[發明專利]一種芯片驗證方法、裝置、電子設備以及存儲介質

在審

• 申請號: 202210467033.1
• 申請日: 2022-04-29
• 公開（公告）號: CN114818600A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 沈煜;胡英俊;徐寧儀
• 申請（專利權）人: 上海陣量智能科技有限公司
• 主分類號: G06F30/398
• 分類號: G06F30/398;G06N3/063;G06N3/04;G06N3/08
• 代理公司: 北京中知恒瑞知識產權代理事務所(普通合伙) 11889
• 代理人: 袁忠林

本公開提供了一種芯片驗證方法、裝置、電子設備及存儲介質，該方法包括：獲取待校驗神經網絡；針對所述待校驗神經網絡包括的至少一種原始算子的算子類型，生成與所述算子類型一致的目標算子；利用所述目標算子對所述待校驗神經網絡中對應的原始算子進行替換，生成替換后神經網絡；利用訓練樣本，分別對所述替換后神經網絡和所述待校驗神經網絡進行訓練，得到所述待校驗神經網絡對應的第一訓練結果、和所述替換后神經網絡對應的第二訓練結果；基于所述第一訓練結果和所述第二訓練結果，生成待驗芯片對應的校驗結果。

技術領域

本公開涉及深度學習技術領域，具體而言，涉及一種芯片驗證方法、裝置、電子設備以及存儲介質。

背景技術

深度學習是一種計算密集型的算法，隨著處理任務的多樣性及復雜度越來越高，對算法的準確性、實時性的要求不斷增高，使得深度學習所使用的神經網絡的規模越來越大，運行該神經網絡時需要更多的計算資源及存儲資源。故可以使用設計的人工智能(Artificial Intelligence，AI)芯片運行該神經網絡。

一般的，在AI芯片流片之前，需要對設計的AI芯片進行評估。

發明內容

有鑒于此，本公開至少提供一種芯片驗證方法、裝置、電子設備以及存儲介質。

第一方面，本公開提供了一種芯片驗證方法，包括：

獲取待校驗神經網絡；

針對所述待校驗神經網絡包括的至少一種原始算子的算子類型，生成與所述算子類型一致的目標算子；

利用所述目標算子對所述待校驗神經網絡中對應的原始算子進行替換，生成替換后神經網絡；

利用訓練樣本，分別對所述替換后神經網絡和所述待校驗神經網絡進行訓練，得到所述待校驗神經網絡對應的第一訓練結果、和所述替換后神經網絡對應的第二訓練結果；

基于所述第一訓練結果和所述第二訓練結果，生成所述待驗芯片對應的校驗結果。

上述方法中，在獲取到待校驗神經網絡之后，生成與待校驗神經網絡包括的至少一種原始算子的算子類型一致的目標算子，由于該目標算子對應的目標數據處理方式、和待驗芯片的設計文件指示的算子類型對應的預設數據處理方式相匹配，實現利用目標算子對待驗芯片中浮點運算的模擬。再可以利用目標算子對待校驗神經網絡中對應的原始算子進行替換，生成替換后神經網絡。并利用訓練樣本，分別對待校驗神經網絡和替換后神經網絡進行訓練，得到第一訓練結果和第二訓練結果。由于第一訓練結果可以確定為待校驗網絡的基準結果，第二訓練結果可以確定為待驗芯片運行待校驗神經網絡時的模擬結果。再使用第一訓練結果和第二訓練結果，可以較準確的生成待驗芯片的校驗結果，實現對待驗芯片精度的評估。

一種可能的實施方式中，所述針對所述待校驗神經網絡包括的至少一種原始算子的算子類型，生成與所述算子類型一致的目標算子，包括：

針對所述待校驗神經網絡包括的至少一種原始算子的算子類型，生成所述算子類型對應的初始算子；

對所述初始算子進行測試，生成所述初始算子對應的測試結果；

在所述測試結果指示為測試不通過的情況下，對所述初始算子進行調整，得到調整后初始算子；將所述調整后初始算子作為新的初始算子，返回至對所述初始算子進行測試，得到測試結果的步驟，直至所述調整后初始算子的測試結果指示為測試通過；

在所述測試結果指示為測試通過的情況下，將所述初始算子確定為與所述算子類型一致的目標算子。