一种神经网络的设计方法以及相关装置制造方法及图纸

本发明专利技术提供一种神经网络的设计方法以及相关装置，神经网络的设计方法包括：从初始神经网络的比特流文件中获取必要位数据，得到必要位数据集合；所述必要位数据为影响所述初始神经网络性能的配置存储器数据；将所述必要位数据集合中每一所述必要位数据进行翻转，得到更新必要位数据，并基于所述更新必要位数据得到更新比特流文件；基于所述更新比特流文件得到最终神经网络。该方法设计的神经网络的准确性高。性高。性高。

【技术实现步骤摘要】
一种神经网络的设计方法以及相关装置


[0001]本专利技术属于人工智能领域，尤其是涉及一种神经网络的设计方法以及相关装置。

技术介绍

[0002]高能粒子入射SRAM型FPGA时，会造成其内部存储单元发生单粒子翻转等软错误。尤其是随着半导体制造工艺的缩小，单粒子效应发生的概率更加明显。而随着先进工艺SRAM型FPGA在人工智能、神经网络等方面的不断应用。单粒子效应对SRAM型FPGA的影响亦需要格外的引起注意。一般观点认为，单粒子翻转主要会对SRAM型FPGA上的应用设计造成如运算结果错误、运行中止、性能退化等，对系统而言具有负面影响的结果，影响神经网络的准确度。

