一种RISC-V处理器的设计空间探索方法技术

本发明专利技术公开了一种RISC

【技术实现步骤摘要】
一种RISC
‑
V处理器的设计空间探索方法


[0001]本专利技术涉及处理器芯片的
，尤其涉及到一种RISC
‑
V处理器的设计空间探索方法。

技术介绍

[0002]RI SC
‑
V指令集作为一种开源免费的指令集已经受到业界的广泛关注，它是基于精简指令集原则的开放式指令集架构，同时其具有架构简单、指令集模块化、可扩展指令等特点，可实现自定义功能芯片的设计，提高了处理器的灵活性和高效能。
[0003]随着集成电路工艺的进步、系统结构设计的复杂度不断提高、人工智能的迅速发展，对处理器性能要求不断提高，处理器设计相关参数愈来愈多，使得处理器设计空间呈指数式增大，处理器的设计空间由所有影响处理器基准测试程序响应的参数构成，但当采用不同基准测试来验证一个架构时，需要花费大量时间得到指标，软件模拟技术极其费时，给我们带来了巨大的计算能耗以及投入成本，因此遍历和评估每个微体系结构以探索出最佳体系结构不切实际。而架构设计是芯片设计中的关键环节，直接影响着芯片的性价比。针对上述问题，研究人员为提高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种RISC
‑
V处理器的设计空间探索方法，其特征在于，包括：针对关键路径的权重和参数敏感度进行分析，确定参数敏感值大的网络模型；在参数敏感值大的网络模型中进行搜索优化，结合麻雀搜索算法优化卷积神经网络，得到训练集；将得到的训练集作为适应度函数的输入，通过多次迭代，得到的适应度函数的最大值为最优解，即设计空间。2.根据权利要求1所述的一种RISC
‑
V处理器的设计空间探索方法，其特征在于，具体包括以下步骤：S1、初始化阶段：利用自主学习算法，根据参数的敏感性，对CNN网络进行剪枝操作，简化神经网络结构，减小设计搜索算法对网络模型的计算量；对麻雀搜索算法中的设计参数进行初始化以及根据网络规模参数，确定网络拓扑；S2、采样阶段：采用随机采样法，在初始化阶段得到的设计空间内随机抽取N个采样值，作为训练阶段中CNN网络模型的输入；S3、训练阶段：将采样值放入麻雀搜索算法优化过的CNN网络模型中进行训练，得到训练集；S4、预测阶段：将训练集再装载进麻雀搜索算法的适应度函数，得到一组适应度函数值，并进行排序；S5、迭代过程：判断是否满足结束条件，若没有满足，则选择适应度函数值最大的点重复步骤S2至步骤S4，直至完成迭代；S6、输出适应度函数的最大值作为最优解集。3.根据权利要求2所述的一种RISC
‑
V处理器的设计空间探索方法，其特征在于，利用基于自主学习算法的剪枝方法，对关键路径的权重和参数敏感度进行分析，确定网络模型，具体包括：(1初始化自主学习算法，根据预定参数得到CNN预训练模型；(2得到CNN预训练模型后，分析CNN网络每层的敏感度，根据敏感度从大到小的来确定剪枝的顺序；将卷积层分为独立的两组，使用参数group定义，用于控制卷积核通...

【专利技术属性】
技术研发人员：王君，郑欣，高怀恩，刘远，蔡述庭，熊晓明，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：