CN113962191B - 序列随机化方法、装置、电子设备及存储介质 - Google Patents

序列随机化方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113962191B
CN113962191B CN202111106629.0A CN202111106629A CN113962191B CN 113962191 B CN113962191 B CN 113962191B CN 202111106629 A CN202111106629 A CN 202111106629A CN 113962191 B CN113962191 B CN 113962191B
Authority
CN
China
Prior art keywords
sequence
sequences
extracted
row vector
value
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.)
Active
Application number
CN202111106629.0A
Other languages
English (en)
Other versions
CN113962191A (zh
Inventor
金鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202111106629.0A priority Critical patent/CN113962191B/zh
Publication of CN113962191A publication Critical patent/CN113962191A/zh
Application granted granted Critical
Publication of CN113962191B publication Critical patent/CN113962191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/30Circuit design
    • G06F30/39Circuit design at the physical level
    • G06F30/398Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Stored Programmes (AREA)

Abstract

本公开提供了序列随机化方法、装置、电子设备及存储介质,涉及智能语音以及人工智能芯片等人工智能领域,其中的方法可包括:对序列集合中的序列之间的执行顺序的依赖关系进行分析,根据分析结果生成序列集合对应的可执行状态查找表;当从序列集合中抽取序列时,根据可执行状态查找表,确定出当前处于可执行状态的序列,并从当前处于可执行状态的序列中随机抽取出一个进行执行。应用本公开所述方案,可解决序列之间的执行顺序存在依赖关系的情况下的序列随机化问题。

