معرفی شرکت ها


DTCO-0.1.2


Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

DTCO Utility
ویژگی مقدار
سیستم عامل -
نام فایل DTCO-0.1.2
نام DTCO
نسخه کتابخانه 0.1.2
نگهدارنده []
ایمیل نگهدارنده []
نویسنده hockchen
ایمیل نویسنده hock.chen@dipsci.com
آدرس صفحه اصلی https://github.com/dipsci/DTCO
آدرس اینترنتی https://pypi.org/project/DTCO/
مجوز -
**Liberty Metric Package** ``` from libMetric import liberty as lutil import numpy as np ``` Liberty conversion ``` # load & convert CCS to JSON lnode = lutil.read_lib('ccs.lib') lutil.dump_json(lnode,out='ccs.json') lnode.keys() # load liberty from JSON lnode = lutil.load_json('ccs.json') lnode.keys() ``` Timing & power operation ``` # list cells in the liberary [v for v in lnode['cell']] # grab cell node by cell-name, e.g., 'ND2D1LVT' cnode = lnode['cell']['ND2D1LVT'] # encapsulate all timing/power tables by timing-arc into a dataframe lutT = lutil.get_cell_timing(cnode,todf=True) lutP = lutil.get_cell_power(cnode,todf=True) lutT.index # enumerate all lookup tables encapsulated by timing-arc lutP.index # enumerate all lookup tables encapsulated by timing-arc ``` Lookup table, interpolation & regression ``` # lookup table interpolation, e.g., timing-arc ('A1,ZN,', 'combinational', 'cell_rise') lut = lutT.loc[('A1,ZN,', 'combinational', 'cell_rise')] y,x,v = map(np.array,lut.values) # unpack values as numpy array # timing interpolation based on the specified transition & load lutil.table_lookup(lut,trans=0.0207,load=0.0010072,dflag=True) # LS regression & prediction lutil.lut2lsCoeff(lut.to_dict(),trans=0.03,load=0.0017,dflag=True) ``` Data visualization API ``` cnode = lnode['cell']['DFCNQD1LVT'] lutT = lutil.get_cell_timing(cnode,todf=False) # grab all timing tables in JSON lutil.plot_lut(lutT,keys=[('CP,Q,', 'rising_edge', 'cell_rise'), ('CP,Q,', 'rising_edge', 'cell_fall')],xylabel=('load','trans')) lutil.plot_lut(lutT,keys=[('CP,D,CDN', 'setup_rising', 'rise_constraint'), ('CP,D,CDN', 'hold_rising', 'rise_constraint')],xylabel=('clock','data')) ``` --- **GRO Compiler Package** ``` from GRO import ROCompiler import sys if __name__ == '__main__': argv = sys.argv else: # test mode argv = ['C:/Home/Projects/Pypi/DTCO/GRO/gro.py', '-config','C:/Home/Projects/Pypi/DTCO/GRO/demo/config_demo.f', '-outDir','C:/Home/Projects/Pypi/DTCO/GRO/demo/RO_demo', '-target','TT'] # init GRO instance gro = ROCompiler() # parse command line code,pdata = gro.parseArguments(argv) # update pdata from config if pdata.get('configFile')!=None: cfg = gro.loadConfig(pdata['configFile']) if pdata.get('initProj')==True: # create RO project directory gro.initProjectDirectory() gro.initMakefile() if pdata.get('initLib')==True: gro.initLibJSON() # build library JSON DB if pdata.get('buildRO')==True: # generate RO design and the successive DC, synthesis, vsim, SPICE environments gro.commitConfig() # start from liberty JSON without initLibJSON gro.compileGRO() if pdata.get('lpe')!=None: gro.genSPICESim() ``` --- **Copernic System** WAT Analysis CP Analysis Binning Strategy --- **Design & Technology C-optimization** Process Uniformity & OCV Analysis Machine-learning Framework


نحوه نصب


نصب پکیج whl DTCO-0.1.2:

    pip install DTCO-0.1.2.whl


نصب پکیج tar.gz DTCO-0.1.2:

    pip install DTCO-0.1.2.tar.gz