[发明专利]检测深度学习芯片的方法、装置、电子设备和计算机存储介质在审
申请号: | 201910559182.9 | 申请日: | 2019-06-26 |
公开(公告)号: | CN112148536A | 公开(公告)日: | 2020-12-29 |
发明(设计)人: | 王勇 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G06F11/22 | 分类号: | G06F11/22;G06F11/26 |
代理公司: | 北京市金杜律师事务所 11256 | 代理人: | 赵林琳;张昊 |
地址: | 100094 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测 深度 学习 芯片 方法 装置 电子设备 计算机 存储 介质 | ||
本公开的实施例涉及一种检测深度学习芯片的方法、装置、电子设备和计算机可读存储介质。该方法包括对深度学习芯片中的多个逻辑单元进行检测,多个逻辑单元用于执行深度学习的推理操作和训练操作中的至少一种操作。该方法还包括获取多个逻辑单元中未通过检测的错误单元。此外,该方法还可以包括响应于错误单元的个数占多个逻辑单元的总数的比率低于或等于预定比率,将深度学习芯片确定为合格芯片。本公开的技术方案通过利用了深度学习芯片中包含多个相同或重复的逻辑单元的特性,使得芯片利用率显著提高。
技术领域
本公开的实施例主要涉及芯片检测领域,并且更具体地,涉及用于检测深度学习芯片的方法、装置、电子设备和计算机可读存储介质。
背景技术
芯片的可利用率(或称为“良率”)通常是指在一片晶圆、一个批次、或者一个产品的生命周期里通过测试的芯片与总芯片之间的比率。由于生产环境中可能会有随机掉落的灰尘或其它颗粒,并且集成电路在设计过程中可能存在缺陷,导致芯片利用率较低。针对目前的深度学习芯片(或称为“人工智能芯片”),其通常包含多个推理逻辑单元和多个训练逻辑单元,如果芯片中的任一逻辑单元存在瑕疵,则该芯片将被标记为未通过测试。芯片的成本跟芯片利用率线性相关。利用率越低,成本越高。所以芯片利用率对于芯片成本的影响巨大,提高芯片利用率对于提高芯片的竞争力非常重要。
发明内容
根据本公开的示例实施例,提供了一种检测深度学习芯片的方案。
在本公开的第一方面中,提供了一种检测深度学习芯片的方法。该方法包括对深度学习芯片中的多个逻辑单元进行检测,多个逻辑单元用于执行深度学习的推理操作和训练操作中的至少一种操作。该方法还包括获取多个逻辑单元中未通过检测的错误单元。此外,该方法还可以包括响应于错误单元的个数占多个逻辑单元的总数的比率低于或等于预定比率,将深度学习芯片确定为合格芯片。
在本公开的第二方面中,提供了一种检测深度学习芯片的装置。该装置包括:逻辑单元检测模块,被配置为对深度学习芯片中的多个逻辑单元进行检测,多个逻辑单元用于执行深度学习的推理操作和训练操作中的至少一种操作;错误单元获取模块,被配置为获取多个逻辑单元中未通过检测的错误单元;以及合格芯片确定模块,被配置为响应于错误单元的个数占多个逻辑单元的总数的比率低于或等于预定比率,将深度学习芯片确定为合格芯片。
在本公开的第三方面中,提供了一种设备,包括一个或多个处理器;以及存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现根据本公开的第一方面的方法。
在本公开的第四方面中,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现根据本公开的第一方面的方法。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标注表示相同或相似的元素,其中:
图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图;
图2示出了根据本公开的实施例的深度学习芯片的示意图;
图3示出了根据本公开的实施例的用于检测深度学习芯片的过程的流程图;
图4示出了根据本公开的实施例的用于检测深度学习芯片的装置的示意框图;以及
图5示出了能够实施本公开的多个实施例的计算设备的框图。
具体实施方式
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910559182.9/2.html,转载请声明来源钻瓜专利网。