[发明专利]基于GPU的神经网络注错测试方法及其存储介质

权利要求书

1.基于GPU的神经网络注错测试方法，其特征在于，包括：

用预先获取的注错脚本解析神经网络模型，获取GPU动态指令；

基于获取的GPU动态指令，获得所有计算内核的指令；

根据预先获取的注错配置文件，将注错脚本中记载的故障注入计算内核的指令中。

2.根据权利要求1所述的基于GPU的神经网络注错测试方法，其特征在于，

注错脚本中记载的故障包括单比特翻转、双比特翻转、随机数、按位翻转、归零操作、左移或右移若干位、置1操作。

3.根据权利要求1所述的基于GPU的神经网络注错测试方法，其特征在于，

注错配置文件包括SM的编号ID、core编号、注错类型、注错次数、故障注入位置、指令编码的位置。

4.根据权利要求1所述的基于GPU的神经网络注错测试方法，其特征在于，

根据注错配置文件，将注错脚本中记载的故障注入GPU动态指令中，GPU动态指令执行后得到输出结果，分析输出结果所属的故障类型。

5.根据权利要求4所述的基于GPU的神经网络注错测试方法，其特征在于，

故障类型包括SDC，DUE和masked；

SDC表示神经网络模型的输出结果不同于神经网络模型的标准结果；

DUE表示致命错误；

masked表示错误被屏蔽，未引起异常；

将故障类型保存到日志中；

若故障类型为SDC或DUE，则对神经网络模型进行加固。

6.根据权利要求5所述的基于GPU的神经网络注错测试方法，其特征在于，

若故障类型为SDC或DUE，则对神经网络模型进行加固，通过以下步骤实现：

对引起SDC故障类型的计算内核的指令，做三重冗余设计；对引起DUE故障类型的计算内核的指令，在计算内核的指令调用前对之前的计算内核的指令计算结果备份，当出现DUE故障类型时快速恢复到上次出现DUE故障类型的GPU动态指令所在位置重新计算。

7.根据权利要求1所述的基于GPU的神经网络注错测试方法，其特征在于，

根据注错配置文件，将注错脚本中记载的故障注入计算内核的指令中，通过以下步骤实现：

从N个计算内核的指令中随机选取一个键值对x，x∈N，基于注错脚本中记载的故障对键值进行修改，将键值写入该计算内核的指令。

8.根据权利要求5所述的基于GPU的神经网络注错测试方法，其特征在于，

利用AVF对故障类型进行评估，获得计算内核的指令故障导致神经网络模型的输出结果中出现不同故障类型的概率；

利用PVF对故障类型进行评估，获得不同故障类型导致神经网络模型的输出结果中出现可见错误的概率。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。