CN110036367A - 一种ai运算结果的验证方法及相关产品 - Google Patents
一种ai运算结果的验证方法及相关产品 Download PDFInfo
- Publication number
- CN110036367A CN110036367A CN201880004394.4A CN201880004394A CN110036367A CN 110036367 A CN110036367 A CN 110036367A CN 201880004394 A CN201880004394 A CN 201880004394A CN 110036367 A CN110036367 A CN 110036367A
- Authority
- CN
- China
- Prior art keywords
- digest value
- calculated
- result
- value
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/02—Comparing digital values
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/3017—Runtime instruction translation, e.g. macros
- G06F9/30178—Runtime instruction translation, e.g. macros of compressed or encrypted instructions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Debugging And Monitoring (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种AI计算结果的验证方法及相关产品,所述方法包括如下步骤:从存储中读取第n层的AI计算的输入数据和参数数据,将该输入数据和参数数据输入到计算引擎执行AI计算得到AI计算结果;从存储中提取参考结果,对该参考结果进行压缩处理得到设定长度的参考摘要值,对该AI计算结果进行压缩处理得到设定长度的计算摘要值,将参考摘要值与计算摘要值输入到比对单元;比对单元比对该参考摘要值与计算摘要值是否一致,如一致,确定第n层验证通过,如不一致,确定第n层验证不通过,并发出告警信息。本申请具有效率高的优点。
Description
技术领域
本申请涉及计算机以及人工智能技术领域,具体涉及一种AI运算结果的验证方法及相关产品。
背景技术
近年来AI不断的爆发热潮,与设备计算能力,深度学习网络结构的发展分不开。当整个网络的计算都使用浮点计算,会对CPU造成很大的计算依赖。如果可以把数据由浮点转换成定点值,在硬件设备并行处理定点计算,则可提高网络计算能力。
在硬件设计中,常常需要检验是否满足某个网络,需要把参考数据,参考参数输入到网络中计算,得到实际结果。由实际结果与参考结果进行一一比对。从而来确定硬件是否满足某网络计算。现有的一一比对的方式对于AI运算结果的验证的效率低,时间长。
申请内容
本申请实施例提供了一种AI运算结果的验证及相关产品,其通过摘要值来实现对AI运算结果的验证,从而加快比对速度以及提高效率。
第一方面,本申请实施例提供一种AI计算结果的验证方法,所述方法包括如下步骤:
从存储中读取第n层的AI计算的输入数据和参数数据,将该输入数据和参数数据输入到计算引擎执行AI计算得到AI计算结果;
从存储中提取参考结果,对该参考结果进行压缩处理得到设定长度的参考摘要值,对该AI计算结果进行压缩处理得到设定长度的计算摘要值,将参考摘要值与计算摘要值输入到比对单元;
比对单元比对该参考摘要值与计算摘要值是否一致,如一致,确定第n层验证通过,如不一致,确定第n层验证不通过,并发出告警信息。
可选的,在确定不一致时,所述方法还包括:
将该参考摘要值存入存储器,再次进行第n层AI计算结果验证时,直接获取该参考摘要值。
可选的,在确定不一致时,所述方法还包括:
获取该参考摘要值与该计算摘要值的相同值的第一区域以及不相同值的第二区域,依据第一区域和第二区域分析确定该计算引擎存在的问题,将该问题显示。
可选的,所述压缩算法为MD5压缩算法。
第二方面,提供一种AI计算结果的验证系统,所述系统包括:存储、数据提取单元,计算引擎和比对单元,其中,
数据提取单元,用于从存储中读取第n层的AI计算的输入数据和参数数据,将该输入数据和参数数据输入到计算引擎;
所述计算引擎,用于将该输入数据和参数数据执行AI计算得到AI计算结果;
数据提取单元,还用于从存储中提取参考结果,对该参考结果进行压缩处理得到设定长度的参考摘要值,对该AI计算结果进行压缩处理得到设定长度的计算摘要值,将参考摘要值与计算摘要值输入到比对单元;
所述比对单元,用于比对该参考摘要值与计算摘要值是否一致,如一致,确定第n层验证通过,如不一致,确定第n层验证不通过,并发出告警信息。
可选的,在确定不一致时,
所述数据提取单元,还用于将该参考摘要值存入存储器,再次进行第n层AI计算结果验证时,直接获取该参考摘要值。
可选的,在确定不一致时,所述系统还包括:分析单元,
所述分析单元,用于获取该参考摘要值与该计算摘要值的相同值的第一区域以及不相同值的第二区域,依据第一区域和第二区域分析确定该计算引擎存在的问题,将该问题显示。
