硬件参数值的确定方法技术

本申请涉及一种硬件参数值的确定方法

【技术实现步骤摘要】
硬件参数值的确定方法、装置、电子设备及存储介质


[0001]本申请实施例涉及神经网络
，特别涉及一种硬件参数值的确定方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]神经网络模型需要依附于神经网络芯片，而神经网络芯片一般包括多个硬件参数，而多个硬件参数的参数值会影响到神经网络模型的性能；因此，在训练神经网络模型之前，需要确定出神经网络芯片的多个硬件参数的参数值，多个硬件参数可以包括内存空间
、
支持的传输带宽等
。
[0003]相关技术中，基于神经网络芯片的多个硬件参数，确定多个参数值组合，参数值组合中包括多个硬件参数的参数值；基于多个参数值组合，通过架构仿真模型，确定神经网络模型的多个性能，架构仿真模型用于仿真神经网络模型；基于多个性能，确定神经网络芯片的目标参数值组合，目标参数值组合包括多个硬件参数的目标参数值，也即最终确定出的参数值
。
[0004]由于硬件参数的种类较多，且硬件参数的参数值较多，因此，穷举这些硬件参数的参数值，就会导致得到大量的参数值组合，从而基于大量的参数值组合确定神经网络模型的性能会花费较多时间，进而导致确定硬件参数值的效率较低
。

技术实现思路

[0005]本申请实施例提供了一种硬件参数值的确定方法
、
装置
、
电子设备及存储介质，能够提高确定硬件参数值的效率
。
所述技术方案如下：
[0006]一方面，提供了一种硬件参数值的确定方法，所述方法包括：
[0007]确定神经网络芯片的多个目标硬件参数；
[0008]确定所述多个目标硬件参数的参数值变化范围；
[0009]基于所述多个目标硬件参数的参数值变化范围，确定多个参数优化函数，一个参数优化函数对应一个硬件参数的参数值变化范围，且所述参数优化函数用于限制所述目标硬件参数在所述参数值变化范围内变化；
[0010]基于所述多个参数优化函数，限制架构仿真模型在所述多个目标硬件参数的参数值变化范围内迭代训练，确定所述多个目标硬件参数的目标参数值，所述架构仿真模型用于仿真所述神经网络芯片的架构，所述目标硬件参数的目标参数值在所述硬件参数的参数值变化范围内
。
[0011]另一方面，提供了一种硬件参数值的确定装置，所述装置包括：
[0012]第一确定模块，用于确定神经网络芯片的多个目标硬件参数；
[0013]第二确定模块，用于确定所述多个目标硬件参数的参数值变化范围；
[0014]第三确定模块，用于基于所述多个目标硬件参数的参数值变化范围，确定多个参数优化函数，一个参数优化函数对应一个硬件参数的参数值变化范围，且所述参数优化函
数用于限制所述目标硬件参数在所述参数值变化范围内变化；
[0015]第四确定模块，用于基于所述多个参数优化函数，限制架构仿真模型在所述多个目标硬件参数的参数值变化范围内迭代训练，确定所述多个目标硬件参数的目标参数值，所述架构仿真模型用于仿真所述神经网络芯片的架构，所述目标硬件参数的目标参数值在所述硬件参数的参数值变化范围内
。
[0016]另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器；所述存储器存储有至少一条程序代码，所述至少一条程序代码用于被所述处理器执行以实现如上述方面所述的硬件参数值的确定方法
。
[0017]另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有至少一条程序代码，所述至少一条程序代码用于被处理器执行以实现如上述方面所述的硬件参数值的确定方法
。
[0018]另一方面，提供了一种计算机程序产品，所述计算机程序产品存储有至少一条程序代码，所述至少一条程序代码用于被处理器执行以实现如上述方面所述的硬件参数值的确定方法
。
[0019]在本申请实施例中，确定多个目标硬件参数的参数值变化范围，进而确定用于限制多个目标硬件参数的多个参数优化函数，从而通过多个参数优化函数，限制多个目标硬件参数在其对应的参数值变化范围内搜索最优解
(
目标参数值
)
，缩小了最优解的搜索范围，提高了搜索效率，也即提高了确定硬件参数值的效率
。
附图说明
[0020]图1示出了本申请一个示例性实施例示出的硬件参数值的确定方法的实施环境的示意图；
[0021]图2示出了本申请一个示例性实施例示出的硬件参数值的确定方法的流程图；
[0022]图3示出了本申请一个示例性实施例示出的硬件参数值的确定方法的流程图；
[0023]图4示出了本申请一个示例性实施例示出的硬件参数值的确定方法的流程图；
[0024]图5示出了本申请一个示例性实施例示出的硬件参数值的确定方法的流程图；
[0025]图6示出了本申请一个示例性实施例示出的硬件参数值的确定装置的结构框图；
[0026]图7示出了本申请一个示例性实施例示出的终端的结构框图；
[0027]图8示出了本申请一个示例性实施例示出的服务器的结构框图
。
具体实施方式
[0028]为使本申请的目的
、
技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述
。
[0029]在本文中提及的“多个”是指两个或两个以上
。“和
/
或”，描述关联对象的关联关系，表示可以存在三种关系，例如，
A
和
/
或
B
，可以表示：单独存在
A
，同时存在
A
和
B
，单独存在
B
这三种情况
。
字符“/”一般表示前后关联对象是一种“或”的关系
。
另外，本申请所涉及的相关数据可以为经用户授权或者经各方充分授权的数据
。
[0030]需要说明的是，本申请所涉及的信息
(
包括但不限于用户设备信息
、
用户个人信息等
)、
数据
(
包括但不限于用于分析的数据
、
存储的数据
、
显示的数据等
)
以及信号，均为经用
户授权或者经过各方充分授权的，且相关数据的收集
、
使用和处理需要遵守相关国家和地区的相关法律法规和标准
。
例如，本申请中涉及到的硬件参数
、
参数值变化范围
、
性能需求信息等都是在充分授权的情况下获取的
。
[0031]下面对本申请涉及到的一些技术术语进行说明
。
[0032]神经网络芯片：是指运行神经网络模型的芯片；例如，神经网络芯片可以为神经网络处理器
(Neural
...

