-
公开(公告)号：CN116070474A
公开(公告)日：2023-05-05
申请号：CN202310363122.6
申请日：2023-04-07
Applicant: 之江实验室 , 浙江大学 , 无锡江南计算技术研究所
IPC: G06F30/20 , G06F17/15 , G06F111/04 , G06F111/08
Abstract: 本发明公开了一种面向AI浮点融合运算单元的验证激励产生方法，该方法包括：针对新型AI浮点融合运算单元进行分析，获取输入操作数数量、输入操作数数据格式、输入操作数数据类型并构建相应参数模型；结合参数模型构造输入操作数之间的约束表达式、输入操作数和中间结果的约束表达式、输入操作数和输出结果的约束表达式；分别对三种约束表达式进行求解生成一定数量的验证激励；将验证激励分别送入参考模型和待验证新型AI浮点融合运算单元中比较计算结果和记录覆盖率。通过该方法可以提高验证人员对新型AI浮点融合运算单元的验证效率和验证覆盖率。
-
公开(公告)号：CN118052176A
公开(公告)日：2024-05-17
申请号：CN202410125349.1
申请日：2024-01-30
IPC: G06F30/33 , G06F7/57 , G06F111/04
Abstract: 本发明公开了一种面向浮点融合运算单元的激励抽样预验证方法和装置，构造P组原始测试激励，随后构造样本激励；然后对样本激励预验证，比较计算结果，若结果一致，修改所述待验证浮点融合运算单元的代码，并提交设计工程师进行BUG修复，得到修复后的待验证浮点融合运算单元；若不一致，对结果不一致的样本激励所在的原始测试激励组进行验证，对比结果进一步分析设计代码中的BUG；修改所述待验证浮点融合运算单元的代码，并提交设计工程师进行BUG修复，得到修复后的待验证浮点融合运算单元；依次验证原始测试激励组。在样本激励构造阶段，通过对原始测试激励组抽样生成的样本激励数据具备典型性和一般性。同时，对各种数据类型结构边界值组合构造的样本激励具有强大的故障发现能力。
-
公开(公告)号：CN116070474B
公开(公告)日：2023-07-07
申请号：CN202310363122.6
申请日：2023-04-07
Applicant: 之江实验室 , 浙江大学 , 无锡江南计算技术研究所
IPC: G06F30/20 , G06F17/15 , G06F111/04 , G06F111/08
Abstract: 本发明公开了一种面向AI浮点融合运算单元的验证激励产生方法，该方法包括：针对新型AI浮点融合运算单元进行分析，获取输入操作数数量、输入操作数数据格式、输入操作数数据类型并构建相应参数模型；结合参数模型构造输入操作数之间的约束表达式、输入操作数和中间结果的约束表达式、输入操作数和输出结果的约束表达式；分别对三种约束表达式进行求解生成一定数量的验证激励；将验证激励分别送入参考模型和待验证新型AI浮点融合运算单元中比较计算结果和记录覆盖率。通过该方法可以提高验证人员对新型AI浮点融合运算单元的验证效率和验证覆盖率。
-
公开(公告)号：CN117873904B
公开(公告)日：2024-07-19
申请号：CN202410257192.8
申请日：2024-03-07
Abstract: 本发明公开了一种基于t‑分布鲸鱼优化算法生成浮点数测试激励方法和装置，初始化鲸鱼优化算法的参数；初始化鲸鱼种群位置；建立UVM验证平台收集功能覆盖率集合并计算适应度值；更新参数用于鲸鱼个体位置计算；进行第t次迭代，使用收缩包围机制或螺旋更新策略移动鲸鱼个体位置；位置更新，根据鲸鱼个体位置前后适应度值大小决定位置是否替换；采用t‑分布变异算子对种群个体进行扰动计算生成新种群，并更新个体位置；判断是否满足结束条件，如果达到预设的结束条件，则退出整体的算法循环；否则更新参数继续迭代直至满足结束条件。本发明采用鲸鱼优化算法来避免遍历整个搜索空间，朝尽早覆盖所有功能覆盖点的方向前进。
-
公开(公告)号：CN117873904A
公开(公告)日：2024-04-12
申请号：CN202410257192.8
申请日：2024-03-07
Abstract: 本发明公开了一种基于t‑分布鲸鱼优化算法生成浮点数测试激励方法和装置，初始化鲸鱼优化算法的参数；初始化鲸鱼种群位置；建立UVM验证平台收集功能覆盖率集合并计算适应度值；更新参数用于鲸鱼个体位置计算；进行第t次迭代，使用收缩包围机制或螺旋更新策略移动鲸鱼个体位置；位置更新，根据鲸鱼个体位置前后适应度值大小决定位置是否替换；采用t‑分布变异算子对种群个体进行扰动计算生成新种群，并更新个体位置；判断是否满足结束条件，如果达到预设的结束条件，则退出整体的算法循环；否则更新参数继续迭代直至满足结束条件。本发明采用鲸鱼优化算法来避免遍历整个搜索空间，朝尽早覆盖所有功能覆盖点的方向前进。
