【技术实现步骤摘要】
本专利技术涉及芯片测试，特别涉及一种芯片性能测试方法及装置。
技术介绍
1、随着人工智能的不断发展，各种模型被开发出来以解决不同的任务，然而，这些模型的性能通常受到芯片性能的影响，例如芯片计算能力、内存限制和不同平台的影响。
2、因此，针对芯片进行性能测试变的尤为重要。然而，现有的芯片性能测试存在测试结果不够准确、可靠的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种芯片性能测试方法及装置，主要目的在于解决目前存在测试结果不够准确、可靠的问题。
2、为解决上述问题，本申请提供一种芯片性能测试方法，包括：创建若干测试模式以及与各测试模式对应的测试数据集；所述测试模式用于模拟芯片作业的不同场景，所述若干测试模式包括：翻译、物体识别、ai绘画、ai换脸、目标检测、图像语义分割和超分辨率中任意一种或几种；
3、配置与各测试模式对应的处理模型；
4、触发待测芯片调用目标处理模型在目标测试模式下、对目标测试数据集执行推理测试，获得目标结果，所述目标测试数据集是与目标测试场景对应的测试数据集；
5、至少基于所述目标结果以及与目标处理模型对应的目标评价标准，确定所述待测芯片的性能等级。
6、所述处理模型包括：与翻译测试模式对应的transformer模型、与物体识别测试模式对应的resnet_50模型或clip模型、与人工智能ai绘画测试模式对应的disfussion_ddim模型、与ai换脸测试模式对应的dcgan模
7、所述评价标准包括：与transformer模型对应的bleu评价标准，与resnet_50模型对应的top-1评价标准或top-5评价标准，与clip模型对应的top-1评价标准或top-5评价标准，与disfussion_ddim模型对应的inception score评价标准或frechet inceptiondistance评价标准，与dcgan模型对应的inception score评价标准或frechet inceptiondistance评价标准，与yolo_v3模型对应的map评价标准、iou评价标准、或nms评价标准，与deeplabv3+模型对应的iou评价标准，与vdsr模型对应的psnr评价标准或ssim评价标准。
8、可选的，在触发所述芯片调用目标处理模型在目标测试模式下、对目标测试数据集执行处理之前，所述方法还包括：
9、响应于计算方式的选定操作，确定浮点计算方式或整型计算方式为目标计算方式，以基于所述目标计算方式对目标测试数据集执行推理测试，以获得与目标计算方式对应的目标结果。
10、可选的，在触发所述待测芯片调用目标处理模型在目标测试模式下、对目标测试数据集执行推理测试之前，所述方法还包括：
11、响应于平台框架的配置操作，以配置目标框架平台；
12、所述触发所述待测芯片调用目标处理模型在目标测试模式下、对目标测试数据集执行推理测试，具体包括：
13、触发所述芯片基于所述目标框架平台，调用目标处理模型在目标测试模式下、对目标测试数据集执行推理测试，以获得与目标框架平台对应的目标结果。
14、可选的，所述至少基于所述目标结果以及与目标处理模型对应的目标评价标准，确定所述待测芯片的性能等级，具体包括：
15、基于所述目标结果以及与目标测试数据集对应的标签结果，利用与所述目标处理模型对应的目标评价标准，确定推理精度；
16、至少基于所述推理精度确定所述待测芯片的性能等级。
17、可选的，所述芯片性能测试方法还包括，获取所述待测芯片在执行推理测试时的运行速度；
18、所述至少基于所述推理精度确定所述所述待测芯片的性能等级，具体包括：
19、基于所述推理精度以及所述运行速度确定所述待测芯片的性能等级。
20、可选的，所述芯片性能测试方法还包括：
21、触发待测芯片调用目标处理模型对应的初始处理模型在目标测试模式下、对目标训练数据集执行训练处理，得到训练结果，所述目标训练数据集是与目标测试场景对应的测试数据集；
22、基于所述训练结果，确定所述待测芯片的模型训练指标值；
23、所述至少基于所述目标结果以及与目标处理模型对应的目标评价标准，确定所述待测芯片的性能等级，具体包括：
24、基于所述基于所述目标结果、与目标处理模型对应的评价标准以及所述模型训练指标值，确定所述待测芯片的性能等级。
25、可选的，所述芯片性能测试方法还包括：触发所述待测芯片基于各线程调用对应的目标处理模型，以在各目标测试模式下对相应的目标测试数据集进行多线程的并行处理，获得极限线程运行数量；
