申请/专利权人：云中芯半导体技术(苏州)有限公司

申请日：2020-10-26

公开（公告）日：2021-01-08

公开（公告）号：CN112199896A

主分类号：G06F30/27(20200101)

分类号：G06F30/27(20200101);G06N20/00(20190101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.01.26#实质审查的生效;2021.01.08#公开

摘要：本发明公开了一种基于机器学习的芯片逻辑综合优化加速方法，涉及机器学习领域，包括以下优化步骤：S1：开机优化加速，根据开机优化加速启动项，确定需要优化加速的目标优化加速启动项；S2：对学习系统网络模型进行数据量化处理，在用户端机器学习系统中设置自动机，通过自动机识别用户端机器学习系统中的参数服务器和工作节点。本发明所述的一种基于机器学习的芯片逻辑综合优化加速方法，通过用户自定义模板来完成开机优化加速、对学习系统网络模型进行数据量化处理、运行优化加速、处理流程优化加速、控制方式优化加速的构件，有效的提高了芯片逻辑的运行效率，进而为高效学习提供有力的支持。

主权项：1.一种基于机器学习的芯片逻辑综合优化加速方法，其特征在于：包括以下优化步骤：S1：开机优化加速，根据开机优化加速启动项，确定需要优化加速的目标优化加速启动项；S2：对学习系统网络模型进行数据量化处理，在用户端机器学习系统中设置自动机，通过自动机识别用户端机器学习系统中的参数服务器和工作节点，所述自动机为设置于参数服务器或交换机的网络芯片上的功能单元；参数服务器依次向每个工作节点发送对应分配的参数，在同一时间点只向一个工作节点发送对应分配的参数；S3：运行优化加速，将卷积操作转换为矩阵乘法，首先利用滑动窗口函数根据各层的基础维度、填充维度以及步幅将含有卷积运算该层的输入特征映射扩展为列向量；再将扩展的列向量与卷积核进行矩阵乘法完成卷积运算；将输入特征图和权重都被分割成很小的存储体以便可以并行获取多个输入数据；S4：处理流程优化加速，处理流程包括流程模块、事件服务器，流程模块包括接口模块、业务逻辑模块、服务模块及性能评估模块，事件服务器包括导入引擎、处理引擎、模型训练引擎及服务提供引擎，导入引擎负责配置数据源参数、对待处理数据进行读操作写操作等基本处理，并支持与数据库之间进行数据交互，处理引擎负责对待处理数据执行文本数据处理，模型训练引擎，负责对实际业务问题通过数据方法来进行建模；S5：控制方式优化加速，包括估计逻辑、最终判定逻辑和参数优化逻辑，估计逻辑接收从检测器输入的学习数据集，估计逻辑通过机器学习方法根据学习数据集估计控制值，估计逻辑基于提前学习的用户控制模式根据从检测器输入的输入数据来估计输出数据，最终判定逻辑将估计逻辑的输出和从用户接口输入的用户输入中的任一个判定为最终控制值，最终判定逻辑根据用户选择的控制系统的控制方式将估计逻辑的输出或用户接口的输出判定为最终控制值，最终判定逻辑将最终判定的最终控制值输出至控制系统以允许控制系统根据最终控制值对控制目标进行控制。

全文数据：

权利要求：

百度查询： 云中芯半导体技术(苏州)有限公司 一种基于机器学习的芯片逻辑综合优化加速方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD