【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种基于图模式的有向图神经网络模型的训练方法和装置。
技术介绍
1、在电子设计自动化中，逻辑综合的过程包括逻辑转换，逻辑优化和工艺映射，逻辑转换是将其他形式的逻辑表达式转化为方便处理的逻辑表达式，逻辑优化是将逻辑表达式转化为“最佳实现”，在复杂程度、面积、延迟等参数上综合考虑最优。为了获取这些指标和参数，工艺映射可以实现将门电路转化为指定工艺的标准单元网表，通过物理设计分析可以得到基于单元库中的延迟和面积等参数。逻辑综合的目标不仅仅是功能的正确性，还包括面积、功耗和速度等多方面的优化。
2、传统技术中，与非图特征提取流程在现有的商业工具中属于未公开的公式内容，流程一般为给定与非图，该工具可以自动生成其面积、延迟等特征数据，其过程流程未知。由于现有工具中的优化流程为未公开的
技术实现思路
，因此采取现有工具的与非图优化过程存在技术不透明、特征提取效果难以预测的问题，进而不能获取与非图优化序列中途过程的数据，而且特征提取过程的具体算法和步骤未知，若出现问题工程师很难定位具体原因，因此不利于故障排查和后续改进
【技术保护点】
1.一种基于图模式的有向图神经网络模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述与非图数据、所述物理数据标签以及所述图模式数据，对所述待训练有向图神经网络模型进行训练，得到已训练有向图神经网络模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述与非图数据、所述物理数据标签以及所述图模式数据，对已设置的待训练有向图神经网络模型进行多模态训练，得到所述已训练有向图神经网络模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述使用测试数据集合对所述预训练有向图神经网...
【技术特征摘要】
1.一种基于图模式的有向图神经网络模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述与非图数据、所述物理数据标签以及所述图模式数据，对所述待训练有向图神经网络模型进行训练，得到已训练有向图神经网络模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述与非图数据、所述物理数据标签以及所述图模式数据，对已设置的待训练有向图神经网络模型进行多模态训练，得到所述已训练有向图神经网络模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述使用测试数据集合对所述预训练有向图神经网络模型进行测试，根据测试结果反向优化所述预训练有向图神经网络模型，得到所述已训练有向图神经网络模型，包括：
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据与非图图结构特征和与非图图功能特...
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。