[发明专利]一种逻辑资源评估方法

权利要求书

1.一种逻辑资源评估方法，其特征在于，包括：

获取待估计相关特征列表，包括：

分别获取待估计RTL描述相关特征和待估计设计参数相关特征，所述待估计RTL描述相关特征是利用HDL解析器对RTL描述文件进行解析得到的，所述待估计RTL描述相关特征包括总层级数、叶节点实例、叶节点实例的平均层级、叶节点实例的最大层级、叶节点实例中层级最大的X％的实例平均层级、叶节点实例的层级方差、叶节点实例的逻辑复杂度数值、叶节点实例的逻辑复杂度的最大值、平均值、方差以及叶节点实例的逻辑复杂度最高的Y％平均值中的至少一项，所述待估计设计参数相关特征包括目标频率、资源利用率的阈值、可用片上存储的数量；

将所述待估计RTL描述相关特征和所述待估计设计参数相关特征进行合并得到所述待估计相关特征列表；

将所述待估计相关特征列表输入至FPGA资源模型得到FPGA资源使用量估计值，其中，

所述FPGA资源模型是基于待训练模型，利用训练数据列表训练得到，所述训练数据列表为特征训练列表和资源的使用量数据训练列表的集合，所述特征训练列表为RTL描述相关训练特征和设计参数相关训练特征的集合；

所述FPGA资源模型的训练方法包括：

获取若干组所述训练数据列表；

利用若干组所述训练数据列表依次对所述待训练模型进行训练得到若干个候选训练模型；

将特征验证列表和资源的使用量数据验证列表进行合并，形成一个多元组，每个多元组可作为一组验证数据，将所述若干验证数据输入所述候选训练模型中得到若干输出结果；

根据所述若干输出结果得到所述候选训练模型对应的平均绝对误差；

对所有所述平均绝对误差进行比较得到最小目标验证数据，所述最小目标验证数据对应的候选训练模型为FPGA资源模型。

2.根据权利要求1所述的逻辑资源评估方法，其特征在于，所述待训练模型为多变量自适应回归样条模型。

3.根据权利要求1所述的逻辑资源评估方法，其特征在于，所述待训练模型的训练参数包括最大乘积项数目和误差阈值。

4.根据权利要求1所述的逻辑资源评估方法，其特征在于，所述RTL描述相关训练特征为通过RTL描述进行特征提取得到。

5.根据权利要求1所述的逻辑资源评估方法，其特征在于，所述资源的使用量数据训练列表的集合为通过布线结果得到。