CN114925651A - 一种电路走线确定方法及相关设备 - Google Patents

一种电路走线确定方法及相关设备 Download PDF

Info

Publication number
CN114925651A
CN114925651A CN202210469023.1A CN202210469023A CN114925651A CN 114925651 A CN114925651 A CN 114925651A CN 202210469023 A CN202210469023 A CN 202210469023A CN 114925651 A CN114925651 A CN 114925651A
Authority
CN
China
Prior art keywords
information
candidate connection
connection path
candidate
connection paths
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
Application number
CN202210469023.1A
Other languages
English (en)
Inventor
唐振韬
开昰雄
王滨
舒琴
黄宇
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202210469023.1A priority Critical patent/CN114925651A/zh
Publication of CN114925651A publication Critical patent/CN114925651A/zh
Priority to PCT/CN2023/084681 priority patent/WO2023207487A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/394—Routing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2115/00—Details relating to the type of the circuit
    • G06F2115/12—Printed circuit boards [PCB] or multi-chip modules [MCM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Geometry (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Design And Manufacture Of Integrated Circuits (AREA)

Abstract

一种电路走线确定方法，涉及电路布图领域，方法包括：获取用于描述端口和引脚的信息，根据端口和引脚的信息确定多个候选连接路径，并通过机器学习模型，得到每个候选连接路径的代价值，代价值用于指示候选连接路径对多个端口和多个引脚之间总连接路径的数量的影响，根据代价值，从多个候选连接路径中确定至少一个目标连接路径。本申请通过机器学习模型，有效评估候选连接路径的代价值，通过代价值确定优选的目标连接路径，从而提高电路整体的端口与引脚之间的连接数量。

Description

一种电路走线确定方法及相关设备
技术领域
本申请涉及电路布图领域，尤其涉及一种电路走线确定方法及相关设备。
背景技术
电路中的端口和引脚之间的匹配走线，例如输入/输出(input/output，I/O)单元和bump之间的匹配走线是芯片设计的重要流程之一，具有耗时长、检查难、需求量大等特点，通常需要依靠芯片设计师的人工经验进行排查，通过可交互式软件手动调节对应引脚匹配走线，并且在满足引脚多优先级类型约束的前提下最大程度提高I/O单元和bump之间的实际连接数量。
目前，业界常用基于规则构造约束下的解析型方法处理芯片引脚自动匹配走线问题，根据芯片引脚类型和预先定义的走线规则实现自动布线功能。
然而，基于规则构造约束下的解析型方法泛化性不佳、走线规则繁杂耦合，计算复杂度高，并且容易陷入到局部极值解，导致电路走线的整体性能不佳。
发明内容
本申请提供了一种电路走线确定方法，可以提高端口和引脚之间进行走线匹配时的的连接数量。