可选的,所述压缩算法为MD5压缩算法。
第三方面,提供一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如第二方面提供的方法。
第四方面,提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行第二方面提供的方法。
实施本申请实施例,具有如下有益效果:
可以看出,本申请提供的技术方案获取输入数据和参数数据以后,将两个数据输入到AI计算引擎中进行计算得到AI计算结果,提取参考结果以后,对两个结果压缩得到两个摘要值,对两个摘要值进行比对来确定是否验证通过,由于其比对无需一个个元素值来进行比对,所以其具有减少比对数据量,提高比对效率,减少比对时间的优点。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是一种AI系统的结构示意图。
图2是一种AI计算结果的验证方法的流程示意图。
图3是本申请的另一种AI计算结果的验证方法的流程示意图。
图4是本申请提供的一种AI计算结果的验证系统的结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请中的电子装置可以包括:服务器、智能摄像设备、智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID,Mobile Internet Devices)或穿戴式设备等,上述电子装置仅是举例,而非穷举,包含但不限于上述电子装置,为了描述的方便,下面实施例中将上述电子装置称为用户设备(User equipment,UE)、终端或电子设备。当然在实际应用中,上述用户设备也不限于上述变现形式,例如还可以包括:智能车载终端、计算机设备等等。
参阅图1,图1为一种AI系统的示意图。如图1所示,系统包括存储,计算引擎(带检测的硬件)和CPU。
其中存储部分有参考数据,参考参数及网络模型的参考结果,对于参考数据具体可以为,AI的输入数据,AI的权值数据等等。
硬件计算引擎的功能相当于AI网络加速器,可以是FPGA器件,GPU或者ASIC实现。
比对单元(CPU)从参考结果和实际结果这两个文件分别读出数值,对每个数值进行比对。每个网络测试时,比对数值达到数千万。通过比对单元改善优化,对结果文件进行预处理。通过压缩模块对参考结果和实际结果都压缩成1024bits摘要值。这样只需比对两个1024bits的摘要值,对两个1024bits的摘要值进行比对即能够实现对于AI计算结果正确性进行验证。
对于AI计算结果的验证一般是对AI计算引擎的验证,对于AI计算引擎如果其经过改动,那么其可能出现计算结果的偏差,例如,在一种可能的情况下,如果AI计算具有10个步骤,AI计算引擎只有9个步骤,那么其计算结果就会具有一定的偏差,那么对于AI计算引擎变动以后,就会出现很大的偏差,所以需要对AI计算结果进行验证。
参阅图2,图2为一种AI计算结果的验证方法,该方法在如图1所示的系统中实现,该方法如图2所示,包括如下步骤:
步骤S201、从存储中读取第n层的AI计算的输入数据和参数数据,将该输入数据和参数数据输入到计算引擎执行AI计算得到AI计算结果;
步骤S202、从存储中提取参考结果,对该参考结果进行压缩处理得到设定长度的参考摘要值,对该AI计算结果进行压缩处理得到设定长度的计算摘要值,将参考摘要值与计算摘要值输入到比对单元;
可选的,上述步骤S202中的压缩处理的算法具体可以为MD5(MD5 Message-DigestAlgorithm,消息摘要算法第五版)压缩算法,当然在实际应用中,还可以是其他的压缩算法,本申请并不限制上述压缩算法的具体表现形式。上述设定长度包括但不限于:128比特、256比特、1024比特等等值。
步骤S203、比对单元比对该参考摘要值与计算摘要值是否一致,如一致,确定第n层验证通过,如不一致,确定第n层验证不通过,并发出告警信息。
本申请提供的技术方案获取输入数据和参数数据以后,将两个数据输入到AI计算引擎中进行计算得到AI计算结果,提取参考结果以后,对两个结果压缩得到两个摘要值,对两个摘要值进行比对来确定是否验证通过,由于其比对无需一个个元素值来进行比对,所以其具有减少比对数据量,提高比对效率,减少比对时间的优点。
可选的,上述方法在确定不一致时,还可以包括:
将该参考摘要值存入存储器,再次进行第n层AI计算结果验证时,直接获取该参考摘要值。
该方法是将该参考摘要值进行存储,这样在后续的比对过程中,就无需对参考值进行压缩处理,直接提取该参考摘要值即可,节省了计算的开销。
可选的,上述方法在确定不一致时,还可以包括:
获取该参考摘要值与该计算摘要值的相同值的第一区域以及不相同值的第二区域,依据第一区域和第二区域分析确定该计算引擎存在的问题,将该问题显示。
该技术方案为依据第一区域和第二区域来确定该计算引擎存在的问题,因为对于计算引擎来说,如果其一个步骤缺少,那么其AI计算结果会有一定的规律行,并且缺少的步骤不同,其AI计算结果的规律性可能不同,那么通过对该第一区域和第二区域的分析即能够大致获得该计算引擎缺少的步骤(即问题),从而为后续的调试进行优化,例如在卷积计算时,如果缺少后续步骤,例如池化步骤,那么AI计算结果会周期性的相同、不同,那么确定对应的第一区域和第二区域即能够确定该计算引擎缺少对应的步骤。