26、所述至少基于所述目标结果以及与目标处理模型对应的评价标准，确定所述待测芯片的性能等级，具体包括：
27、基于所述目标处理结果、与目标处理模型对应的评价标准以及所述极限线程运行数量，确定所述待测芯片的性能等级。
28、可选的，所述芯片性能测试方法还包括，获取所述待测芯片的内存容量；
29、所述至少基于所述目标结果以及与目标处理模型对应的目标评价标准，确定所述待测芯片的性能等级，具体包括：
30、基于基于所述目标结果以及与目标处理模型对应的目标评价标准以及所述待测芯片的内存容量，确定所述待测芯片的性能等级。
31、为解决上述问题，本申请提供一种芯片性能测试装置，包括：
32、创建模块，用于创建若干测试模式以及与各测试模式对应的测试数据集；所述测试模式用于模拟芯片作业的不同场景，所述若干测试模式包括：翻译、物体识别、ai绘画、ai换脸、目标检测、图像语义分割和超分辨率中任意一种或几种；
33、配置模块，用于配置与各测试模式对应的处理模型；
34、测试模块，用于触发待测芯片调用目标处理模型在目标测试模式下、对目标测试数据集执行推理测试，获得目标结果，所述目标测试数据集是与目标测试场景对应的测试数据集；
35、确定模块，用于至少基于所述目标结果以及与目标处理模型对应的目标评价标准，确定所述待测芯片的性能等级。
36、本申请中的芯片性能测试方法及装置，通过模拟测试场景对待测芯片进行测试，获得测试结果/目标结果，后续就可以基于对应的评价标准对该目标结果进行评价，从而获得模型的运行情况，进而可以根据模型的运行情况精准的确定出芯片的性能等级。
37、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种芯片性能测试方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述处理模型包括：与翻译测试模式对应的transformer模型、与物体识别测试模式对应的ResNet_50模型或Clip模型、与人工智能AI绘画测试模式对应的disfussion_DDIM模型、与AI换脸测试模式对应的DCGAN模型、与目标检测测试模式对应的Yolo_v3模型、与图像语义分割测试模式对应的deeplabv3+模型以及与超分辨率测试模式对应的VDSR模型；
3.如权利要求1所述的方法，其特征在于，在触发所述芯片调用目标处理模型在目标测试模式下、对目标测试数据集执行处理之前，所述方法还包括：
4.如权利要求1所述的方法，其特征在于，在触发所述待测芯片调用目标处理模型在目标测试模式下、对目标测试数据集执行推理测试之前，所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述至少基于所述目标结果以及与目标处理模型对应的目标评价标准，确定所述待测芯片的性能等级，具体包括：
6.如权利要求5所述的方法，其特征在于，所述方法还
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
8.如权利要求1所述的方法，其特征在于，所述方法还包括：触发所述待测芯片基于各线程调用对应的目标处理模型，以在各目标测试模式下对相应的目标测试数据集进行多线程的并行处理，获得极限线程运行数量；
9.如权利要求1所述的方法，其特征在于，所述方法还包括，获取所述待测芯片的内存容量；
10.一种芯片性能测试装置，其特征在于，包括：
...【技术特征摘要】
1.一种芯片性能测试方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述处理模型包括：与翻译测试模式对应的transformer模型、与物体识别测试模式对应的resnet_50模型或clip模型、与人工智能ai绘画测试模式对应的disfussion_ddim模型、与ai换脸测试模式对应的dcgan模型、与目标检测测试模式对应的yolo_v3模型、与图像语义分割测试模式对应的deeplabv3+模型以及与超分辨率测试模式对应的vdsr模型；
3.如权利要求1所述的方法，其特征在于，在触发所述芯片调用目标处理模型在目标测试模式下、对目标测试数据集执行处理之前，所述方法还包括：
4.如权利要求1所述的方法，其特征在于，在触发所述待测芯片调用目标处理模型在目标测试模式下、对目标测试数据...
【专利技术属性】
技术研发人员：雷诺，魏比莉，田野，何世伟，
申请(专利权)人：成都安易迅科技有限公司，
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。