第一方面，本申请提供了一种电路走线确定方法，方法包括：获取用于描述端口和引脚的信息，根据端口和引脚的信息确定多个候选连接路径，并通过机器学习模型，得到每个候选连接路径的代价值，代价值用于指示候选连接路径对多个端口和多个引脚之间总连接路径的数量的影响，根据代价值，从多个候选连接路径中确定至少一个目标连接路径。本申请通过机器学习模型，有效评估候选连接路径的代价值，通过代价值确定优选的目标连接路径，从而提高芯片整体的端口与引脚之间的连接数量。
在端口和引脚的匹配走线的场景中，需要尽可能的提高端口和引脚之间的连接数量，以便提高芯片的性能。本申请实施例中，为了提高端口和引脚之间的连接数量，可以计算出各个候选连接路径对于多个端口和多个引脚之间总连接路径的数量的影响(也就是本申请实施例中的代价值)，并基于代价值来进行端口和引脚之间连接路径的选择。
应理解，这里的“根据所述第一信息和所述第二信息”的实现可以为：将第一信息和第二信息本身输入到机器学习模型中，还可以为将对第一信息和第二信息进行一定的处理或筛选得到的结果输入到机器学习模型中，例如可以将每个候选连接路径中包括的端口的第一信息、包括的引脚的第二信息(可选的，还可以包括候选连接路径中其他位置点的位置信息)输入到机器学习模型中。
应理解，代价值用于指示候选连接路径对多个端口和多个引脚之间总连接路径的数量的影响，由于最终确定的端口和引脚的各个连接路径之间不相交(例如，存在公共的中继点时可以认为连接路径之间相交)。进而，每条连接路径的确定会对其他端口和引脚之间连接路径的选择造成一定程度的影响(不能再选择存在路径重叠的连接路径)。这里的“影响”可以理解为：若采用了该候选连接路径作为端口和引脚之间的连接路径，会对多个端口和多个引脚之间总连接路径的数量的正向影响或者负向影响。以负向影响为例，代价值可以表示：若采用了该候选连接路径作为端口和引脚之间的连接路径，会对多个端口和多个引脚之间总连接路径的数量造成降低的程度。
应理解，机器学习模型可以输出多个数值，每个数值可以对应一个候选连接路路径，数值的大小可以表征出若采用对应的候选连接路路径，会对最终得到的端口和引脚之间总连接路径的数量所造成的正向影响或者负向影响，在这种情况下，例如，若引脚A和端口A之间包括M个候选连接路径，M个候选连接路径中的候选连接路径A的代价值为0.8，候选连接路径A的代价值为0.2，如果从M个候选连接路径中选择候选连接路径A作为引脚A和端口A之间的连接路径，最终多个端口和所述多个引脚之间总连接路径的数量为数量A，如果从M个候选连接路径中选择候选连接路径B作为引脚A和端口A之间的连接路径，最终多个端口和所述多个引脚之间总连接路径的数量为数量B，数量A会小于数量B。
应理解，之所以机器学习模型可以输出各个候选连接路径的代价值，且代价值还具有上述的含义(指示候选连接路径对所述多个端口和所述多个引脚之间总连接路径的数量的影响)，是因为在对机器学习模型进行训练的过程中，对机器学习模型所赋予的能力。
在一种可能的实现中，端口为输入输出I/O单元，引脚为转接单元bump。
在一种可能的实现中，方法还包括：根据代价值，从多个候选连接路径中确定至少一个目标连接路径；或者，向终端设备发送代价值，代价值用于指示终端设备从多个候选连接路径中确定至少一个目标连接路径。
在一种可能的实现中，第一信息可以包括端口的位置特征、功能特征或者优先级特征中的一种或多种。第二信息可以为引脚的位置特征、功能特征或者优先级特征中的一种或多种。
在一种可能的实现中，位置特征可以表示为电路元件(例如端口以及引脚)的坐标位置，例如位置特征可以为2D平面上的坐标位置，更细节的，位置特征可以为直角坐标系下的XY坐标。位置特征可以表示出电路元件在空间中的排布，在进行电路元件之间的匹配走线时，将各个元件的位置特征作为模型的输入，可以利用位置特征来保证走线的路径上不能与其他元件重叠，进而得到准确的走线匹配结果。
在一种可能的实现中，功能特征可以表示电路元件所实现的功能。例如，功能可以包括信号传输功能、能量传输功能以及接地等。在进行电路元件之间的匹配走线时，将各个元件的功能特征作为模型的输入，可以利用功能特征保证走线两端是相同功能的元件，进而得到准确的走线匹配结果。
在一种可能的实现中，优先级特征可以表示电路元件的重要程度，该重要程度可以描述电路元件对于连接数量的要求，优先级越高，则电路元件的重要程度越高，则电路元件对于连接数量的要求越高。
在一种可能的实现中，不同功能的电路元件可以具备不同的优先级，或者，不同功能的电路元件可以具备相同的优先级，或者，相同功能的电路元件可以具备不同的优先级。在进行电路元件之间的匹配走线时，输入各个元件的优先级特征，可以利用优先级特征尽可能增加高优先级的元件的走线匹配数量。
