芯片算力测评方法、装置及设备制造方法及图纸

本发明专利技术提供一种芯片算力测评方法、装置及设备。该方法包括：获取与芯片算力测评相关的配置信息；根据所述配置信息，确定芯片的可用阵列、神经网络以及阵列运算周期，所述神经网络部署于所述芯片；根据所述芯片的可用阵列、所述神经网络以及所述阵列运算周期，获得所述芯片的算力信息。本发明专利技术的方法无需在实际芯片上部署算法，即可完成芯片算力测试，能够提高算力计算效率；而且基于芯片的可用阵列进行的算力评测，远比算力峰值更具价值和实用性。

【技术实现步骤摘要】

本专利技术涉及计算机，尤其是涉及一种芯片算力测评方法、装置及设备。

技术介绍

1、在人工智能突飞猛进的时代，算力是决定人工智能发展上限的一个关键因素。一款芯片的算力即该处理器对数据进行运算处理的能力，业界通常用每秒钟可以执行的运算次数来表示一款芯片的算力。

2、对于实际用户来说，存算一体芯片的算力峰值远不如芯片在运行具体应用场景人工智能(artificial intelligence，ai)算法时的实际算力有价值。对于一个具体的ai算法来说，芯片运行该算法时的实际有效算力、部署完该算法后的剩余算力以及剩余算力中有多少算力是可以跟该ai算法可并行运算的，比一个笼统的芯片算力峰值要有价值的多。但是当用户采用具体ai算法来测试芯片用于该ai算法的有效算力时，由于存算一体芯片的算法部署周期长，通常需要较长时间才能完成算法部署与测试。

技术实现思路

1、本专利技术的目的在于提供一种芯片算力测评方法、装置及设备，用以解决现有芯片的算法部署周期长，算力计算效率低的问题。

2、为了达到上述目的，本专利本文档来自技高网...

【技术保护点】

1.一种芯片算力测评方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述芯片的算力信息包括下述至少一项：

3.根据权利要求1所述的方法，其特征在于，所述配置信息包括芯片的参数信息；

4.根据权利要求1所述的方法，其特征在于，所述配置信息包括芯片的参数信息和人工智能AI算法；

5.根据权利要求3或4所述的方法，其特征在于，所述芯片的参数信息包括：

6.根据权利要求3或4所述的方法，其特征在于，根据所述芯片的参数信息，确定所述芯片的可用阵列，包括：

7.根据权利要求3所述的方法，其特征在于，所述根据所...

【技术特征摘要】

1.一种芯片算力测评方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述芯片的算力信息包括下述至少一项：

3.根据权利要求1所述的方法，其特征在于，所述配置信息包括芯片的参数信息；

4.根据权利要求1所述的方法，其特征在于，所述配置信息包括芯片的参数信息和人工智能ai算法；

5.根据权利要求3或4所述的方法，其特征在于，所述芯片的参数信息包括：

6.根据权利要求3或4所述的方法，其特征在于，根据所述芯片的参数信息，确定所述芯片的可用阵列，包括：

7.根据权利要求3所述的方法，其特征在于，所述根据所述芯片的可用阵列、所述神经网络以及所述阵列运算周期，获得所述芯片的算力信息，包括：

8.根据权利要求4所述的方法，其特征在于，所述根据所述芯片的可用阵列、所述神经网...

【专利技术属性】
技术研发人员：潘卫平，高若飞，张童，李昊，祝淑琼，姚燕玲，
申请(专利权)人：中国移动通信有限公司研究院，
类型：发明
国别省市：