【技术实现步骤摘要】
一种模型训练方法以及相关设备
[0001]本申请涉及人工智能领域,尤其涉及一种模型训练方法以及相关设备
。
技术介绍
[0002]电子设计自动化
(Electronic Design Automation
,
EDA)
技术的应用,使大规模集成电路的设计成为现实,集成电路工艺进入纳米技术时代
。
然而,随着集成电路技术的发展,电路越来越复杂,每个芯片上的晶体管数量越来越多,而
EDA
设计工具的创新已经减慢了速度,时常不能够满足设计需要,因此越来越多人开始借助机器学习来完成电子系统的相关设计
。
[0003]利用机器学习完成电子系统的设计需要先对机器学习模型进行训练,以使模型精度满足要求
。
目前采用的方法是根据实际电子系统产生多组电路参数,对每组电路参数进行
EDA
仿真,每组电路参数与对应的仿真结果组成一组数据,多组数据构成数据集,使用数据集训练机器学习模型
。
数据集中,有的数据对提升 ...
【技术保护点】
【技术特征摘要】
1.
一种模型训练方法,其特征在于,包括:获取带有标签的第一电子系统参数;基于所述第一电子系统参数训练第一模型,得到训练好的第一模型,所述第一模型用于设计电子系统;基于所述第一电子系统参数获取第一目标参数,所述第一目标参数为所述训练好的第一模型未学习过的参数;在所述第一目标参数满足预设条件的情况下,基于所述第一目标参数优化所述训练好的第一模型,得到第二模型
。2.
根据权利要求1所述的方法,其特征在于,所述基于所述第一电子系统参数获取第一目标参数,包括:通过双深度
Q
值网络对所述第一电子系统参数进行处理,得到所述第一目标参数
。3.
根据权利要求1或2所述的方法,其特征在于,所述第一模型包括两个深度神经网络;所述在所述第一目标参数满足预设条件的情况下,基于所述第一目标参数优化所述训练好的第一模型,得到第二模型之前,所述方法还包括:通过所述两个深度神经网络分别预测所述第一目标参数的标签,得到第一标签和第二标签;若所述第一标签与所述第二标签的差值的绝对值大于预设的阈值,则判断所述第一目标参数满足预设条件
。4.
根据权利要求1至3任一项所述的方法,其特征在于,所述基于所述第一目标参数优化训练好的第一模型,得到第二模型之后,所述方法还包括:基于所述第一目标参数获取第二目标参数,所述第二目标参数为所述第二模型未学习过的参数;在所述第二目标参数满足预设条件的情况下,基于所述第二目标参数优化所述第二模型,得到第三模型
。5.
根据权利要求4所述的方法,其特征在于,所述基于所述第一目标参数获取第二目标参数,包括:通过所述双深度
Q
值网络对所述第一目标参数进行处理,得到所述第二目标参数
。6.
根据权利要求4或5所述的方法,其特征在于,所述第二模型包括两个经优化后的所述深度神经网络;所述在所述第二目标参数满足预设条件的情况下,基于所述第二目标参数优化所述第二模型,得到第三模型之前,所述方法还包括:通过两个经优化后的所述深度神经网络分别预测所述第二目标参数的标签,得到第三标签和第四标签;若所述第三标签与所述第四标签的差值的绝对值大于预设的阈值,则判断所述第二目标参数满足预设条件
。7.
根据权利要求1至6任一项所述的方法,其特征在于,所述获取带有标签的第一电子系统参数之后,所述方法还包括:基于所述带标签的第一电子系统参数获取带标签的第二电子系统参数,所述第二电子系统参数为与所述第一电子系统参数类似的参数;所述基于所述第一电子系统参数训练第一模型,包括:
基于所述第一电子系统参数以及所述第二电子系统参数训练所述第一模型
。8.
根据权利要求7所述的方法,其特征在于,所述基于所述带标签的第一电子系统参数获取带标签的第二电子系统参数,包括:通过自编码器对所述第一电子系统参数添加噪声,得到带标签的第三电子系统参数;通过生成对抗网络对所述带标签的第三电子系统参数进行微调,得到带标签的第四电子系统参数;对所述带标签的第四电子系统参数进行均值方差归一化与反归一化运算,得到所述带标签的第二电子系统参数
。9.
一种模型训练设备,其特征在于,包括:获取单元,用于获取带有标签的第一电子系统参数;训练单元,用于基于所述第一电子系统参数训练第一模型,得到训练好的第一模型,所述第一模型用于设计电子系统;获取单元,还用于基于所述第...
【专利技术属性】
技术研发人员:王翀,雷沛直,陈杰男,李苏,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。