Description

序列随机化方法、装置、电子设备及存储介质
技术领域
本公开涉及人工智能技术领域,特别涉及智能语音以及人工智能芯片等领域的序列随机化方法、装置、电子设备及存储介质。
背景技术
序列(Sequence)随机化是芯片/集成电路(IC,Integrated Circuit)验证中的一种有效手段,它可以模拟出很多定向测试用例(testcase)覆盖不到的场景,同时大幅降低testcase数量,提高验证效率等。所述芯片可为智能语音芯片等。
目前的序列随机化通常采用完全随机方式或各序列均出现一次的顺序随机方式,无法适用于序列之间的执行顺序存在依赖关系的情况。
发明内容
本公开提供了序列随机化方法、装置、电子设备及存储介质。
一种序列随机化方法,包括:
对序列集合中的序列之间的执行顺序的依赖关系进行分析,根据分析结果生成所述序列集合对应的可执行状态查找表;
当从所述序列集合中抽取序列时,根据所述可执行状态查找表,确定出当前处于可执行状态的序列,并从所述当前处于可执行状态的序列中随机抽取出一个进行执行。
一种序列随机化装置,包括:第一处理模块以及第二处理模块;
所述第一处理模块,用于对序列集合中的序列之间的执行顺序的依赖关系进行分析,根据分析结果生成所述序列集合对应的可执行状态查找表;
所述第二处理模块,用于当从所述序列集合中抽取序列时,根据所述可执行状态查找表,确定出当前处于可执行状态的序列,并从所述当前处于可执行状态的序列中随机抽取出一个进行执行。
一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行如以上所述的方法。
一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现如以上所述的方法。
上述公开中的一个实施例具有如下优点或有益效果:针对序列之间的执行顺序存在依赖关系的情况,提出了一种基于可执行状态查找表的序列随机化方式,从而解决了所述情况下的序列随机化问题,且实现方式简单方便,并具有较强的通用性等。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开所述序列随机化方法实施例的流程图;
图2为本公开所述生成的可执行状态查找表的示意图;
图3为本公开所述序列随机化装置实施例300的组成结构示意图;
图4示出了可以用来实施本公开的实施例的电子设备400的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
另外,应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1为本公开所述序列随机化方法实施例的流程图。如图1所示,包括以下具体实现方式。
在步骤101中,对序列集合中的序列之间的执行顺序的依赖关系进行分析,根据分析结果生成序列集合对应的可执行状态查找表。
在步骤102中,当从序列集合中抽取序列时,根据可执行状态查找表,确定出当前处于可执行状态的序列,并从当前处于可执行状态的序列中随机抽取出一个进行执行。
可以看出,上述方法实施例所述方案中,针对序列之间的执行顺序存在依赖关系的情况,提出了一种基于可执行状态查找表的序列随机化方式,从而解决了所述情况下的序列随机化问题,且实现方式简单方便,并具有较强的通用性,比如,针对不同的项目仅需要更新可执行状态表格即可。
序列集合中包括哪些序列可根据实际需要而定。比如,可包括IC验证中可能用到的所有序列。
可对序列集合中的序列之间的执行顺序的依赖关系进行分析,根据分析结果生成序列集合对应的可执行状态查找表。
序列之间的执行顺序可存在依赖关系,一些序列在任何情况下均可执行,而另一些序列则需要在某个/某些序列执行后才能执行。
相应地,本公开的一个实施例中,可生成初状态行向量,初状态行向量用于记录序列集合中的各序列的执行是否需要依赖于其它序列,另外,还可生成后位状态行向量,后位状态行向量用于记录序列集合中的各序列之间的执行顺序,进而可利用生成的初状态行向量以及后位状态行向量组成可执行状态查找表。
初状态行向量通常为一个。本公开的一个实施例中,可生成包括N个元素的初状态行向量,N为大于一的正整数,表示序列集合中包括的序列数量,其中,若确定第i个元素对应的序列的执行无需依赖于其它序列,则可将第i个元素的取值设置为第一取值,否则,可将第i个元素的取值设置为第二取值,不同元素分别对应于不同的序列,1≤i≤N。
假设N的取值为5(此处仅为举例说明,实际通常远大于此),为便于表述,将5个序列分别称为序列1~序列5,相应地,初状态行向量中可包括5个元素,每个元素分别对应于一个不同的序列,比如,对于第1个元素来说,假设其对应的序列为序列1,那么可确定序列1的执行是否需要依赖于其它序列,若否,则可将第1个元素的取值设置为第一取值,若是,即序列1的执行需要依赖于其它序列的先执行,那么可将第1个元素的取值设置为第二取值,再比如,对于第2个元素来说,假设其对应的序列为序列2,那么可确定序列2的执行是否需要依赖于其它序列,若否,则可将第2个元素的取值设置为第一取值,若是,则可将第2个元素的取值设置为第二取值,其它元素的处理方式相同,不再赘述。优选地,第一取值可为1,第二取值可为0。
