功耗模型构建方法、功耗测量方法、装置和电子设备制造方法及图纸

本申请提供了一种功耗模型构建方法、功耗测量方法、装置和电子设备，其中，该方法包括：根据训练数据集和测试数据集对初始功耗计算模型进行训练，以得到第一功耗计算模型，该第一功耗计算模型包括输入层、多层隐藏层和输出层；确定出该第一功耗计算模型中的该输出层连接的各项全互联权重；根据该输出层的各项全互联权重，将该第一功耗计算模型中的各个节点中全互联权重小于权值限定值的连接和对应的节点删除，以形成第二功耗计算模型；根据该训练数据集和该测试数据集对该第二功耗计算模型进行更新训练，以得到目标功耗计算模型，该目标功耗计算模型用于检测芯片的功耗。能够降低功耗检测对观测信号的依赖性。

【技术实现步骤摘要】
功耗模型构建方法、功耗测量方法、装置和电子设备
本申请涉及芯片检测
，具体而言，涉及一种功耗模型构建方法、功耗测量方法、装置和电子设备。
技术介绍
随着集成电路的集成度不断提升，单位面积上晶体管的密度也就不断增加，导致芯片的功耗和散热问题越发突出。而目前针对芯片的功耗的测量在技术上还存在一定的困难。一般是通过相关技术人员选取一些观测信号，通过在芯片运行时动态统计观测信号和时钟信号来评估整个芯片的动态功耗。上述芯片功耗的评估方式的准确度严重依赖于选取的观测信号的有效性。
技术实现思路
本申请的目的在于提供一种功耗模型构建方法、功耗测量方法、装置和电子设备，能够解决芯片的功耗计算依赖于观测信号的有效性的问题。第一方面，本专利技术提供一种功耗模型构建方法，包括：根据训练数据集和测试数据集对初始功耗计算模型进行训练，以得到第一功耗计算模型，所述第一功耗计算模型包括：多层结构，所述多层结构包括输出层，每一层结构包括多个节点；确定出所述第一功耗计算模型中的所述输出层的各项全互联权重；根据所述输出层的各项全互联权重，将所述第一功耗计算模型中的各层结构中的节点进行删减，以形成第二功耗计算模型；根据所述训练数据集和所述测试数据集对所述第二功耗计算模型进行更新训练，以得到目标功耗计算模型，所述目标功耗计算模型用于检测芯片的功耗。在可选的实施方式中，所述多层结构还包括：输入层、多层隐藏层；所述根据所述输出层的各项全互联权重，将所述第一功耗计算模型中的各层结构中的节点进行删减，以形成第二功耗计算模型，包括：将所述输出层的全互联权重小于权值限定值的对应的输入连接线删除；将目标隐藏层中不包含输出连接线的目标节点删除，所述目标隐藏层为与所述输出层相邻的隐藏层，所述目标隐藏层的输出连接线连接至所述输出层，为所述输出层的输入连接线；将中间隐藏层和所述输入层中与所述目标节点直接连接或间接连接的连接线和所述连接线对应的节点删除，形成第二功耗计算模型，所述中间隐藏层为所述多层隐藏层中除所述目标隐藏层以外的隐藏层。通过上述实施方式，将所有与目标节点存在连接的节点删除，可以降低功耗计算模型的复杂度，从而可以减少在进行功耗测量时，所需的计算量，提高功耗测量的效率。在可选的实施方式中，所述方法还包括：计算所述第一功耗计算模型中与所述输出层连接的目标隐藏层中各个节点的全互联权重的全互联权重均值；根据所述全互联权重均值确定出所述权值限定值。在可选的实施方式中，所述方法还包括：对芯片的目标功能模块在第一数量的应用场景中进行仿真，以得到仿真数据；将所述仿真数据分成所述训练数据集和所述测试数据集。在上述实施方式中，通过对目标功能模块进行仿真得到训练数据集和测试数据集，可以确定出的训练数据集和测试数据集能够满足量的需求的同时，还能够相对更符合芯片的运行情况，提高对初始功耗计算模型训练的有效性。在可选的实施方式中，目标功能模块包括第二数量的端口；所述初始功耗计算模型包括输入层、隐藏层和输出层；所述输入层中包含所述第二数量的节点；各层所述隐藏层包含所述第二数量的节点。在可选的实施方式中，所述隐藏层包括：线性运算模块、池化运算模块和激活函数模块。在上述实施方式中，通过上述结构的初始功耗计算模型，能够适应对目标功能模块的端口数据。在可选的实施方式中，所述根据训练数据集和测试数据集对初始功耗计算模型进行训练，以得到第一功耗计算模型，包括：使用所述训练数据集采用反向传播算法和批量梯度下降法对所述初始功耗计算模型中的各层结构中的节点的全互联权重进行计算，得到当前功耗计算模型；根据所述当前功耗计算模型计算所述测试数据集中的各条测试数据对应的预测功耗数据；计算所述预测功耗数据与所述测试数据对应的实际功耗数据的功耗误差；当所述功耗误差大于或等于误差阈值时，使用所述训练数据集对所述当前功耗计算模型的各层结构中的节点的全互联权重进行计算，得到更新的当前功耗计算模型；当所述功耗误差小于所述误差阈值时，将所述当前功耗计算模型作为所述第一功耗计算模型。在上述实施方式中，通过上述流程对初始功耗计算模型进行训练，可以实现对初始功耗计算模型中的各项参数进行更新，以满足功耗测量的需求。第二方面，本专利技术提供一种功耗测量方法，包括：获取待检测芯片的状态数据；将所述状态数据输入通过前述实施方式任意一项所述的方法确定的目标功耗计算模型进行计算，以得到所述待检测芯片的功耗。第三方面，本专利技术提供一种功耗模型构建装置，包括：第一训练模块，用于根据训练数据集和测试数据集对初始功耗计算模型进行训练，以得到第一功耗计算模型，所述第一功耗计算模型包括：多层结构，所述多层结构包括输出层，每一层结构包括多个节点；确定模块，用于确定出所述第一功耗计算模型中的所述输出层的各项全互联权重；删除模块，用于根据所述输出层的各项全互联权重，将所述第一功耗计算模型中的各层结构中的节点进行删减，以形成第二功耗计算模型；第二训练模块，用于根据所述训练数据集和所述测试数据集对所述第二功耗计算模型进行更新训练，以得到目标功耗计算模型，所述目标功耗计算模型用于检测芯片的功耗。第四方面，本专利技术提供一种功耗测量装置，包括：获取模块，用于获取待检测芯片的状态数据；计算模块，用于将所述状态数据输入前述实施方式任意一项所述的方法确定的目标功耗计算模型进行计算，以得到所述待检测芯片的功耗。第五方面，本专利技术提供一种电子设备，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述机器可读指令被所述处理器执行时执行如前述实施方式任一所述的方法的步骤。第六方面，本专利技术提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如前述实施方式任一所述的方法的步骤。本申请实施例的有益效果是：通过机器学习技术应用到芯片功耗的测量中，基于机器学习训练得到的功耗计算模型能够更高效地实现对芯片功耗的测量，且不需要依赖于技术人员的经验对观测信号的选取。进一步地，在训练功耗计算模型阶段还基于节点的全互联权重大小对第一功耗计算模型进行更新，缩小第一功耗计算模型中的节点数量，从而还可以进一步地减小功耗测量过程所需的计算量。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请实施例提供的电子设备的方框示意图。图2为本申请实施例提供的功耗模型构建方法的流程图。图3为本申请实施例提供的功耗模型构建方法中使用到的功耗计算模型的结构示本文档来自技高网...

