Ubuntu服务器下基于Cocotb生成CSV文件的代码适配咨询

一、环境准备 #

• 确保Ubuntu服务器已安装Python3及pip，执行命令：

  sudo apt update && sudo apt install python3 python3-pip -y
  

• 安装所需依赖包：

  pip3 install cocotb pandas pyuvm
  

二、代码适配修改 #

原代码依赖Google Colab的Drive挂载功能，在Ubuntu环境下需删除该逻辑，同时修正缩进错误（原代码缩进不规范会导致运行报错），修改后的代码如下：

import cocotb
from cocotb.triggers import Timer
import random
import pyuvm
import pandas as pd
import os

# 自定义CSV保存目录，可按需修改
SAVE_DIR = "./alu_test_data"
os.makedirs(SAVE_DIR, exist_ok=True)

@cocotb.test()
async def CODE_AA(dut):
    listA = []
    listB = []
    listC = []
    ALU_CONTROL = ['00', '01', '10', '11']

    for i in range(10):
        A = random.randint(0, 1000)
        listA.append(A)
        await Timer(20, units="ns")
        print(f"生成A值: {A}")
        
        B = random.randint(0, 1000)
        listB.append(B)
        await Timer(20, units="ns")
        print(f"生成B值: {B}")
        
        listC.append(random.choice(ALU_CONTROL))
        print(f"当前ALU操作码列表: {listC}")
    
    # 构造数据并保存为CSV
    data_dict = {'A': listA, 'B': listB, 'C': listC}
    df = pd.DataFrame(data_dict)
    print("生成的测试数据:")
    print(df)
    
    csv_path = os.path.join(SAVE_DIR, "basic_py.csv")
    df.to_csv(csv_path, index=False)
    print(f"CSV文件已保存至: {csv_path}")

三、关键修改说明 #

• 删除了Google Colab专属的Drive挂载及路径切换代码，替换为本地自定义保存目录
• 修正了原代码中for循环、await语句的缩进错误（Cocotb异步函数内代码必须严格缩进）
• 优化了打印信息，明确提示文件保存路径
• 添加目录自动创建逻辑，避免因目录不存在导致保存失败

四、运行验证 #

1. 将修改后的代码保存为alu_test.py
2. 准备好对应Verilog/VHDL DUT（若仅需生成测试数据，可简化为无硬件交互的模拟运行）
3. 执行Cocotb运行命令（示例）：

   MODULE=alu_test SIM=icarus make
   

4. 运行完成后，在./alu_test_data目录下即可找到生成的basic_py.csv文件

内容的提问来源于stack exchange，提问作者Pakistan Railways PR 28