【技术保护点】

【技术特征摘要】
1.
一种硬件参数值的确定方法，其特征在于，所述方法包括：确定神经网络芯片的多个目标硬件参数；确定所述多个目标硬件参数的参数值变化范围；基于所述多个目标硬件参数的参数值变化范围，确定多个参数优化函数，一个参数优化函数对应一个硬件参数的参数值变化范围，且所述参数优化函数用于限制所述目标硬件参数在所述参数值变化范围内变化；基于所述多个参数优化函数，限制架构仿真模型在所述多个目标硬件参数的参数值变化范围内迭代训练，确定所述多个目标硬件参数的目标参数值，所述架构仿真模型用于仿真所述神经网络芯片的架构，所述目标硬件参数的目标参数值在所述硬件参数的参数值变化范围内
。2.
根据权利要求1所述的方法，其特征在于，所述基于所述多个参数优化函数，限制架构仿真模型在所述多个目标硬件参数的参数值变化范围内迭代训练，确定所述多个目标硬件参数的目标参数值，包括：基于所述多个参数优化函数，在所述多个目标硬件参数的参数值变化范围内确定第一参数值组合，所述第一参数值组合包括所述多个目标硬件参数的第一参数值；基于所述架构仿真模型，对所述第一参数值组合进行迭代训练；在所述第一参数值组合满足迭代收敛条件的情况下，将所述第一参数值组合中的多个目标硬件参数的第一参数值作为所述多个目标硬件参数的目标参数值
。3.
根据权利要求2所述的方法，其特征在于，所述方法还包括：在所述第一参数值组合不满足所述迭代收敛条件的情况下，基于所述多个参数优化函数，在所述多个目标硬件参数的参数值变化范围内确定第二参数值组合，所述第二参数值组合包括所述多个目标硬件参数的第二参数值；基于所述架构仿真模型，对所述第二参数值组合进行迭代训练，直到获取到满足所述迭代收敛条件的多个目标硬件参数的目标参数值为止
。4.
根据权利要求2所述的方法，其特征在于，所述基于所述多个参数优化函数，在所述多个目标硬件参数的参数值变化范围内确定第一参数值组合，包括：确定所述多个目标硬件参数的性能影响参数，所述硬件参数的性能影响参数用于表示所述硬件参数的参数值变化对所述神经网络芯片性能的影响程度和趋势；基于所述多个目标硬件参数的性能影响参数和所述多个参数优化函数，在多个目标硬件参数的参数值变化范围内确定第一参数值组合，所述第一参数值组合包括的多个目标硬件参数的参数值使得所述神经网络芯片的性能满足需求，且所述多个目标硬件参数的参数值在所述多个参数优化函数限制的参数值变化范围内
。5.
根据权利要求1所述的方法，其特征在于，所述方法还包括：获取性能需求信息，所述性能需求信息用于表示所述神经网络芯片所需满足的性能需求；基于所述性能需求信息，确定所述神经网络芯片的需求优化函数；所述基于所述多个参数优化函数，限制架构仿真模型在所述多个目标硬件参数的参数值变化范围...

【专利技术属性】
技术研发人员：毛威，
申请(专利权)人：OPPO，
类型：发明
国别省市：