【技术保护点】
1.一种功耗模型构建方法，其特征在于，包括：/n根据训练数据集和测试数据集对初始功耗计算模型进行训练，以得到第一功耗计算模型，所述第一功耗计算模型包括：多层结构，所述多层结构包括输出层，每一层结构包括多个节点；/n确定出所述第一功耗计算模型中的所述输出层的各项全互联权重；/n根据所述输出层的各项全互联权重，将所述第一功耗计算模型中的各层结构中的节点进行删减，以形成第二功耗计算模型；/n根据所述训练数据集和所述测试数据集对所述第二功耗计算模型进行更新训练，以得到目标功耗计算模型，所述目标功耗计算模型用于检测芯片的功耗。/n

【技术特征摘要】
1.一种功耗模型构建方法，其特征在于，包括：
根据训练数据集和测试数据集对初始功耗计算模型进行训练，以得到第一功耗计算模型，所述第一功耗计算模型包括：多层结构，所述多层结构包括输出层，每一层结构包括多个节点；
确定出所述第一功耗计算模型中的所述输出层的各项全互联权重；
根据所述输出层的各项全互联权重，将所述第一功耗计算模型中的各层结构中的节点进行删减，以形成第二功耗计算模型；
根据所述训练数据集和所述测试数据集对所述第二功耗计算模型进行更新训练，以得到目标功耗计算模型，所述目标功耗计算模型用于检测芯片的功耗。


2.根据权利要求1所述的方法，其特征在于，所述多层结构还包括：输入层、多层隐藏层；所述根据所述输出层的各项全互联权重，将所述第一功耗计算模型中的各层结构中的节点进行删减，以形成第二功耗计算模型，包括：
将所述输出层的全互联权重小于权值限定值的对应的输入连接线删除；
将目标隐藏层中不包含输出连接线的目标节点删除，所述目标隐藏层为与所述输出层相邻的隐藏层，所述目标隐藏层的输出连接线连接至所述输出层，为所述输出层的输入连接线；
将中间隐藏层和所述输入层中与所述目标节点直接连接或间接连接的连接线和所述连接线对应的节点删除，形成第二功耗计算模型，所述中间隐藏层为所述多层隐藏层中除所述目标隐藏层以外的隐藏层。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
计算所述第一功耗计算模型中与所述输出层连接的目标隐藏层中各个节点的全互联权重的全互联权重均值；
根据所述全互联权重均值确定出所述权值限定值。


4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对芯片的目标功能模块在第一数量的应用场景中进行仿真，以得到仿真数据；
将所述仿真数据分成所述训练数据集和所述测试数据集。


5.根据权利要求4所述的方法，其特征在于，所述目标功能模块包括第二数量的端口；所述初始功耗计算模型包括输入层、隐藏层和输出层；
所述输入层中包含所述第二数量的节点；
各层所述隐藏层包含所述第二数量的节点。


6.根据权利要求5所述的方法，其特征在于，所述隐藏层包括：线性运算模块、池化运算模块和激活函数模块。


7.根据权利要求1所述的方法，其特征在于，所述根据训练数据集和测试数...

【专利技术属性】
技术研发人员：徐祥俊，黄维，卢海平，
申请(专利权)人：海光信息技术股份有限公司，
类型：发明
国别省市：天津;12