参阅图3,图3为本申请实施例提供的一种AI计算结果的验证方法,该方法包括如下步骤:
步骤S301:从存储单元读取参考数据及参考参数到硬件引擎
步骤S302:网络所有层计算是否结束,若最后一层,进入步骤S303,如果不是最后一层,则进入步骤S304
步骤S303:退出网络。
步骤S304:硬件引擎计算AI层
步骤S305:硬件存放实际结果及保存到文件中
步骤S306:CPU读取参考结果,进行预处理,得到摘要值digest_ext
步骤S307:CPU读取实际结果,进行预处理,得到摘要值digest_act
步骤S308:比对digest_ext和digest_act是否一致,若是一致,进入步骤S302,若不一致,进入步骤S309
步骤S309:告警fail及退出网络。
参阅图4,图4提供了一种AI计算结果的验证系统,所述系统包括:存储401、数据提取单元402,计算引擎403和比对单元404,其中,
数据提取单元,用于从存储中读取第n层的AI计算的输入数据和参数数据,将该输入数据和参数数据输入到计算引擎;
所述计算引擎,用于将该输入数据和参数数据执行AI计算得到AI计算结果;
数据提取单元,还用于从存储中提取参考结果,对该参考结果进行压缩处理得到设定长度的参考摘要值,对该AI计算结果进行压缩处理得到设定长度的计算摘要值,将参考摘要值与计算摘要值输入到比对单元;
所述比对单元,用于比对该参考摘要值与计算摘要值是否一致,如一致,确定第n层验证通过,如不一致,确定第n层验证不通过,并发出告警信息。
可选的,在确定不一致时,
所述数据提取单元,还用于将该参考摘要值存入存储器,再次进行第n层AI计算结果验证时,直接获取该参考摘要值。
可选的,在确定不一致时,所述系统还包括:分析单元405,
所述分析单元,用于获取该参考摘要值与该计算摘要值的相同值的第一区域以及不相同值的第二区域,依据第一区域和第二区域分析确定该计算引擎存在的问题,将该问题显示。
可选的,所述压缩算法为MD5压缩算法。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种AI计算结果的验证的方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种AI计算结果的验证的方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的
另外,在本申请各个实施例中的处理器、芯片可以集成在一个处理单元中,也可以是单独物理存在,也可以两个或两个以上硬件集成在一个单元中。计算机可读存储介质或计算机可读程序可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种AI计算结果的验证方法,其特征在于,所述方法包括如下步骤:
从存储中读取第n层的AI计算的输入数据和参数数据,将该输入数据和参数数据输入到计算引擎执行AI计算得到AI计算结果;
从存储中提取参考结果,对该参考结果进行压缩处理得到设定长度的参考摘要值,对该AI计算结果进行压缩处理得到设定长度的计算摘要值,将参考摘要值与计算摘要值输入到比对单元;
比对单元比对该参考摘要值与计算摘要值是否一致,如一致,确定第n层验证通过,如不一致,确定第n层验证不通过,并发出告警信息。
2.根据权利要求1所述的方法,其特征在于,在确定不一致时,所述方法还包括:
将该参考摘要值存入存储器,再次进行第n层AI计算结果验证时,直接获取该参考摘要值。
3.根据权利要求1所述的方法,其特征在于,在确定不一致时,所述方法还包括:
获取该参考摘要值与该计算摘要值的相同值的第一区域以及不相同值的第二区域,依据第一区域和第二区域分析确定该计算引擎存在的问题,将该问题显示。
4.根据权利要求1-3任意一项所述的方法,其特征在于,
所述压缩算法为MD5压缩算法。
5.一种AI计算结果的验证系统,其特征在于,所述系统包括:存储、数据提取单元,计算引擎和比对单元,其中,
数据提取单元,用于从存储中读取第n层的AI计算的输入数据和参数数据,将该输入数据和参数数据输入到计算引擎;
所述计算引擎,用于将该输入数据和参数数据执行AI计算得到AI计算结果;
数据提取单元,还用于从存储中提取参考结果,对该参考结果进行压缩处理得到设定长度的参考摘要值,对该AI计算结果进行压缩处理得到设定长度的计算摘要值,将参考摘要值与计算摘要值输入到比对单元;
所述比对单元,用于比对该参考摘要值与计算摘要值是否一致,如一致,确定第n层验证通过,如不一致,确定第n层验证不通过,并发出告警信息。
6.根据权利要求5所述的系统,其特征在于,在确定不一致时,
所述数据提取单元,还用于将该参考摘要值存入存储器,再次进行第n层AI计算结果验证时,直接获取该参考摘要值。
7.根据权利要求5所述的系统,其特征在于,在确定不一致时,所述系统还包括:分析单元,
所述分析单元,用于获取该参考摘要值与该计算摘要值的相同值的第一区域以及不相同值的第二区域,依据第一区域和第二区域分析确定该计算引擎存在的问题,将该问题显示。
8.根据权利要求5-7任意一项所述的系统,其特征在于,