-
Patent Agency Ranking
公开(公告)号：CN119473637B
公开(公告)日：2025-05-02
申请号：CN202510064880.7
申请日：2025-01-15
Applicant: 之江实验室
IPC: G06F9/50 , G06N3/063 , G06N3/0464
Abstract: 本说明书公开了一种计算任务规划方法、装置、存储介质及电子设备，获取待计算的神经网络层的计算数据的数据尺寸，根据参与神经网络层计算的计算核的总数量，确定各计算核需承担的计算任务对应的数据尺寸，对计算核需承担的计算任务对应的数据尺寸进行划分，得到子任务数据的数据尺寸，使计算核的存储容量与进行子任务数据对应计算任务所需的存储空间之间的差值最小化。子任务数据的数据尺寸为在一个通信周期，计算核读取的数据量，因为进行子任务数据对应计算任务所需的存储空间之间的差值最小化，所以应用本说明书中的方法，能够在神经网络的计算过程中，充分利用计算核的存储容量，实现资源利用率的最大化，从而加快神经网络计算的速度。
-
公开(公告)号：CN119166948A
公开(公告)日：2024-12-20
申请号：CN202411629645.1
申请日：2024-11-15
Applicant: 之江实验室
IPC: G06F17/10 , G06N3/0499 , G06N3/084 , G06N3/063
Abstract: 本发明公开一种众核环境下自适应的dw类型算子数据分布方法和装置，通过获取参与计算的硬件设备参数以及计算任务参数，根据x和dy的形状搜索适应硬件设备参数的数据分布；根据数据分布和单次取数大小，将输入数据划分为多个块进行计算，最后根据得到的数据分布选择规约维度和连接写回维度写回。本发明能够针对计算芯片和参与计算的数据参数，自适应的搜索适应计算的数据分布，从而减少了因数据分布不合理导致的额外数据传输的开销，从而优化了算子性能。
-
公开(公告)号：CN118862969B
公开(公告)日：2025-04-25
申请号：CN202411353441.X
申请日：2024-09-26
Applicant: 之江实验室
IPC: G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本说明书公开了一种模型运算优化方法、装置、存储介质及电子设备。在本说明书提供的模型运算优化方法中，获取目标模型，并确定所述目标模型中包含的运算功能；根据所述运算功能，确定执行所述运算功能所需的算子；对各算子中的至少部分算子进行拆分；根据所述各算子的输入、输出以及运算类型，对所述各算子与拆分后的算子进行融合，得到若干融合算子；采用所述融合算子执行所述目标模型中包含的所述运算功能。
-
公开(公告)号：CN119473637A
公开(公告)日：2025-02-18
申请号：CN202510064880.7
申请日：2025-01-15
Applicant: 之江实验室
IPC: G06F9/50 , G06N3/063 , G06N3/0464
Abstract: 本说明书公开了一种计算任务规划方法、装置、存储介质及电子设备，获取待计算的神经网络层的计算数据的数据尺寸，根据参与神经网络层计算的计算核的总数量，确定各计算核需承担的计算任务对应的数据尺寸，对计算核需承担的计算任务对应的数据尺寸进行划分，得到子任务数据的数据尺寸，使计算核的存储容量与进行子任务数据对应计算任务所需的存储空间之间的差值最小化。子任务数据的数据尺寸为在一个通信周期，计算核读取的数据量，因为进行子任务数据对应计算任务所需的存储空间之间的差值最小化，所以应用本说明书中的方法，能够在神经网络的计算过程中，充分利用计算核的存储容量，实现资源利用率的最大化，从而加快神经网络计算的速度。
-
公开(公告)号：CN118862969A
公开(公告)日：2024-10-29
申请号：CN202411353441.X
申请日：2024-09-26
Applicant: 之江实验室
IPC: G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本说明书公开了一种模型运算优化方法、装置、存储介质及电子设备。在本说明书提供的模型运算优化方法中，获取目标模型，并确定所述目标模型中包含的运算功能；根据所述运算功能，确定执行所述运算功能所需的算子；对各算子中的至少部分算子进行拆分；根据所述各算子的输入、输出以及运算类型，对所述各算子与拆分后的算子进行融合，得到若干融合算子；采用所述融合算子执行所述目标模型中包含的所述运算功能。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.049 seconds)