本公开的一个实施例中,针对序列集合中的每个序列,可分别生成一个包括N个元素的后位状态行向量,其中,对于任一后位状态行向量中的第i个元素来说,若在该后位状态行向量对应的序列执行完成后、第i个元素对应的序列可执行,那么可将第i个元素的取值设置为第一取值,否则,可将第i个元素的取值设置为第二取值,同一后位状态行向量中的不同元素分别对应于不同的序列。
假设N的取值为5,为便于表述,将5个序列分别称为序列1~序列5,针对每个序列,可分别生成一个后位状态行向量,从而共可得到5个后位状态行向量,并且,每个后位状态行向量中可分别包括5个元素。
后位可执行状态,是指将某个序列执行完成作为前置条件时,序列集合中的各序列的可执行状态,即在某个序列执行完成后,序列集合中的哪些序列可以执行,哪些序列不可以执行。
对某个序列的后位可执行状态进行分析,可生成该序列对应的后位状态行向量,其中的每个元素分别对应于序列集合中的一个序列的可执行状态,比如,对于第i个元素,若在该序列执行完成后、第i个元素对应的序列可执行,那么则可将第i个元素的取值设置为第一取值,即标示对应的序列接下来可执行,否则,可将第i个元素的取值设置为第二取值,即标示对应的序列接下来不可执行。优选地,第一取值可为1,第二取值可为0。
进一步地,可利用生成的一个初状态行向量以及N个后位状态行向量组成可执行状态查找表,即可组成一个(N+1)*N的二维表格。
可以看出,通过上述处理,借助于初状态行向量和后位状态行向量,可简单高效地生成所需的可执行状态查找表,而且,可执行状态查找表反映了所有序列之间的依赖关系,从而为后续处理奠定了良好的基础等。
相应地,当每次从序列集合中抽取序列时,可根据可执行状态查找表,确定出当前处于可执行状态的序列,并可从当前处于可执行状态的序列中随机抽取出一个进行执行。
本公开的一个实施例中,当首次从序列集合中抽取序列时,可从初状态行向量中随机抽取出一个为第一取值的元素,将抽取出的元素对应的序列作为本次抽取出的序列。
本公开的一个实施例中,当第j次从序列集合中抽取序列时,可从最近一次抽取出的序列对应的后位状态行向量中随机抽取出一个为第一取值的元素,将抽取出的元素对应的序列作为本次抽取出的序列,2≤j≤M,M为大于一的正整数,表示预先设定的抽取次数。
M的具体取值可根据实际需要而定。另外,可按照现有方式执行抽取出的序列。
可以看出,通过上述处理,基于初状态行向量和后位状态行向量中的各元素的取值,可方便的区分出哪些序列可执行,哪些序列不可执行,从而可准确高效地完成各次序列的抽取,进而提升了IC验证的验证效率等。
结合上述介绍,以下通过一个具体的示例,对本公开所述方案进行进一步说明。
图2为本公开所述生成的可执行状态查找表的示意图。如图2所示,假设N的取值为5,为便于表述,将5个序列分别称为序列1~序列5,表格中的每一列分别记录了序列集合中的一个序列在不同前置条件下的可执行状态。
如图2所示,表格中的第1行对应于初状态行向量,其中记录了序列集合中的各序列的初次可执行状态,即各序列的执行是否需要依赖于其它序列,假设序列1和序列3初次可执行,序列2、序列4和序列5初次不可执行。
如图2所示,表格中的第2行为序列1对应的后位状态行向量,其中记录了序列1对应的后位可执行状态,即记录了在序列1执行完成后,序列2和序列3可执行,序列1、序列4和序列5不可执行。
如图2所示,表格中的第3行为序列2对应的后位状态行向量,其中记录了序列2对应的后位可执行状态,即记录了在序列2执行完成后,序列3、序列4和序列5可执行,序列1和序列2不可执行。
如图2所示,表格中的第4行为序列3对应的后位状态行向量,其中记录了序列3对应的后位可执行状态,即记录了在序列3执行完成后,序列1、序列2、序列3、序列4和序列5均可执行。
如图2所示,表格中的第5行为序列4对应的后位状态行向量,其中记录了序列4对应的后位可执行状态,即记录了在序列4执行完成后,序列1、序列3和序列5可执行,序列2和序列4不可执行。
如图2所示,表格中的第6行为序列5对应的后位状态行向量,其中记录了序列5对应的后位可执行状态,即记录了在序列5执行完成后,序列1和序列3可执行,序列2、序列4和序列5不可执行。
当首次(即第1次)从序列集合中抽取序列时,可根据可执行状态查找表,确定出当前处于可执行状态的序列,即初状态行向量中取值为1的元素对应的序列,如图2所示,包括序列1和序列3,相应地,可从这2个序列中随机抽取出一个,假设为序列3,并执行序列3。
当第2次从序列集合中抽取序列时,可根据可执行状态查找表,确定出当前处于可执行状态的序列,即序列3对应的后位状态行向量中取值为1的元素对应的序列,如图2所示,包括序列1、序列2、序列3、序列4和序列5,相应地,可从这5个序列中随机抽取出一个,假设为序列1,并执行序列1。
当第3次从序列集合中抽取序列时,可根据可执行状态查找表,确定出当前处于可执行状态的序列,即序列1对应的后位状态行向量中取值为1的元素对应的序列,如图2所示,包括序列2和序列3,相应地,可从这2个序列中随机抽取出一个,假设为序列2,并执行序列2。
当第4次从序列集合中抽取序列时,可根据可执行状态查找表,确定出当前处于可执行状态的序列,即序列2对应的后位状态行向量中取值为1的元素对应的序列,如图2所示,包括序列3、序列4和序列5,相应地,可从这3个序列中随机抽取出一个,假设为序列4,并执行序列4。