在一种可能的实现中，优先级可以基于电路元件的功能确定得到，或者是基于对电路元件输入的属性信息(例如第一信息或第二信息)进行指定。
在一种可能的实现中，根据第一信息和第二信息，包括：根据候选连接路径的信息；候选连接路径包括两端的端口和引脚、以及候选连接路径所经过的至少一个中继点，中继点为相邻引脚之间的中间位置点；每个候选连接路径的信息包括：候选连接路径所包括的端口的第一信息、候选连接路径所包括的引脚的第二信息、以及至少一个中继点的位置信息。
其中，多个候选连接路径的信息可以包括多个候选连接路径中每个候选连接路径的信息。由于每个候选连接路径可以由起点、至少一个中继点以及终点组成，每个候选连接路径的信息可以包括起点的信息、至少一个中继点的位置信息以及终点的信息。起点可以为端口，起点的信息可以包括端口的第一信息(例如，端口的位置、功能、优先级等)，中继点的位置信息可以包括中继点的位置，终点可以为引脚，终点的信息可以包括引脚的第二信息(例如，端口的位置、功能、优先级等)。
本申请实施例中，对路径划分得到各个中继点，中继点可以作为路径上各个子段的端点，将中继点的位置信息作为模型输入，可以得到以各个子段为粒度的代价值，进而可以得到更准确的路径的代价值。
示例性的，可以对端口、引脚以及中继点进行编码，每个端口、每个引脚以及每个中继点可以唯一对应一个编码结果，基于每个编码结果可以唯一确定对应的电路单元(例如端口、引脚或中继点)。通过编码结果的序列可以表征候选连接路径。
在一种可能的实现中，多个端口包括多个第一端口以及多个第二端口，多个引脚包括多个第一引脚以及多个第二引脚，多个第一端口和多个第一引脚用于实现第一功能；多个第二端口和多个第二引脚用于实现第二功能，第一功能和第二功能不同；多个候选连接路径包括多个第一端口和多个第一引脚之间形成的多个第一候选连接路径，以及多个第二端口和多个第二引脚之间形成的多个第二候选连接路径；根据第一信息和第二信息，通过机器学习模型，得到每个候选连接路径的代价值，包括：根据多个第一候选连接路径的信息以及多个第二候选连接路径的信息，通过机器学习模型，得到每个第一候选连接路径的代价值；根据代价值，从多个候选连接路径中确定至少一个目标连接路径，包括：根据每个第一候选连接路径的代价值，从多个第一候选连接路径中确定至少一个第一目标连接路径。
在一种可能的实现中，在进行端口和引脚的匹配走线的场景中，不同功能的端口和引脚的重要性是不同的，对于一些更为重要功能的端口和引脚来说，需要更多的数量的连接来保证芯片的性能，对于一些功能相对重要的端口和引脚来说，连接数量的减少会对芯片的性能造成较大的影响(相比于重要性较小的端口和引脚来说)。而对于一些功能相对不重要的端口和引脚，连接数量的减少不会对芯片性能造成较大的影响。本申请实施例中可以将上述重要性描述为优先级。
由于多个优先级的存在，若一次性对各个优先级的端口和引脚进行匹配走线，会大大增加机器学习模型运行的复杂度和计算难度，很难保证走线的计算精度，并不能得到较好的走线匹配结果。本申请实施例中，按照优先级的高低，分别进行各个优先级的端口和引脚的走线计算，进而可以提高走线的计算精度。
在一种可能的实现中，以高优先级的线路为多个第一候选连接路径，低优先级的线路为多个第二候选连接路径为例，多个第一候选连接路径中的至少两个第一候选连接路径之间可以相交(也可以完全不重叠)。
在一种可能的实现中，每个第二候选连接路径与多个第一候选连接路径之间不相交。在一种可能的实现中，为了不与高优先级的走线线路产生交叉冲突，可以去除低优先级中与较高优先级的候选连接路径形成交叉的线路(也就是相交的线路)，即使不去除的这部分线路，这部分线路也不会作为最终的连接路径，因此，本申请实施例通过去除低优先级中与较高优先级的候选连接路径形成交叉的线路，减小了解空间大小，在保证了走线计算精准度的同时，降低了运算复杂度。
在一种可能的实现中，至少一个第二候选连接路径可以与多个第一候选连接路径中的至少一个第一候选连接路径之间相交。在确定模型输入时，若不对与高优先级的线路重叠的低优先级的路径进行剔除，可以增加输入信息的数量，也就是输入到模型中的信息可以更全面的描述端口以及引脚的特征，进而可以得到更准确的代价值。
在一种可能的实现中，多个第二候选连接路径中的至少两个第二候选连接路径之间可以相交(也可以完全不重叠)。
