基于神经网络的芯片设计能效优化方法技术

本发明专利技术提供一种基于神经网络的芯片设计能效优化方法，将多个神经网络的输入节点数量、隐藏节点数量以及输出节点数量进行比例计算得到节点比例信息；确定神经网络中输入连接线的数量、输出连接线的数量得到各神经网络的连接线信息；根据节点比例信息、连接线信息对所有的神经网络进行计算得到各神经网络的计算比例系数并填入神经网络比例槽位内，基于神经网络比例槽位对计算单元进行分配，使得每个神经网络具有相对应的计算单元；根据每个神经网络的计算单元的数量，将输入节点、隐藏节点以及输出节点与相应的计算单元对应设置，对每个神经网络、输入节点、隐藏节点以及输出节点与计算单元的对应关系进行统计得到每个场景下的芯片能效优化表。下的芯片能效优化表。下的芯片能效优化表。

【技术实现步骤摘要】
基于神经网络的芯片设计能效优化方法


[0001]本专利技术涉及数据处理技术，尤其涉及一种基于神经网络的芯片设计能效优化方法。

技术介绍

[0002]芯片是以半导体为原材料，对集成电路进行设计、制造、封测后所得到的实体产品，海量数据处理和各种数字化应用都离不开芯片进行加工和计算。神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型；这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。因此，现实中将芯片与神经网络相结合，基于芯片运行相关的神经网络进行数据的处理，相比普通芯片而言，使得每个处理单元都有自己的内存，而且直接与相邻的处理单元进行交流提升处理效率。
[0003]现有技术中，针对不同场景下的数据处理，芯片无法对参与运算的神经网络进行适应性的能效优化，从而导致一些场景下的数据处理能效较低且不稳定。因此，如何结合不同场景下的数据处理，来对参与运算的神经网络进行适应性的能效优化成为了急需解决的问题。