所述压缩算法为MD5压缩算法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-4中任意一项所述的方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如权利要求1-4中任意一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/100626 WO2020034116A1 (zh) | 2018-08-15 | 2018-08-15 | 一种ai运算结果的验证方法及相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110036367A true CN110036367A (zh) | 2019-07-19 |
Family
ID=67235155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880004394.4A Pending CN110036367A (zh) | 2018-08-15 | 2018-08-15 | 一种ai运算结果的验证方法及相关产品 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110036367A (zh) |
WO (1) | WO2020034116A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111737159A (zh) * | 2020-08-27 | 2020-10-02 | 苏州浪潮智能科技有限公司 | 一种软件调试方法、装置、设备及计算机可读存储介质 |
CN113746735A (zh) * | 2020-05-28 | 2021-12-03 | 阿里巴巴集团控股有限公司 | 控制器的检测方法、装置、设备及计算机存储介质 |
CN114401147A (zh) * | 2022-01-20 | 2022-04-26 | 山西晟视汇智科技有限公司 | 一种基于摘要算法的新能源电站通讯报文比对方法及系统 |
CN115827619A (zh) * | 2023-01-06 | 2023-03-21 | 山东捷瑞数字科技股份有限公司 | 一种基于三维引擎的重复数据检测方法、装置及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105769A (zh) * | 2007-06-27 | 2008-01-16 | 北京中星微电子有限公司 | 芯片验证的预处理方法和预处理装置 |
US20150186629A1 (en) * | 2012-07-19 | 2015-07-02 | Nec Corporation | Verification device and control method for verifiction device, as well as computer program |
CN106022468A (zh) * | 2016-05-17 | 2016-10-12 | 成都启英泰伦科技有限公司 | 人工神经网络处理器集成电路及该集成电路的设计方法 |
WO2017020590A1 (zh) * | 2015-08-05 | 2017-02-09 | 深圳市中兴微电子技术有限公司 | 一种芯片验证方法和装置、设备、存储介质 |
CN106708687A (zh) * | 2015-11-12 | 2017-05-24 | 青岛海信电器股份有限公司 | 一种基于可执行文件的芯片验证方法和装置 |
CN106874173A (zh) * | 2015-12-10 | 2017-06-20 | 阿里巴巴集团控股有限公司 | 页面模板的测试方法和装置 |
CN107247859A (zh) * | 2017-08-14 | 2017-10-13 | 深圳云天励飞技术有限公司 | 逻辑电路设计的验证方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1295778C (zh) * | 2003-11-27 | 2007-01-17 | 北京北阳电子技术有限公司 | 一种验证芯片硬件行为与软件模拟行为的一致性的方法 |
-
2018
- 2018-08-15 WO PCT/CN2018/100626 patent/WO2020034116A1/zh active Application Filing
- 2018-08-15 CN CN201880004394.4A patent/CN110036367A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105769A (zh) * | 2007-06-27 | 2008-01-16 | 北京中星微电子有限公司 | 芯片验证的预处理方法和预处理装置 |
US20150186629A1 (en) * | 2012-07-19 | 2015-07-02 | Nec Corporation | Verification device and control method for verifiction device, as well as computer program |
WO2017020590A1 (zh) * | 2015-08-05 | 2017-02-09 | 深圳市中兴微电子技术有限公司 | 一种芯片验证方法和装置、设备、存储介质 |
CN106708687A (zh) * | 2015-11-12 | 2017-05-24 | 青岛海信电器股份有限公司 | 一种基于可执行文件的芯片验证方法和装置 |