假设经过上述各次抽取后,达到了预先设定的抽取次数,那么则可结束处理。
在实际应用中,抽取次数通常大于序列集合中的序列数量,以上仅为举例说明,并不用于限制本公开的技术方案。
另外,需要说明的是,对于前述的方法实施例,为了简单描述,将其表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其它顺序或者同时进行。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优选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图3为本公开所述序列随机化装置实施例300的组成结构示意图。如图3所示,包括:第一处理模块301以及第二处理模块302。
第一处理模块301,用于对序列集合中的序列之间的执行顺序的依赖关系进行分析,根据分析结果生成序列集合对应的可执行状态查找表。
第二处理模块302,用于当从序列集合中抽取序列时,根据可执行状态查找表,确定出当前处于可执行状态的序列,并从当前处于可执行状态的序列中随机抽取出一个进行执行。
上述装置实施例所述方案中,针对序列之间的执行顺序存在依赖关系的情况,提出了一种基于可执行状态查找表的序列随机化方式,从而解决了所述情况下的序列随机化问题,且实现方式简单方便,并具有较强的通用性,比如,针对不同的项目仅需要更新可执行状态表格即可。
序列之间的执行顺序可存在依赖关系,一些序列在任何情况下均可执行,而另一些序列则需要在某个/某些序列执行后才能执行。第一处理模块301可对序列集合中的序列之间的执行顺序的依赖关系进行分析,根据分析结果生成序列集合对应的可执行状态查找表。
本公开的一个实施例中,第一处理模块301可生成初状态行向量,初状态行向量用于记录序列集合中的各序列的执行是否需要依赖于其它序列,另外,还可生成后位状态行向量,后位状态行向量用于记录序列集合中的各序列之间的执行顺序,进而可利用生成的初状态行向量以及后位状态行向量组成可执行状态查找表。
初状态行向量通常为一个。本公开的一个实施例中,第一处理模块301可生成包括N个元素的初状态行向量,N为大于一的正整数,表示序列集合中包括的序列数量,其中,若确定第i个元素对应的序列的执行无需依赖于其它序列,则可将第i个元素的取值设置为第一取值,否则,可将第i个元素的取值设置为第二取值,不同元素分别对应于不同的序列,1≤i≤N。优选地,第一取值可为1,第二取值可为0。
本公开的一个实施例中,针对序列集合中的每个序列,第一处理模块301可分别生成一个包括N个元素的后位状态行向量,其中,对于任一后位状态行向量中的第i个元素来说,若在该后位状态行向量对应的序列执行完成后、第i个元素对应的序列可执行,那么可将第i个元素的取值设置为第一取值,否则,可将第i个元素的取值设置为第二取值,同一后位状态行向量中的不同元素分别对应于不同的序列。优选地,第一取值可为1,第二取值可为0。
后位可执行状态,是指将某个序列执行完成作为前置条件时,序列集合中的各序列的可执行状态,即在某个序列执行完成后,序列集合中的哪些序列可以执行,哪些序列不可以执行。
进一步地,第一处理模块301可利用生成的一个初状态行向量以及N个后位状态行向量组成可执行状态查找表,即可组成一个(N+1)*N的二维表格。
相应地,第二处理模块302在每次从序列集合中抽取序列时,可根据可执行状态查找表,确定出当前处于可执行状态的序列,并可从当前处于可执行状态的序列中随机抽取出一个进行执行。
本公开的一个实施例中,当首次从序列集合中抽取序列时,第二处理模块302可从初状态行向量中随机抽取出一个为第一取值的元素,将抽取出的元素对应的序列作为本次抽取出的序列。
本公开的一个实施例中,当第j次从序列集合中抽取序列时,第二处理模块302可从最近一次抽取出的序列对应的后位状态行向量中随机抽取出一个为第一取值的元素,将抽取出的元素对应的序列作为本次抽取出的序列,2≤j≤M,M为大于一的正整数,表示预先设定的抽取次数。
图3所示装置实施例的具体工作流程可参照前述方法实施例中的相关说明。
本公开所述方案可应用于人工智能领域,特别涉及智能语音以及人工智能芯片等领域。人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术,人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术,人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
另外,本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如本公开所述的方法。例如,在一些实施例中,本公开所述的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行本公开所述的方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开所述的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。