技术实现思路

[0004]本专利技术实施例提供一种基于神经网络的芯片设计能效优化方法，可以依据场景的不同针对不同的神经网络进行适应性的能效优化，使得不同神经网络拥有相对应的计算单元提升计算效率。
[0005]本专利技术实施例的第一方面，提供一种基于神经网络的芯片设计能效优化方法，包括：确定芯片在不同场景下的数据处理时所需要参与运算的神经网络，得到相应场景的神经网络集合，以及每个神经网络集合的神经网络数量，根据所述神经网络数量生成神经网络比例槽位；提取每个神经网络中输入层的输入节点数量、隐藏层的隐藏节点数量以及输出层的输出节点数量，将多个神经网络的输入节点数量、隐藏节点数量以及输出节点数量进行比例计算得到节点比例信息；确定神经网络中输入连接线的数量、输出连接线的数量得到每一个神经网络的连接线信息；根据所述节点比例信息、连接线信息对所有的神经网络进行计算得到每个神经网络的计算比例系数并填入至神经网络比例槽位内，基于神经网络比例槽位对芯片的计算单元进行分配，使得每个神经网络具有相对应的计算单元；根据每个神经网络所对应的计算单元的数量，将输入节点、隐藏节点以及输出节点与相应的计算单元对应设置，对每个神经网络、输入节点、隐藏节点以及输出节点与计算
单元的对应关系进行统计得到每个场景下的芯片能效优化表。
[0006]可选地，在第一方面的一种可能实现方式中，所述确定芯片在不同场景下的数据处理时所需要参与运算的神经网络，得到相应场景的神经网络集合，以及每个神经网络集合的神经网络数量，根据所述神经网络数量生成神经网络比例槽位，包括：获取用户为不同场景下的数据处理时所需要参与运算的神经网络，得到相应场景的神经网络集合，统计神经网络集合内神经网络的数量得到每个神经网络集合的神经网络数量；提取每个神经网络所对应的网络标签，根据所述神经网络数量构建相对应的神经网络比例槽位，所述神经网络比例槽位中的每个槽位对应一个网络标签。
[0007]可选地，在第一方面的一种可能实现方式中，所述提取每个神经网络中输入层的输入节点数量、隐层的隐藏节点数量以及输出层的输出节点数量，将多个神经网络的输入节点数量、隐藏节点数量以及输出节点数量进行比例计算得到节点比例信息，包括：将每个神经网络的输入节点数量与多个神经网络的输入节点数量之和作比，得到多个神经网络之间的输入节点比例，所述输入节点比例中包括每个神经网络对应的第一输入节点系数；将每个神经网络的隐藏节点数量与多个神经网络的隐藏节点数量之和作比，得到多个神经网络之间的隐藏节点比例，所述隐藏节点比例中包括每个神经网络对应的第一隐藏节点系数；将每个神经网络的输出节点数量与多个神经网络的输出节点数量之和作比，得到多个神经网络之间的输出节点比例，所述输出节点比例中包括每个神经网络对应的第一输出节点系数；统计多个神经网络之间的输入节点比例、隐藏节点比例以及输出节点比例得到相对应的节点比例信息。
[0008]可选地，在第一方面的一种可能实现方式中，所述确定神经网络中输入连接线的数量、输出连接线的数量得到每一个神经网络的连接线信息，包括：确定神经网络中每个输入节点与隐藏节点的连接数量，将所有输入节点与所有隐藏节点的总连接数量作为输入连接线的数量；确定神经网络中每个输出节点与隐藏节点的连接数量，将所有输出节点与所有隐藏节点的总连接数量作为输出连接线的数量。
[0009]可选地，在第一方面的一种可能实现方式中，所述根据所述节点比例信息、连接线信息对所有的神经网络进行计算得到每个神经网络的计算比例系数并填入至神经网络比例槽位内，基于神经网络比例槽位对芯片的计算单元进行分配，使得每个神经网络具有相对应的计算单元，包括：将每个神经网络的输入连接线与多个神经网络的输入连接线之和的数量作比得到输入连接线比例，根据所述输入连接线比例得到每个神经网络所对应输入节点数量的输入节点权重、隐藏节点的第一隐藏节点权重；将每个神经网络的输出连接线与多个神经网络的输出连接线之和的数量作比得到输出连接线比例，根据所述输出连接线比例得到每个神经网络所对应输出节点数量的输出节点权重、隐藏节点的第二隐藏节点权重；
基于所述输入节点权重、第一隐藏节点权重、第二隐藏节点权重以及输出节点权重对节点比例信息进行加权处理得到每个神经网络的计算比例系数，将每个神经网络的计算比例系数填入至神经网络比例槽位内，根据神经网络比例槽位中的计算比例系数对芯片的计算单元进行分配，使得每个神经网络具有相对应的计算单元。
[0010]可选地，在第一方面的一种可能实现方式中，所述基于所述输入节点权重、第一隐藏节点权重、第二隐藏节点权重以及输出节点权重对节点比例信息进行加权处理得到每个神经网络的计算比例系数，将每个神经网络的计算比例系数并填入至神经网络比例槽位内，根据神经网络比例槽位中的计算比例系数对芯片的计算单元进行分配，使得每个神经网络具有相对应的计算单元，包括：根据每个神经网络所对应的输入节点权重对输入节点比例中相应的系数进行修正，得到修正后的输入节点比例，修正后的输入节点比例中包括每个神经网络对应的第二输入节点系数；根据每个神经网络所对应的第一隐藏节点权重、第二隐藏节点权重对输入节点比例中相应的系数进行修正，得到修正后的隐藏节点比例，修正后的隐藏节点比例中包括每个神经网络对应的第二隐藏节点系数；根据每个神经网络所对应的输出节点权重对输出节点比例中相应的节点系数进行修正，得到修正后的输出节点比例，修正后的输出节点比例中包括每个神经网络对应的第二输出节点系数；根据每个神经网络的第二输入节点系数、第二隐藏节点系数以及第二输出节点系数进行综合计算，得到每个神经网络的计算比例系数并填入至神经网络比例槽位内。