技术实现思路

[0003]本申请提供一种神经网络的设计方法以及相关装置，该方法设计的神经网络的准确性高。
[0004]第一方面，本专利技术提供一种神经网络的设计方法，包括：从初始神经网络的比特流文件中获取必要位数据，得到必要位数据集合；所述必要位数据为影响所述初始神经网络性能的配置存储器数据；将所述必要位数据集合中每一所述必要位数据进行翻转，得到更新必要位数据，并基于所述更新必要位数据得到更新比特流文件；基于所述更新比特流文件得到最终神经网络。
[0005]其中，所述将所述必要位数据集合中每一所述必要位数据进行翻转，得到更新必要位数据，并基于所述更新必要位数据得到更新比特流文件的步骤，包括：逐一将所述必要位数据集合中每一所述必要位数据进行翻转，得到更新必要位数据，并逐一基于所述更新必要位数据得到更新比特流文件。
[0006]其中，所述逐一将所述必要位数据集合中每一所述必要位数据进行翻转，得到更新必要位数据，并逐一基于所述更新必要位数据得到更新比特流文件的步骤，包括：将所述必要位数据集合中第1个所述必要位数据进行翻转，得到第1个更新必要位数据；利用所述第1个更新必要位数据替换所述第1个所述必要位数据，得到第1个更新比特流文件；将所述必要位数据集合中第2个所述必要位数据进行翻转，得到第2个更新必要位数据；利用所述第2个更新必要位数据替换所述第2个所述必要位数据，得到第2个更新比特流文件；将所述必要位数据集合中第N个所述必要位数据进行翻转，加载包含了翻转的必要位的比特流文件并运行神经网络，根据神经网络运行结果，得到第N个更新必要位数据；其中，N大于等于1，且小于等于所述比特流文件的总位数；利用所述第N个更新必要位数据替换所述第N个所述必要位数据，得到第N个更新比特流文件。
[0007]其中，所述基于所述更新比特流文件得到最终神经网络的步骤，包括：在同一个系统中加载所述第1个更新比特流文件、得到第1个子神经网络，运行第1个子神经网络，获得第1个子神经网络的准确度，加载第2个更新比特流文件、得到第2个子神经网络，运行第2个
自神经网络，获得第2个子神经网络的准确度，加载第N个更新比特流文件，得到第N个子神经网络，运行第N个子神经网络，获得第N个子神经网络的准确度，最终，先后得到N个子神经网络，并获得N个所述子神经网络的准确度；基于所述N个所述子神经网络的准确度和所述初始神经网络的准确度得到所述最终神经网络。
[0008]其中，所述分别获得N个所述子神经网络的准确度的步骤，包括：分别利用N个所述子神经网络对同一组待测数据集进行处理，得到处理结果；分析所述处理结果的准确度，获取准确度小于第一阈值的处理结果的数目；基于所述待测数据集中待测数据的数目以及所述准确度小于第一阈值的处理结果的数目确定所述子神经网络的准确度。
[0009]其中，所述方法还包括：利用所述初始神经网络对待测数据集进行处理，得到处理结果；分析所述处理结果的准确度，获取准确度小于第二阈值的处理结果的数目；基于所述待测数据集中待测数据的数目以及所述准确度小于第二阈值的处理结果的数目确定所述初始神经网络的准确度。
[0010]其中，所述基于所述N个所述子神经网络的准确度和所述初始神经网络的准确度得到所述最终神经网络的步骤，包括：将N个所述子神经网络的准确度与所述初始神经网络的准确度进行比较，确定准确度大于或等于所述初始神经网络的准确度的子神经网络作为选中子神经网络；记录所述选中子神经网络中的更新必要位数据，利用所述选中子神经网络中的更新必要位数据对所述初始神经网络的比特流文件中对应的必要位数据进行替换，得到最终比特流文件；基于所述最终比特流文件得到所述最终神经网络。
[0011]第二方面，本专利技术还提供一种神经网络设计装置，包括：获取模块，用于从初始神经网络的比特流文件中获取必要位数据，得到必要位数据集合；所述必要位数据为影响所述初始神经网络性能的数据；翻转模块，用于将所述必要位数据集合中每一所述必要位数据进行翻转，得到更新必要位数据，并基于所述更新必要位数据得到更新比特流文件；神经网络确定模块，用于基于所述更新比特流文件得到最终神经网络。
[0012]第三方面，本专利技术还提供一种电子设备，包括相互藕接的硬件处理器以及存储器，其中，所述存储器用于存储实现上述任一项所述的方法的比特流文件；所述硬件处理器用于执行所述存储器存储的所述比特流文件。
[0013]第四方面，本专利技术还提供一种计算机可读存储介质，存储有比特流文件，所述比特流文件能够被执行以实现上述任一项所述的方法。
[0014]本专利技术的有益效果，区别于现有技术的情况，本专利技术的神经网络的设计方法包括：
[0015]从初始神经网络的比特流文件中获取必要位数据，得到必要位数据集合；所述必要位数据为影响所述初始神经网络性能的配置存储器数据；将所述必要位数据集合中每一所述必要位数据进行翻转，得到更新必要位数据，并基于所述更新必要位数据得到更新比特流文件；基于所述更新比特流文件得到最终神经网络。该方法设计的神经网络的准确性高。
[0016]通过以下参考附图的详细说明，本专利技术的其它方面和特征变得明显。但是应当知道，该附图仅仅为解释的目的设计，而不是作为本专利技术的范围的限定，这是因为其应当参考附加的权利要求。还应当知道，除非另外指出，不必要依比例绘制附图，它们仅仅力图概念地说明此处描述的结构和流程。
附图说明
[0017]图1为本专利技术神经网络的设计方法的一实施例的流程示意图；
[0018]图2为必要位文件的一实施例的示意图；
[0019]图3为必要位数据文件的一实施例的示意图；
[0020]图4为必要位位置故障注入脚本的一实施例的示意图；
[0021]图5为本专利技术神经网络的设计装置的一实施例的流程示意图；
[0022]图6为本专利技术电子设备的一实施例的结构示意图；
[0023]图7为本专利技术计算机可读存储介质的一实施例的结构示意图。
具体实施方式
[0024]为了进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及具体实施方式，对本专利技术进行详细说明。有关本专利技术的前述及其他
技术实现思路
、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种神经网络的设计方法，其特征在于，包括：从初始神经网络的比特流文件中获取必要位数据，得到必要位数据集合；所述必要位数据为影响所述初始神经网络性能的配置存储器数据；将所述必要位数据集合中每一所述必要位数据进行翻转，得到更新必要位数据，并基于所述更新必要位数据得到更新比特流文件；基于所述更新比特流文件得到最终神经网络。2.根据权利要求1所述的方法，其特征在于，所述将所述必要位数据集合中每一所述必要位数据进行翻转，得到更新必要位数据，并基于所述更新必要位数据得到更新比特流文件的步骤，包括：逐一将所述必要位数据集合中每一所述必要位数据进行翻转，得到更新必要位数据，并逐一基于所述更新必要位数据得到更新比特流文件。3.根据权利要求2所述的方法，其特征在于，所述逐一将所述必要位数据集合中每一所述必要位数据进行翻转，得到更新必要位数据，并逐一基于所述更新必要位数据得到更新比特流文件的步骤，包括：将所述必要位数据集合中第1个所述必要位数据进行翻转，得到第1个更新必要位数据；利用所述第1个更新必要位数据替换所述第1个所述必要位数据，得到第1个更新比特流文件；将所述必要位数据集合中第2个所述必要位数据进行翻转，得到第2个更新必要位数据；利用所述第2个更新必要位数据替换所述第2个所述必要位数据，得到第2个更新比特流文件；将所述必要位数据集合中第N个所述必要位数据进行翻转，得到第N个更新必要位数据；其中，N大于等于1，且小于等于所述比特流文件的总位数；利用所述第N个更新必要位数据替换所述第N个所述必要位数据，得到第N个更新比特流文件。4.根据权利要求3所述的方法，其特征在于，所述基于所述更新比特流文件得到最终神经网络的步骤，包括：逐一加载所述第1个更新比特流文件、第2个更新比特流文件、第N个更新比特流文件，得到N个翻转了必要位的子神经网络；分别在同一个系统上逐个运行N个所述子神经网络，并获得N个所述子神经网络的准确度；基于所述N个所述子神经网络的准确度和所述初始神经网络的准确度得到所述最终神经网络。5.根据权利要求4所述的方法，其特征在于，所述获得N个所述子神经网络的准确度...

【专利技术属性】
技术研发人员：杨卫涛，李培，贺朝会，吴龙胜，王斌，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：