CN106874173A (zh) * | 2015-12-10 | 2017-06-20 | 阿里巴巴集团控股有限公司 | 页面模板的测试方法和装置 |
CN106022468A (zh) * | 2016-05-17 | 2016-10-12 | 成都启英泰伦科技有限公司 | 人工神经网络处理器集成电路及该集成电路的设计方法 |
CN107247859A (zh) * | 2017-08-14 | 2017-10-13 | 深圳云天励飞技术有限公司 | 逻辑电路设计的验证方法、装置、电子设备及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113746735A (zh) * | 2020-05-28 | 2021-12-03 | 阿里巴巴集团控股有限公司 | 控制器的检测方法、装置、设备及计算机存储介质 |
CN111737159A (zh) * | 2020-08-27 | 2020-10-02 | 苏州浪潮智能科技有限公司 | 一种软件调试方法、装置、设备及计算机可读存储介质 |
CN111737159B (zh) * | 2020-08-27 | 2021-02-09 | 苏州浪潮智能科技有限公司 | 一种软件调试方法、装置、设备及计算机可读存储介质 |
CN114401147A (zh) * | 2022-01-20 | 2022-04-26 | 山西晟视汇智科技有限公司 | 一种基于摘要算法的新能源电站通讯报文比对方法及系统 |
CN114401147B (zh) * | 2022-01-20 | 2024-02-20 | 山西晟视汇智科技有限公司 | 一种基于摘要算法的新能源电站通讯报文比对方法及系统 |
CN115827619A (zh) * | 2023-01-06 | 2023-03-21 | 山东捷瑞数字科技股份有限公司 | 一种基于三维引擎的重复数据检测方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2020034116A1 (zh) | 2020-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110036367A (zh) | 一种ai运算结果的验证方法及相关产品 | |
CN110275958B (zh) | 网站信息识别方法、装置和电子设备 | |
Bartunov et al. | Joint link-attribute user identity resolution in online social networks | |
CN108572947B (zh) | 一种数据融合方法及装置 | |
CN112035549B (zh) | 数据挖掘方法、装置、计算机设备及存储介质 | |
CN111241389A (zh) | 基于矩阵的敏感词过滤方法、装置、电子设备、存储介质 | |
CN108388509B (zh) | 一种软件测试方法、计算机可读存储介质及终端设备 | |
CN113360711B (zh) | 视频理解任务的模型训练和执行方法、装置、设备及介质 | |
CN112214402B (zh) | 一种代码验证算法的选择方法、装置及存储介质 | |
CN112085091B (zh) | 基于人工智能的短文本匹配方法、装置、设备及存储介质 | |
CN110674488A (zh) | 基于神经网络的验证码识别方法、系统及计算机设备 | |
CN109858249A (zh) | 移动恶意软件大数据的快速智能比对和安全检测方法 | |
CN112363814A (zh) | 任务调度方法、装置、计算机设备及存储介质 | |
CN111324725B (zh) | 一种话题获取方法、终端、计算机可读存储介质 | |
CN110598115A (zh) | 一种基于人工智能多引擎的敏感网页识别方法及系统 | |
CN105989284B (zh) | 网页入侵脚本特征的识别方法及设备 | |
CN104008334A (zh) | 一种文件的聚类方法和设备 | |
CN110544166A (zh) | 样本生成方法、装置及存储介质 | |
CN111382258A (zh) | 电子阅读对象章节的确定方法及其装置 | |
CN113836005A (zh) | 一种虚拟用户的生成方法、装置、电子设备和存储介质 | |
CN107103012A (zh) | 识别违禁网页的方法、装置及服务器 | |
CN112364258A (zh) | 基于图谱的推荐方法、系统、存储介质及电子设备 | |
CN104965853A (zh) | 聚合类应用的推荐、多方推荐源聚合的方法、系统和装置 | |
CN111291186A (zh) | 一种基于聚类算法的上下文挖掘方法、装置和电子设备 | |
CN111079843A (zh) | 一种基于rbf神经网络的训练方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Niu Xinyu Inventor after: Cai Quanxiong Inventor before: Xiao Mengqiu |
|
CB03 | Change of inventor or designer information |