在一种可能的实现中，方法还包括：输出多个第一端口和多个第一引脚之间形成的多个第一初始候选连接路径，并基于对多个第一初始候选连接路径中至少一个第一初始候选连接路的修改指令，得到多个第一候选连接路径。
在一种可能的实现中，方法还包括：输出至少一个第一目标连接路径。
在一种可能的实现中，第一功能或第二功能为如下的一种：信号传输、接地、电能传输。
在一种可能的实现中，根据第一信息和第二信息，通过机器学习模型，得到每个候选连接路径的代价值，还包括：根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，通过机器学习模型，得到每个第二候选连接路径的代价值；根据代价值，从多个候选连接路径中确定至少一个目标连接路径，还包括：根据每个第二候选连接路径的代价值，从多个第二候选连接路径中确定至少一个第二目标连接路径。
应理解，根据至少一个第一目标连接路径的信息，可以理解为：根据至少一个第一目标连接路径中包括的端口的第一信息、包括的引脚的第二信息(可选的，还可以包括候选连接路径中其他位置点的位置信息)输入到机器学习模型中。
应理解，根据多个第二候选连接路径的信息，可以理解为：根据至少一个第二目标连接路径中包括的端口的第一信息、包括的引脚的第二信息(可选的，还可以包括候选连接路径中其他位置点的位置信息)输入到机器学习模型中。
在一种可能的实现中，在通过机器学习模型，得到每个第二候选连接路径的代价值时，多个第一候选连接路径中除至少一个第一目标连接路径之外的其他第一候选连接路径不作为机器学习模型的输入。
本申请实施例中，可以将至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息作为机器学习模型的输入，由于多个第一候选连接路径中除至少一个第一目标连接路径之外的其他第一候选连接路径已经不会作为第一端口和第一引脚之间的连接路径，因此可以不将多个第一候选连接路径中除至少一个第一目标连接路径之外的其他第一候选连接路径作为机器学习模型的输入，进而可以在保证走线的确定精度的前提下，降低运算的的复杂度。
在一种可能的实现中，多个候选连接路径还包括多个第二端口和多个第二引脚之间形成的至少一个第三候选连接路径，根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，包括：根据至少一个第一目标连接路径的信息、多个第二候选连接路径以及至少一个第三候选连接路径的信息。
在一种可能的实现中，在进行第二优先级的连接路径确认时，可以将与多个第一候选连接路径中除至少一个第一目标连接路径之外的其他第一候选连接路径之间相交的路径(至少一个第三候选连接路径)作为模型的输入，可以增加输入信息的数量，也就是输入到模型中的信息可以更全面的描述端口以及引脚的特征，进而可以得到更准确的代价值。
在一种可能的实现中，方法还包括：输出多个第二端口和多个第二引脚之间形成的多个第二初始候选连接路径，并基于对多个第二初始候选连接路径中至少一个第二初始候选连接路径的修改指令，得到多个第二候选连接路径。
在一种可能的实现中，方法还包括：输出至少一个第二目标连接路径。
在一种可能的实现中，至少一个目标连接路径中的任意两个目标连接路径之间不相交。
在一种可能的实现中，方法还包括：基于对至少一个第一目标连接路径的修改信息，得到修改后的至少一个第一目标连接路径；根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，包括：根据修改后的至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息。
在一种可能的实现中，第一信息指示第一端口的优先级高于第二端口的优先级；或者，第二信息指示第一引脚的优先级高于第二引脚的优先级。
在一种可能的实现中，根据代价值，从多个候选连接路径中确定至少一个目标连接路径，包括：根据代价值，通过最小代价最大流算法，从多个候选连接路径中确定至少一个目标连接路径。
第二方面，本申请提供了一种电路走线确定方法，方法包括：
获取电路的多个输入输出端口的第一信息、以及多个转接单元引脚的第二信息；多个端口包括多个第一端口以及多个第二端口，多个引脚包括多个第一引脚以及多个第二引脚；多个第一端口和多个第一引脚之间形成多个第一候选连接路径，多个第二端口和多个第二引脚之间形成多个第二候选连接路径，所述第一信息指示端口的位置特征，所述第二信息指示引脚的位置特征；
基于第一信息和第二信息指示第一端口的重要性高于第二端口的重要性，根据多个第一候选连接路径的信息以及多个第二候选连接路径的信息，从多个第一候选连接路径中确定至少一个第一目标连接路径；
