT,FF) 와 OnChipMemory로 구성  LUT : GATE에 대한 Truth Table을 구현. => 모든 GATE구현 가능. => 하나의 LUT로 다수의 GATE구현가능  Chip가격이 비싸지만 교육용 Contents들이 많음.  Xilinx  GATE와 FF 로 구성.  Chip가격이 싸고 IDE Tool, EDA Tool 이 Altera에 반해 강력함.
  • 5. 직접회로설계의 변천 과정  설계방법  70년대 : Transistor Level의 Layout 설계  80년대 : Gate 또는 RTL Level의 회로 설계  90년대 : Algorithm이나 기능 레벨의 설계  설계도구  70년대 : Layout Editor  80년대 : Schematic Editor  90년대 : HDL과 Synthesis Toll(Silicon Compiler)
  • 6. HDL  VHDL(VHSIC Hardware Description Language)  학교나 연구실에서 학술적 용도로 사용.  VHDL 반복적인 기술을 생성할 수 있음.  Mypackage  Memory 관리 및 설계 편의 제공.  VerilogHDL  대기업에서 많이 사용.  2차원 register 사용할 때 요소 접근이 불편함.  복잡한 타이밍 신호를 기술 할 수 있음.  SoC 개발자라면 두 언어 모두 다룰 수 있어야 함.
  • 7. SoC 개발 Process  Specification 규정.  System의 input과 output을 규정.  System의 동작 및 Limit를 규정.  Behavior Level 설계.  Truth Table(K-MAP)  State Machine Diagram  Functional Simulation  Algorithm 검증  RTL Level 설계  GATE Level 설계  Layout 설계 FPGA 구현 가능 단계
  • 8. 디지털이란?  디지털 회로란? 디지털 논리 회로의 조합  디지털은 일반적으로 2개 상태를 취하여, 각각 ‘Low’와 ‘High’, 또는 ‘L’ 와 ‘H’라고 표현된다. 일반적으로는 Low를 0으로, High를 1로 대응시킨다. (1과 0의 상태는 각각 전류가 흐른다/ 흐르지 않는다 의 상태를 의미)
  • 9. 디지털이란?  초기의 논리회로는 5V 기준이었다. 5V를 정해 놓고 이것에 맞추어 논리게이트나 마이크로 프로세서가 만들어졌다. 그래서 5V를 Vcc라고 표시한다.
  • 10. 디지털 회로의 기본단위  디지털 회로의 기본단위 = gate EX – AND gate
  • 14. GATE  XOR(Exclusive – OR , Odd)  XNOR(Exclusive – NOR, EVEN)
  • 15. DECODER/ENCODER  DECODER - n-bit 입력 코드를 m-bit 출력 코드로 변환하는 조합논리회로.(단! n<= m <=2^n) - 유효한 입력 코드에 대해서 유일한 코드가 출력 되어야 한다.
  • 16. DECODER/ENCODER  ENCODER - DECODER의 역기능. - 2^n혹은 이하의 입력 라인을 갖고 n개의 출력 라인을 갖는다.
  • 17. MUX/DEMUX  MUX(Multiplexer) - MUX는 많은 입력 라인 중 하나를 선택하고 이를 단독 출력 라인으로 내보내는 조합회로. S1 S2 M 0 0 A 0 1 B 1 0 C 1 1 D
  • 18. MUX/DEMUX  DEMUX(Demultiplexer) - mux의 역을 수행하는 회로, 데이터 분배기. - 하나의 입력을 여러 개의 출력 라인 중 선택하여 출력. S1 S2 A B C D 0 0 M X X X 0 1 X M X X 1 0 X X M X 1 1 X X X M
  • 19. FlipFlop/Latch  Latch와 FlipFlop  두개의 안정 상태를 갖는 일종의 기억 회로.  Latch와 FlipFlop은 CLK의 유무에 따라 구별된다.  Latch는 비동기식으로 CLK를 사용하지 않음.  FlipFlop은 동기식으로 CLK를 사용함.