检测深度学习芯片的方法、装置、电子设备和计算机存储介质制造方法及图纸

本公开的实施例涉及一种检测深度学习芯片的方法、装置、电子设备和计算机可读存储介质。该方法包括对深度学习芯片中的多个逻辑单元进行检测，多个逻辑单元用于执行深度学习的推理操作和训练操作中的至少一种操作。该方法还包括获取多个逻辑单元中未通过检测的错误单元。此外，该方法还可以包括响应于错误单元的个数占多个逻辑单元的总数的比率低于或等于预定比率，将深度学习芯片确定为合格芯片。本公开的技术方案通过利用了深度学习芯片中包含多个相同或重复的逻辑单元的特性，使得芯片利用率显著提高。

【技术实现步骤摘要】
检测深度学习芯片的方法、装置、电子设备和计算机存储介质
本公开的实施例主要涉及芯片检测领域，并且更具体地，涉及用于检测深度学习芯片的方法、装置、电子设备和计算机可读存储介质。
技术介绍
芯片的可利用率(或称为“良率”)通常是指在一片晶圆、一个批次、或者一个产品的生命周期里通过测试的芯片与总芯片之间的比率。由于生产环境中可能会有随机掉落的灰尘或其它颗粒，并且集成电路在设计过程中可能存在缺陷，导致芯片利用率较低。针对目前的深度学习芯片(或称为“人工智能芯片”)，其通常包含多个推理逻辑单元和多个训练逻辑单元，如果芯片中的任一逻辑单元存在瑕疵，则该芯片将被标记为未通过测试。芯片的成本跟芯片利用率线性相关。利用率越低，成本越高。所以芯片利用率对于芯片成本的影响巨大，提高芯片利用率对于提高芯片的竞争力非常重要。
技术实现思路
根据本公开的示例实施例，提供了一种检测深度学习芯片的方案。在本公开的第一方面中，提供了一种检测深度学习芯片的方法。该方法包括对深度学习芯片中的多个逻辑单元进行检测，多个逻辑单元用于执行深度学习的推理操作和训练操作中本文档来自技高网...

【技术保护点】
1.一种用于检测深度学习芯片的方法，包括：/n对所述深度学习芯片中的多个逻辑单元进行检测，所述多个逻辑单元用于执行深度学习的推理操作和训练操作中的至少一种操作；/n获取所述多个逻辑单元中未通过检测的错误单元；以及/n响应于所述错误单元的个数占所述多个逻辑单元的总数的比率低于或等于预定比率，将所述深度学习芯片确定为合格芯片。/n

【技术特征摘要】
1.一种用于检测深度学习芯片的方法，包括：
对所述深度学习芯片中的多个逻辑单元进行检测，所述多个逻辑单元用于执行深度学习的推理操作和训练操作中的至少一种操作；
获取所述多个逻辑单元中未通过检测的错误单元；以及
响应于所述错误单元的个数占所述多个逻辑单元的总数的比率低于或等于预定比率，将所述深度学习芯片确定为合格芯片。


2.根据权利要求1所述的方法，其中所述多个逻辑单元包括用于执行所述推理操作的多个推理逻辑单元，并且其中将所述深度学习芯片确定为所述合格芯片包括：
将所述错误单元的信息记录在所述深度学习芯片的存储单元中，以便在所述深度学习芯片被用于执行所述推理操作时禁用所述错误单元。


3.根据权利要求1所述的方法，其中所述多个逻辑单元包括用于执行所述训练操作的多个训练逻辑单元，并且其中将所述深度学习芯片确定为所述合格芯片包括：
将所述错误单元的信息记录在所述深度学习芯片的存储单元中，以便在所述深度学习芯片被用于执行所述训练操作时禁用所述错误单元。


4.根据权利要求1所述的方法，其中所述多个逻辑单元包括用于执行所述推理操作的多个推理逻辑单元和用于执行所述训练操作的多个训练逻辑单元，所述方法还包括：
响应于所述多个推理逻辑单元中存在所述错误单元，将所述深度学习芯片设置为仅用于执行深度学习的所述训练操作；或者
响应于所述多个训练逻辑单元中存在所述错误单元，将所述深度学习芯片设置为仅用于执行深度学习的所述推理操作。


5.根据权利要求4所述的方法，还包括：
响应于所述多个训练逻辑单元中不存在所述错误单元，将所述深度学习芯片设置为用于执行深度学习的所述推理操作和所述训练操作中的至少一种操作。


6.根据权利要求1所述的方法，还包括：
响应于所述错误单元的个数占所述多个逻辑单元的总数的比率高于所述预定比率，将所述深度学习芯片确定为故障芯片。


7.根据权利要求2或4所述的方法，其中所述存储单元是片上电可编程熔丝，并且所述多个推理逻辑单元包括以下至少一项：
人工智能协处理单元SDCDNN；以及
人工智能处理器XPU。


8.一种用于检测深度学习芯片的装置，包括：
逻辑单元检测模块，被配置为对所述深度学习芯片中的多个逻辑单元进行检测，所述多个逻辑单元用于执行深度学习的推理操作和训练操作中的至少一种操作；
错误单元获取模块，被配置为获取所述多个逻辑单元中未通过检测的错误单元；以及
合格芯...

【专利技术属性】
技术研发人员：王勇，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11