根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，从多个第二候选连接路径中确定至少一个第二目标连接路径。
在一种可能的实现中，端口为输入输出I/O单元，引脚为转接单元bump。
在一种可能的实现中，多个第一候选连接路径中的至少两个第一候选连接路径之间相交；或者，
每个第二候选连接路径与多个第一候选连接路径之间不相交；或者，
至少一个第二候选连接路径与多个第一候选连接路径中的至少一个第一候选连接路径之间相交；或者，
多个第二候选连接路径中的至少两个第二候选连接路径之间相交。
在一种可能的实现中，方法还包括：
输出多个第一端口和多个第一引脚之间形成的多个第一初始候选连接路径，并基于对多个第一初始候选连接路径中至少一个第一初始候选连接路径的修改指令，得到多个第一候选连接路径。
在一种可能的实现中，方法还包括：
输出至少一个第一目标连接路径。
在一种可能的实现中，第一功能或第二功能为如下的一种：信号传输、接地、电能传输。
在一种可能的实现中，根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，包括：
根据至少一个第一连接路径的信息以及多个第二候选连接路径的信息、且不根据多个第一候选连接路径中除至少一个第一目标连接路径之外的其他第一候选连接路径。
在一种可能的实现中，方法还包括：
输出多个第二端口和多个第二引脚之间形成的多个第二初始候选连接路径，并基于对多个第二初始候选连接路径中至少一个第二初始候选连接路径的修改指令，得到多个第二候选连接路径。
在一种可能的实现中，方法还包括：
输出至少一个第二目标连接路径。
在一种可能的实现中，至少一个第一目标连接路径中的任意两个连接路径之间不相交，至少一个第二目标连接路径中的任意两个连接路径之间不相交，每个第一目标连接路径与至少一个第二目标连接路径中的任意第二目标连接路径之间不相交。
在一种可能的实现中，方法还包括：
基于对至少一个第一目标连接路径的修改信息，得到修改后的至少一个第一目标连接路径；
根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，包括：根据修改后的至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息。
第三方面，本申请提供了一种电路走线确定装置，装置包括：
获取模块，用于获取电路的多个端口的第一信息、以及多个引脚的第二信息；多个端口和多个引脚之间包括多个候选连接路径；候选连接路径为端口和引脚之间的连接路径；
代价值确定模块，用于根据第一信息和第二信息，通过机器学习模型，得到每个候选连接路径的代价值，代价值指示候选连接路径对多个端口和多个引脚之间总连接路径的数量的影响；代价值用于从多个候选连接路径中确定至少一个目标连接路径。
本申请通过机器学习模型，有效评估候选连接路径的代价值，通过代价值确定优选的目标连接路径，从而提高芯片整体的端口与引脚之间的连接数量。
在一种可能的实现中，端口为输入输出I/O单元，引脚为转接单元bump。
在一种可能的实现中，装置还包括：
走线确定模块，用于根据代价值，从多个候选连接路径中确定至少一个目标连接路径；或者，
发送模块，用于向终端设备发送代价值，代价值用于指示终端设备从多个候选连接路径中确定至少一个目标连接路径。
在一种可能的实现中，代价值用于指示候选连接路径对多个端口和多个引脚之间总连接路径的数量的负向影响；多个候选连接路径包括多组候选连接路径，多组候选连接路径中的每组候选连接路径对应于一对端口和引脚；
走线确定模块，具体用于：
根据代价值，从每组候选连接路径中确定代价值最低的候选连接路径为目标连接路径。
在一种可能的实现中，第一信息还指示如下信息的至少一种：端口的功能或端口的优先级；
第二信息还指示如下信息的至少一种：引脚的功能或引脚的优先级。
在一种可能的实现中，候选连接路径包括两端的端口和引脚、以及候选连接路径所经过的至少一个中继点，中继点为相邻引脚之间的中间位置点；
所述根据所述第一信息和所述第二信息，包括：
根据所述候选连接路径所包括的端口的第一信息、所述候选连接路径所包括的引脚的第二信息、以及所述至少一个中继点的位置信息。
在一种可能的实现中，多个端口包括多个第一端口以及多个第二端口，多个引脚包括多个第一引脚以及多个第二引脚，多个第一端口和多个第一引脚用于实现第一功能；多个第二端口和多个第二引脚用于实现第二功能，第一功能和第二功能不同；
