【技术实现步骤摘要】
一种基于BP神经网络的FPGA动态功耗估算方法
本专利技术涉及一种基于BP神经网络的FPGA动态功耗估算方法,属于FPGA动态功耗估算
技术介绍
FPGA功耗一般由静态功耗和动态功耗组成。静态功耗主要是晶体管的漏电流引起,与工艺有关;动态功耗主要由电容充放电引起,主要体现为时钟、可编程资源、I/O、BRAM消耗的功耗。一般情况下,动态功耗占总功耗的比例较大,所以一般来说,FPGA功耗中只考虑动态功耗。目前主流的FPGA供应商都提供了相关的软件去计算功耗,比如Xilinx公司的Xpower功耗分析工具,如果已经做好了设计,便可以直接在功耗分析软件上看到功耗估算结果,但是上述方法要求必须完成设计文件;Xilinx公司的XPowerEstimator(XPE),可以仅凭设计利用率估计就能获得初步的功耗评估,而无需实际设计文件,但是无法对功耗与影响因素之间的关系做定量的分析。BP(BackPropagation)神经网络是目前应用最广泛的神经网络模型之一,学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。传统的BP神经网络收敛速度非常慢,改进的方法有学习速度自适应调整法和LM(Levenberg-Marquardt)算法等等。学习速度自适应调整法保证了BP神经网络能选用学习率允许范围内的最大值进行学习,但是学习时间依然较长。LM算法根据学习结果动态调节阻尼因子,即动态收敛方向,收敛速度比较快,但是没有对学习率进行改进。
技术实现思路
本专利技术的技术解决问题是:克服现有技术的不足,提供一种基于改进BP神经网络的FPGA ...
【技术保护点】
一种基于BP神经网络的FPGA动态功耗估算方法,FPGA的动态功耗主要来源于四个模块,分别为时钟树、可编程资源、I/O、块存储器,其特征在于步骤如下:(1)根据XPE获取四个模块的样本数据,即各模块的输入输出量;(2)对步骤(1)获得的样本数据进行数据筛选和数据预处理;(3)根据步骤(2)中处理后的样本数据的输入与其对应的输出分别构造四个模块的BP神经网络模型;(4)将样本数据的一部分作为BP神经网络的训练数据,另外一部分作为BP神经网络的测试数据,同时通过训练数据中各模块的输入与其对应的输出进行BP神经网络训练得到训练后的神经网络,进而得到神经网络输出的功耗;(5)将步骤(4)中神经网络输出的功耗与步骤(4)中的测试数据进行比较,判断两者之间的误差是否小于设定的阈值,若小于则进入步骤(6),否则进入步骤(3);(6)将步骤(4)中神经网络输出的功耗还原为实际功耗值;(7)将获取的四个模块的功耗估计值进行求和得到总功耗值。
【技术特征摘要】
1.一种基于BP神经网络的FPGA动态功耗估算方法,FPGA的动态功耗主要来源于四个模块,分别为时钟树、可编程资源、I/O、块存储器,其特征在于步骤如下:(1)根据XPE获取四个模块的样本数据,即各模块的输入输出量;(2)对步骤(1)获得的样本数据进行数据筛选和数据预处理;(3)根据步骤(2)中处理后的样本数据的输入与其对应的输出分别构造四个模块的BP神经网络模型;(4)将样本数据的一部分作为BP神经网络的训练数据,另外一部分作为BP神经网络的测试数据,同时通过训练数据中各模块的输入与其对应的输出进行BP神经网络训练得到训练后的神经网络,进而得到神经网络输出的功耗;(5)将步骤(4)中神经网络输出的功耗与步骤(4)中的测试数据进行比较,判断两者之间的误差是否小于设定的阈值,若小于则进入步骤(6),否则进入步骤(3);(6)将步骤(4)中神经网络输出的功耗还原为实际功耗值;(7)将获取的四个模块的功耗估计值进行求和得到总功耗值。2.根据权利要求1所述的一种基于BP神经网络的FPGA动态功耗估算方法,其特征在于:所述步骤(1)中获取四个模块样本数据的具体步骤如下:(1a)确定四个模块的输入作为样本数据;时钟树模块的输入为时钟频率;可编程资源模块的输入为时钟频率、LUT个数、ShiftRegiste个数、LUTRAM个数、FF个数;I/O模块的输入为时钟频率、I/O端口个数;块存储器的输入为时钟频率、块存储器个数;(1b)分别获取四个模块的N组动态功耗作为样本数据,即为各模块的输出,N为正整数。3.根据权利要求1所述的一种基于BP神经网络的FPGA动态功耗估算方法,其特征在于:所述步骤(2)中进行数据筛选和数据预处理的方法如下:(2a)计算各模块样本数据的均值与标准偏差其中,xi为样本数据中某模块的动态功耗值;(2b)对各模块的样本数据与步骤(2a)中求出的样本均值的标准偏差采用3σ准则进行判断,若则此样本误差较大,剔除此样本数据;(2c)对(2b)筛选后的样本数据进行预处理;预处理:对筛选后的样本数据进行归一化处理,将样本数据映射到[0,1]区间为:其中,xmin为某模块的动态功耗的最小值,xmax为某模块的动态功耗的最大值,y为预处理后的结果。4.根据权利要求2所述的一种基于BP神经网络的FPGA动态功耗估算方法,其特征在于:所述步骤(3)中构造BP神经网络模型的具体步骤如下:(3a)根据四个模块的输入元素数量确定输入神经元数量;(3b)根据四个模块的输入输出确定隐含层神经元数量;具体确定方式如下:隐含层神经元数量n1是输入神经元数量,n3是...
【专利技术属性】
技术研发人员:袁雅婧,巨艇,贾亮,郭宝龙,徐芳,
申请(专利权)人:西安空间无线电技术研究所,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。