Claims (12)

1.一种序列随机化方法,包括:
对序列集合中的序列之间的执行顺序的依赖关系进行分析,根据分析结果生成所述序列集合对应的可执行状态查找表,包括:生成一个初状态行向量,所述初状态行向量用于记录所述序列集合中的各序列的执行是否需要依赖于其它序列;生成N个后位状态行向量,所述后位状态行向量用于记录所述序列集合中的各序列之间的执行顺序,N为大于一的正整数,表示所述序列集合中包括的序列数量,每个后位状态行向量分别对应于所述序列集合中的一个序列;利用所述初状态行向量以及所述N个后位状态行向量组成二维表格形式的所述可执行状态查找表;
当从所述序列集合中抽取序列时,根据所述可执行状态查找表,确定出当前处于可执行状态的序列,并从所述当前处于可执行状态的序列中随机抽取出一个进行执行。
2.根据权利要求1所述的方法,其中,所述生成一个初状态行向量包括:
生成包括N个元素的初状态行向量;
其中,若确定第i个元素对应的序列的执行无需依赖于其它序列,则将所述第i个元素的取值设置为第一取值,否则,将所述第i个元素的取值设置为第二取值,不同元素分别对应于不同的序列,1≤i≤N。
3.根据权利要求1或2所述的方法,其中,所述生成N个后位状态行向量包括:
针对所述序列集合中的每个序列,分别生成一个包括N个元素的后位状态行向量;
其中,对于任一后位状态行向量中的第i个元素,若在所述后位状态行向量对应的序列执行完成后、所述第i个元素对应的序列可执行,则将所述第i个元素的取值设置为第一取值,否则,将所述第i个元素的取值设置为第二取值,同一后位状态行向量中的不同元素分别对应于不同的序列。
4.根据权利要求2所述的方法,其中,所述从所述当前处于可执行状态的序列中随机抽取出一个进行执行包括:
当首次从所述序列集合中抽取序列时,从所述初状态行向量中随机抽取出一个为所述第一取值的元素,将抽取出的元素对应的序列作为本次抽取出的序列,并执行抽取出的序列。
5.根据权利要求3所述的方法,其中,所述从所述当前处于可执行状态的序列中随机抽取出一个进行执行包括:
当第j次从所述序列集合中抽取序列时,从最近一次抽取出的序列对应的后位状态行向量中随机抽取出一个为所述第一取值的元素,将抽取出的元素对应的序列作为本次抽取出的序列,并执行抽取出的序列,2≤j≤M,M为大于一的正整数,表示预先设定的抽取次数。
6.一种序列随机化装置,包括:第一处理模块以及第二处理模块;
所述第一处理模块,用于对序列集合中的序列之间的执行顺序的依赖关系进行分析,根据分析结果生成所述序列集合对应的可执行状态查找表,包括:生成一个初状态行向量,所述初状态行向量用于记录所述序列集合中的各序列的执行是否需要依赖于其它序列;生成N个后位状态行向量,所述后位状态行向量用于记录所述序列集合中的各序列之间的执行顺序,N为大于一的正整数,表示所述序列集合中包括的序列数量,每个后位状态行向量分别对应于所述序列集合中的一个序列;利用所述初状态行向量以及所述N个后位状态行向量组成二维表格形式的所述可执行状态查找表;
所述第二处理模块,用于当从所述序列集合中抽取序列时,根据所述可执行状态查找表,确定出当前处于可执行状态的序列,并从所述当前处于可执行状态的序列中随机抽取出一个进行执行。
7.根据权利要求6所述的装置,其中,
所述第一处理模块生成包括N个元素的初状态行向量,N为大于一的正整数,表示所述序列集合中包括的序列数量,其中,若确定第i个元素对应的序列的执行无需依赖于其它序列,则将所述第i个元素的取值设置为第一取值,否则,将所述第i个元素的取值设置为第二取值,不同元素分别对应于不同的序列,1≤i≤N。
8.根据权利要求6或7所述的装置,其中,
所述第一处理模块针对所述序列集合中的每个序列,分别生成一个包括N个元素的后位状态行向量,其中,对于任一后位状态行向量中的第i个元素,若在所述后位状态行向量对应的序列执行完成后、所述第i个元素对应的序列可执行,则将所述第i个元素的取值设置为第一取值,否则,将所述第i个元素的取值设置为第二取值,同一后位状态行向量中的不同元素分别对应于不同的序列。
9.根据权利要求7所述的装置,其中,
所述第二处理模块在首次从所述序列集合中抽取序列时,从所述初状态行向量中随机抽取出一个为所述第一取值的元素,将抽取出的元素对应的序列作为本次抽取出的序列,并执行抽取出的序列。
10.根据权利要求8所述的装置,其中,
所述第二处理模块在第j次从所述序列集合中抽取序列时,从最近一次抽取出的序列对应的后位状态行向量中随机抽取出一个为所述第一取值的元素,将抽取出的元素对应的序列作为本次抽取出的序列,并执行抽取出的序列,2≤j≤M,M为大于一的正整数,表示预先设定的抽取次数。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行权利要求1-5中任一项所述的方法。
CN202111106629.0A 2021-09-22 2021-09-22 序列随机化方法、装置、电子设备及存储介质 Active CN113962191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111106629.0A CN113962191B (zh) 2021-09-22 2021-09-22 序列随机化方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111106629.0A CN113962191B (zh) 2021-09-22 2021-09-22 序列随机化方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113962191A CN113962191A (zh) 2022-01-21
CN113962191B true CN113962191B (zh) 2022-09-23

