AI芯片应用优化设计的数据分析方法及系统技术方案

本发明专利技术提供了AI芯片应用优化设计的数据分析方法及系统，涉及数据处理技术领域，该方法包括：输出车载数据源；确定数据传输路径；采集芯片响应样本数据集；得到失效概率集合；标识失效概率集合大于预设失效概率的标识车载数据源；根据车载数据源的模型生成数据转换模块，并连接至所述实时AI芯片的数据接收端进行芯片优化；当所述实时AI芯片的数据接收端接收来自所述标识车载数据源的数据时，输出标识转换数据源，输入所述实时AI芯片中进行处理，解决了现有技术中存在对于芯片的处理数据分析流程不足，导致AI芯片的数据处理效率较低的技术问题，达到提升AI芯片数据处理效率，降低AI芯片的失效风险的技术效果。芯片的失效风险的技术效果。芯片的失效风险的技术效果。

【技术实现步骤摘要】
AI芯片应用优化设计的数据分析方法及系统


[0001]本专利技术涉及数据处理
，具体涉及AI芯片应用优化设计的数据分析方法及系统。

技术介绍

[0002]随着科技的快速发展，自动驾驶开始出现，自动驾驶的核心部件是中央控制器，中央控制器通常需要外接多个摄像头、毫米波雷达、激光雷达，以及AI芯片等设备，完成的功能包含图像识别、数据处理等，通过AI芯片完成复杂的AI计算和智能控制，但是AI芯片在应用过程中可能出现加载时间过长、备份失败等异常，导致芯片的数据处理效率不足。
[0003]综上，现有技术中存在对于芯片的处理数据分析流程不足，导致AI芯片的数据处理效率较低的技术问题。

技术实现思路

[0004]本专利技术提供了AI芯片应用优化设计的数据分析方法及系统，用以解决现有技术中存在对于芯片的处理数据分析流程不足，导致AI芯片的数据处理效率较低的技术问题。
[0005]根据本专利技术的第一方面，提供了AI芯片应用优化设计的数据分析方法，包括：基于车载中央控制器连接的外接模组设备，输出车载数据源；通过调用域控制器所包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.AI芯片应用优化设计的数据分析方法，其特征在于，所述方法包括：基于车载中央控制器连接的外接模组设备，输出车载数据源；通过调用域控制器所包括的实时AI芯片的电路配置数据，以确定所述实时AI芯片执行数据处理时的数据传输路径；基于所述数据传输路径，从所述实时AI芯片的数据存储模块中采集历史算力处理时针对所述车载数据源中各个数据源对应的芯片响应样本数据集；以所述芯片响应样本数据集进行失效概率识别后得到与所述车载数据源对应的失效概率集合；根据所述失效概率集合对所述车载数据源进行定位，并标识失效概率集合大于预设失效概率的标识车载数据源；加载所述标识车载数据源的模型，并根据所述车载数据源的模型生成数据转换模块，将所述数据转换模块连接至所述实时AI芯片的数据接收端进行芯片优化；当所述实时AI芯片的数据接收端接收来自所述标识车载数据源的数据时，根据所述数据转换模块，输出标识转换数据源，再将所述标识转换数据源输入所述实时AI芯片中进行处理。2.如权利要求1所述的方法，其特征在于，所述方法还包括：获取所述数据转换模块的单次转换数据量；以所述单次转换数据量为转换单位对所述标识车载数据源进行批次转换，其中，对所述标识车载数据源进行批次转换包括对所述标识车载数据源的模型进行并行任务识别，识别输出并行处理模型；将所述并行处理模型对应的车载数据源输入所述数据转换模块进行同步数据转换，其中，所述数据转换模块与所述实时AI芯片的所述数据存储模块连接。3.如权利要求1所述的方法，其特征在于，所述方法还包括：对所述实时AI芯片进行仿真后并测试所述实时AI芯片在进行处理时的芯片功耗数据；根据所述芯片功耗数据对所述实时AI芯片产生的影响性进行计算，输出功耗影响指标；以所述功耗影响指标对所述芯片响应样本数据集进行筛选，得到小于预设功耗影响指标下的芯片响应样本数据集。4.如权利要求1所述的方法，其特征在于，以所述芯片响应样本数据集进行失效概率识别后得到与所述车载数据源对应的失效概率集合，方法还包括：根据所述车载数据源中各个数据源的失效特征，定义对应的概率密度函数；以所述概率密度函数对所述车载数据源中各个数据源进行先验概率计算，输出先验概率集合；联合所述概率密度函数对所述芯片响应样本数据集进行概率计算，输出后验概率集合；以所述先验概率集合和所述后验概率集合得到与所述车载数据源对应的失效概率集合。5.如权利要求4所述的方法，其特征在于，所述方法还包括：获取所述实时AI芯片的进行连续处理时对应的连续芯片响应样本数据...

【专利技术属性】
技术研发人员：张宝磊，
申请(专利权)人：北京中电科卫星导航系统有限公司，
类型：发明
国别省市：