芯片验证方法及装置、存储介质制造方法及图纸

本公开提供了一种芯片验证方法及装置、存储介质，其中，所述方法包括：通过工具链对软件开发工具包SDK插件对应的神经网络模型进行编译，得到第一可执行文件；运行所述SDK插件对应的环境模型，得到第一金数据；通过所述SDK插件对应的参考模型运行所述第一可执行文件，得到第一执行结果，所述参考模型用于模拟所述待测芯片对应的仿真模拟器的硬件可执行程序；基于所述第一金数据和所述第一执行结果，对所述SDK插件对应的所述参考模型进行验证。SDK插件对应的所述参考模型进行验证。SDK插件对应的所述参考模型进行验证。

【技术实现步骤摘要】
芯片验证方法及装置、存储介质


[0001]本公开涉及深度学习领域，尤其涉及一种芯片验证方法及装置、存储介质。

技术介绍

[0002]目前，芯片验证过程可以分为单元测试(Unit Test，UT)，集成测试(Integration test，IT)和系统测试(System test，ST)几个阶段。其中UT验证阶段着重于模块级别的验证，IT验证阶段着重于子系统级别的验证，ST验证阶段着重于全系统级别的验证。在UT验证阶段和IT验证阶段中，由于模块设计的规模有限，在边界定义清楚的情况下，对全局验证结果的确定相对不敏感。而且也正因为设计规模有限，所以算法可以比较容易地做到和设计成针对比特位的匹配(bit by bit match)，传统的以定点化算法作为参考模型(Reference Model，RM)的方式是适用的。

技术实现思路

[0003]本公开提供了一种芯片验证方法及装置、存储介质。
[0004]根据本公开实施例的第一方面，提供一种芯片验证方法，所述方法包括：通过工具链对软件开发工具包SDK插件对应的神经网络模型进行编译本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种芯片验证方法，其特征在于，包括：通过工具链对软件开发工具包SDK插件对应的神经网络模型进行编译，得到第一可执行文件；运行所述SDK插件对应的环境模型，得到第一金数据；通过所述SDK插件对应的参考模型运行所述第一可执行文件，得到第一执行结果，所述参考模型用于模拟所述待测芯片对应的仿真模拟器的硬件可执行程序；基于所述第一金数据和所述第一执行结果，对所述SDK插件对应的所述参考模型进行验证。2.根据权利要求1所述的方法，其特征在于，还包括：所述参考模型基于所述环境模型提供的所述第一金数据和所述第一可执行文件，对所述待测芯片对应的仿真模拟器进行验证。3.根据权利要求1或2所述的方法，其特征在于，所述SDK插件的数目为一个或多个，每个SDK插件对应的神经网络模型包括以下至少一项：用于实现SDK插件功能的神经网络、对所述神经网络的输入进行预处理的第一处理模块、对所述神经网络的输出进行后处理的第二处理模块。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述SDK插件的数目为多个，还包括：响应于对每个SDK插件对应的参考模型验证正确，将多个SDK插件进行顺序连接，其中，连接顺序在前的SDK插件对应的所述参考模型的输出作为顺序连接的后一个SDK插件对应的所述参考模型的输入；将预先提取的目标特征信息作为第一SDK插件对应的所述参考模型的输入，得到第二SDK插件对应的所述参考模型输出的第二执行结果；其中，所述第一SDK插件是顺序连接的所述多个SDK插件中的首个SDK插件，所述第二SDK插件是顺序连接的所述多个插件中的最后一个SDK插件；基于所述第二执行结果和目标执行结果，对所述每个SDK插件对应的所述参考模型进行再次验证。5.根据权利要求4所述的方法，其特征在于，还包括：将所述目标特征信息作为目标神经网络模型的输入，在中央处理器上运行所述目标神经网络模型，得到所述目标执行结果，所述目标神经网络是所述多个SDK插件分别对应的所述神经网络模型顺序连接后得到的神经网络模型。6.根据权利要求4或5所述的方法，其特征在于，所述目标特征信息包括视觉任务处理的场景图像所包括的人脸特征信息、人体特征信息中的至少一项。7.根据权利要求4
...

【专利技术属性】
技术研发人员：蒋科，吴恒瑶，戴亮，
申请(专利权)人：上海阵量智能科技有限公司，
类型：发明
国别省市：