Family

ID=79461899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111106629.0A Active CN113962191B (zh) 2021-09-22 2021-09-22 序列随机化方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113962191B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110457070B (zh) * 2019-08-16 2020-11-24 安徽寒武纪信息科技有限公司 验证方法及装置以及相关产品
CN110853613B (zh) * 2019-11-15 2022-04-26 百度在线网络技术(北京)有限公司 韵律停顿等级预测的校正方法、装置、设备和介质
EP3859587A1 (en) * 2020-01-29 2021-08-04 Tata Consultancy Services Limited Robotic task planning for complex task instructions in natural language
CN112860221A (zh) * 2021-03-17 2021-05-28 上海燧原科技有限公司 一种随机序列生成方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SHA-2 and SHA-3 based sequence randomization algorithm;Kuntoro Adi Nugroho, etc.;《2016 2nd International Conference on Science and Technology-Computer》;20170316;全文 *

Also Published As

Publication number Publication date
CN113962191A (zh) 2022-01-21

Similar Documents

Publication Publication Date Title
CN113963110B (zh) 纹理图生成方法、装置、电子设备及存储介质
CN112749758A (zh) 图像处理方法、神经网络的训练方法、装置、设备和介质
US20240144570A1 (en) Method for generating drivable 3d character, electronic device and storage medium
CN113961419B (zh) 存储器验证方法、装置、电子设备及存储介质
CN114861059A (zh) 资源推荐方法、装置、电子设备及存储介质
CN114220163A (zh) 人体姿态估计方法、装置、电子设备及存储介质
CN113204665A (zh) 图像检索方法、装置、电子设备及计算机可读存储介质
CN113033373A (zh) 用于训练人脸识别模型及识别人脸的方法及相关装置
CN113962191B (zh) 序列随机化方法、装置、电子设备及存储介质
CN114743586B (zh) 存储器模型的镜像存储实现方法、装置及存储介质
CN114330221B (zh) 计分板实现方法、计分板、电子设备及存储介质
CN113408304B (zh) 文本翻译方法、装置、电子设备及存储介质
CN113656070A (zh) 处理器的随机指令验证方法、装置、电子设备及存储介质
CN112817463A (zh) 输入法获取音频数据的方法、设备和存储介质
CN113139095A (zh) 视频检索方法及装置、计算机设备和介质
CN114118356B (zh) 神经网络处理器验证方法、装置、电子设备及存储介质
CN114218026B (zh) 计分板生成方法、装置、电子设备及存储介质
US11669672B1 (en) Regression test method, electronic device and storage medium
CN115080120B (zh) 寄存器的验证方法、装置、设备和介质
CN112653885A (zh) 视频重复度获取方法、电子设备及存储介质
CN114418084A (zh) 非结构化剪枝模型获取方法、装置、电子设备及存储介质
CN115983281A (zh) 信息抽取及模型获取方法、装置、电子设备及存储介质
CN114968515A (zh) 脚本处理方法、装置、电子设备及存储介质
CN114329205A (zh) 用于推送信息的方法和装置
CN113408592A (zh) 特征点匹配方法、装置、电子设备及计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant