[发明专利]一种芯片验证方法、装置、电子设备以及存储介质

说明书

本公开提供了一种芯片验证方法、装置、电子设备及存储介质，该方法包括：获取待校验神经网络；针对所述待校验神经网络包括的至少一种原始算子的算子类型，生成与所述算子类型一致的目标算子；利用所述目标算子对所述待校验神经网络中对应的原始算子进行替换，生成替换后神经网络；利用训练样本，分别对所述替换后神经网络和所述待校验神经网络进行训练，得到所述待校验神经网络对应的第一训练结果、和所述替换后神经网络对应的第二训练结果；基于所述第一训练结果和所述第二训练结果，生成待验芯片对应的校验结果。

技术领域

本公开涉及深度学习技术领域，具体而言，涉及一种芯片验证方法、装置、电子设备以及存储介质。

背景技术

深度学习是一种计算密集型的算法，随着处理任务的多样性及复杂度越来越高，对算法的准确性、实时性的要求不断增高，使得深度学习所使用的神经网络的规模越来越大，运行该神经网络时需要更多的计算资源及存储资源。故可以使用设计的人工智能(Artificial Intelligence，AI)芯片运行该神经网络。

一般的，在AI芯片流片之前，需要对设计的AI芯片进行评估。

发明内容

有鉴于此，本公开至少提供一种芯片验证方法、装置、电子设备以及存储介质。

第一方面，本公开提供了一种芯片验证方法，包括：

获取待校验神经网络；

针对所述待校验神经网络包括的至少一种原始算子的算子类型，生成与所述算子类型一致的目标算子；

利用所述目标算子对所述待校验神经网络中对应的原始算子进行替换，生成替换后神经网络；

利用训练样本，分别对所述替换后神经网络和所述待校验神经网络进行训练，得到所述待校验神经网络对应的第一训练结果、和所述替换后神经网络对应的第二训练结果；

基于所述第一训练结果和所述第二训练结果，生成所述待验芯片对应的校验结果。

上述方法中，在获取到待校验神经网络之后，生成与待校验神经网络包括的至少一种原始算子的算子类型一致的目标算子，由于该目标算子对应的目标数据处理方式、和待验芯片的设计文件指示的算子类型对应的预设数据处理方式相匹配，实现利用目标算子对待验芯片中浮点运算的模拟。再可以利用目标算子对待校验神经网络中对应的原始算子进行替换，生成替换后神经网络。并利用训练样本，分别对待校验神经网络和替换后神经网络进行训练，得到第一训练结果和第二训练结果。由于第一训练结果可以确定为待校验网络的基准结果，第二训练结果可以确定为待验芯片运行待校验神经网络时的模拟结果。再使用第一训练结果和第二训练结果，可以较准确的生成待验芯片的校验结果，实现对待验芯片精度的评估。

一种可能的实施方式中，所述针对所述待校验神经网络包括的至少一种原始算子的算子类型，生成与所述算子类型一致的目标算子，包括：

针对所述待校验神经网络包括的至少一种原始算子的算子类型，生成所述算子类型对应的初始算子；

对所述初始算子进行测试，生成所述初始算子对应的测试结果；

在所述测试结果指示为测试不通过的情况下，对所述初始算子进行调整，得到调整后初始算子；将所述调整后初始算子作为新的初始算子，返回至对所述初始算子进行测试，得到测试结果的步骤，直至所述调整后初始算子的测试结果指示为测试通过；

在所述测试结果指示为测试通过的情况下，将所述初始算子确定为与所述算子类型一致的目标算子。