[0011]可选地，在第一方面的一种可能实现方式中，通过以下公式得到第二输入节点系数、第二隐藏节点系数以及第二输出节点系数，其中，为第个神经网络在输入节点比例中所对应的第二输入节点系数，为第个神经网络的输入连接线的数量，为第个神经网络的输入连接线的数量，为在计算时神经网络的上限值，为第个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经网络的芯片设计能效优化方法，其特征在于，包括：确定芯片在不同场景下的数据处理时所需要参与运算的神经网络，得到相应场景的神经网络集合，以及每个神经网络集合的神经网络数量，根据所述神经网络数量生成神经网络比例槽位；提取每个神经网络中输入层的输入节点数量、隐藏层的隐藏节点数量以及输出层的输出节点数量，将多个神经网络的输入节点数量、隐藏节点数量以及输出节点数量进行比例计算得到节点比例信息；确定神经网络中输入连接线的数量、输出连接线的数量得到每一个神经网络的连接线信息；根据所述节点比例信息、连接线信息对所有的神经网络进行计算得到每个神经网络的计算比例系数并填入至神经网络比例槽位内，基于神经网络比例槽位对芯片的计算单元进行分配，使得每个神经网络具有相对应的计算单元；根据每个神经网络所对应的计算单元的数量，将输入节点、隐藏节点以及输出节点与相应的计算单元对应设置，对每个神经网络、输入节点、隐藏节点以及输出节点与计算单元的对应关系进行统计得到每个场景下的芯片能效优化表。2.根据权利要求1所述的基于神经网络的芯片设计能效优化方法，其特征在于，所述确定芯片在不同场景下的数据处理时所需要参与运算的神经网络，得到相应场景的神经网络集合，以及每个神经网络集合的神经网络数量，根据所述神经网络数量生成神经网络比例槽位，包括：获取用户为不同场景下的数据处理时所需要参与运算的神经网络，得到相应场景的神经网络集合，统计神经网络集合内神经网络的数量得到每个神经网络集合的神经网络数量；提取每个神经网络所对应的网络标签，根据所述神经网络数量构建相对应的神经网络比例槽位，所述神经网络比例槽位中的每个槽位对应一个网络标签。3.根据权利要求2所述的基于神经网络的芯片设计能效优化方法，其特征在于，所述提取每个神经网络中输入层的输入节点数量、隐层的隐藏节点数量以及输出层的输出节点数量，将多个神经网络的输入节点数量、隐藏节点数量以及输出节点数量进行比例计算得到节点比例信息，包括：将每个神经网络的输入节点数量与多个神经网络的输入节点数量之和作比，得到多个神经网络之间的输入节点比例，所述输入节点比例中包括每个神经网络对应的第一输入节点系数；将每个神经网络的隐藏节点数量与多个神经网络的隐藏节点数量之和作比，得到多个神经网络之间的隐藏节点比例，所述隐藏节点比例中包括每个神经网络对应的第一隐藏节点系数；将每个神经网络的输出节点数量与多个神经网络的输出节点数量之和作比，得到多个神经网络之间的输出节点比例，所述输出节点比例中包括每个神经网络对应的第一输出节点系数；统计多个神经网络之间的输入节点比例、隐藏节点比例以及输出节点比例得到相对应的节点比例信息。
4.根据权利要求3所述的基于神经网络的芯片设计能效优化方法，其特征在于，所述确定神经网络中输入连接线的数量、输出连接线的数量得到每一个神经网络的连接线信息，包括：确定神经网络中每个输入节点与隐藏节点的连接数量，将所有输入节点与所有隐藏节点的总连接数量作为输入连接线的数量；确定神经网络中每个输出节点与隐藏节点的连接数量，将所有输出节点与所有隐藏节点的总连接数量作为输出连接线的数量。5.根据权利要求4所述的基于神经网络的芯片设计能效优化方法，其特征在于，所述根据所述节点比例信息、连接线信息对所有的神经网络进行计算得到每个神经网络的计算比例系数并填入至神经网络比例槽位内，基于神经网络比例槽位对芯片的计算单元进行分配，使得每个神经网络具有相对应的计算单元，包括：将每个神经网络的输入连接线与多个神经网络的输入连接线之和的数量作比得到输入连接线比例，根据所述输入连接线比例得到每个神经网络所对应输入节点数量的输入节点权重、隐藏节点的第一隐藏节点权重；将每个神经网络的输出连接线与多个神经网络的输出连接线之和的数量作比得到输出连接线比例，根据所述输出连接线比例得到每个神经网络所对应输出节点数量的输出节点权重、隐藏节点的第二隐藏节点权重；基于所述输入节点权重、第一隐藏节点权重、第二隐藏节点权重以及输出节点权重对节点比例信息进行加权处理得到每个神经网络的计算比例系数，将每个神经网络的计算比例系数填入至神经网络比例槽位内，根据神经网络比例槽位中的计算比例系数对芯片的计算单元进行分配，使得每个神经网络具有相对应的计算单元。6.根据权利要求5所述的基于神经网络的芯片设计能效优化方法，其特征在于，所述基于所述输入节点权重、第一隐藏节点权重、第二隐藏节点权重以及输出节点权重对节点比例信息进行加权处理得到每个神经网络的计算比例系数，将每个神经网络的计算比例系数并填入至神经网络比例槽位内，根据神经网络比例槽位中的计算比例系数对芯片的计算单元进行分配，使得每个神经网络具有相对应的计算单元，包括：根据每个神经网络所...

【专利技术属性】
技术研发人员：李辉，范佳欣，
申请(专利权)人：南京集成电路产业服务中心有限公司，
类型：发明
国别省市：