【技术实现步骤摘要】
本专利技术涉及人工智能（ai，artificial intelligence），尤其涉及一种数据搬运时带宽等效计算方法、装置、设备、介质及产品。
技术介绍
1、在ai芯片的高性能计算场景中，芯片性能评估中很重要的一项就是算子性能评估，ai芯片中算子的性能很大程度上决定了芯片性能的上限，但是影响算子性能的因素很多，而其中带宽的性能就是一个很重要的方面，但是由于dma（direct memory access,直接存储器访问）硬件的复杂性，往往需要很复杂的方式才能计算出不同张量形状、不同数据精度的数据在进行传输时dma带宽，导致算子中带宽部分的评估较为困难。
2、相关技术中，可以通过在实际ai芯片上实测出各张量形状、各数据精度的dma带宽数据，对机器学习模型进行模型训练，使用机器学习模型强大的拟合能力去拟合dma硬件相关的特性。
3、但是，专利技术人在实现本专利技术的过程中发现：若要深度学习模型的带宽预测结果准确，需要在ai芯片上实测出不同张量形状、不同数据精度的大量带宽数据。而满足模型精度需求的一种数据类型的带宽数...
【技术保护点】
1.一种数据搬运时带宽等效计算方法，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，根据第一实测带宽数据，构建针对第一数据类型的目标带宽模型，包括：
3.根据权利要求2所述的方法，其特征在于，根据第一实测带宽数据和第二实测带宽数据，构建第一数据类型和第二数据类型之间的带宽等效计算模型，包括：
4.根据权利要求3所述的方法，其特征在于，根据关联数据集，构建第一数据类型和第二数据类型之间的带宽等效计算模型，包括：
5.根据权利要求2-4任一项所述的方法，其特征在于，根据目标带宽模型和带宽等效计算模型，获取第二数...
【技术特征摘要】
1.一种数据搬运时带宽等效计算方法，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，根据第一实测带宽数据，构建针对第一数据类型的目标带宽模型，包括：
3.根据权利要求2所述的方法，其特征在于，根据第一实测带宽数据和第二实测带宽数据，构建第一数据类型和第二数据类型之间的带宽等效计算模型，包括：
4.根据权利要求3所述的方法，其特征在于，根据关联数据集，构建第一数据类型和第二数据类型之间的带宽等效计算模型，包括：
5.根据权利要求2-4任一项所述的方法，其特征在于，根据目标带宽模型和带宽等效计算模型，获取第二数据类型下目标数据搬运类型和目标张量形状的数据，在目标ai芯片的两个目标...
【专利技术属性】
技术研发人员：王军伟，孙诚程，张洁豪，罗培元，
申请(专利权)人：上海云燧科技有限公司，
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。