多个候选连接路径包括多个第一端口和多个第一引脚之间形成的多个第一候选连接路径，以及多个第二端口和多个第二引脚之间形成的多个第二候选连接路径；
代价值确定模块，具体用于：根据多个第一候选连接路径的信息以及多个第二候选连接路径的信息，通过机器学习模型，得到每个第一候选连接路径的代价值；
走线确定模块，具体用于：根据每个第一候选连接路径的代价值，从多个第一候选连接路径中确定至少一个第一目标连接路径。
在一种可能的实现中，多个第一候选连接路径中的至少两个第一候选连接路径之间相交；或者，
每个第二候选连接路径与多个第一候选连接路径之间不相交；或者，
至少一个第二候选连接路径与多个第一候选连接路径中的至少一个第一候选连接路径之间相交；或者，
多个第二候选连接路径中的至少两个第二候选连接路径之间相交。
在一种可能的实现中，装置还包括：
输出模块，用于输出至少一个第一目标连接路径。
在一种可能的实现中，输出模块，还用于：
输出多个第一端口和多个第一引脚之间的多个第一初始候选连接路径，并基于对多个第一初始候选连接路径中至少一个第一初始候选连接路径的修改指令，得到多个第一候选连接路径。
在一种可能的实现中，代价值确定模块，还用于：根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，通过机器学习模型，得到每个第二候选连接路径的代价值；
走线确定模块，还用于：根据每个第二候选连接路径的代价值，从多个第二候选连接路径中确定至少一个第二目标连接路径。
在一种可能的实现中，多个候选连接路径还包括多个第二端口和多个第二引脚之间形成的至少一个第三候选连接路径，代价值确定模块，具体用于：
根据至少一个第一目标连接路径的信息、多个第二候选连接路径以及至少一个第三候选连接路径的信息。
在一种可能的实现中，第一功能或第二功能为如下的一种：信号传输、接地、电能传输。
在一种可能的实现中，输出模块，还用于：
输出至少一个第二目标连接路径。
在一种可能的实现中，至少一个目标连接路径中的任意两个目标连接路径之间不相交。
在一种可能的实现中，输出模块，还用于：
输出多个第二端口和多个第二引脚之间形成的多个第二初始候选连接路径，并基于对多个第二初始候选连接路径中至少一个第二初始候选连接路径的修改指令，得到多个第二候选连接路径。
在一种可能的实现中，至少一个目标连接路径中的任意两个目标连接路径之间不相交。
在一种可能的实现中，获取模块，还用于：
基于对至少一个第一目标连接路径的修改信息，得到修改后的至少一个第一目标连接路径；
根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，包括：根据修改后的至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息。
在一种可能的实现中，第一信息指示第一端口的优先级高于第二端口的优先级；或者，第二信息指示第一引脚的优先级高于第二引脚的优先级。
在一种可能的实现中，走线确定模块，具体用于：
根据代价值，通过最小代价最大流算法，从多个候选连接路径中确定至少一个目标连接路径。
第四方面，本申请提供了一种电路走线确定装置，装置包括：
获取模块，用于获取电路的多个输入输出端口的第一信息、以及多个转接单元引脚的第二信息；多个端口包括多个第一端口以及多个第二端口，多个引脚包括多个第一引脚以及多个第二引脚；多个第一端口和多个第一引脚之间形成多个第一候选连接路径，多个第二端口和多个第二引脚之间形成多个第二候选连接路径；
走线确定模块，用于基于第一信息和第二信息指示第一端口的重要性高于第二端口的重要性，根据多个第一候选连接路径的信息以及多个第二候选连接路径的信息，从多个第一候选连接路径中确定至少一个第一目标连接路径；
根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，从多个第二候选连接路径中确定至少一个第二目标连接路径。
在一种可能的实现中，端口为输入输出I/O单元，引脚为转接单元bump。
在一种可能的实现中，多个第一候选连接路径中的至少两个第一候选连接路径之间相交；或者，
每个第二候选连接路径与多个第一候选连接路径之间不相交；或者，
至少一个第二候选连接路径与多个第一候选连接路径中的至少一个第一候选连接路径之间相交；或者，
多个第二候选连接路径中的至少两个第二候选连接路径之间相交。
在一种可能的实现中，装置还包括：
输出模块，用于输出多个第一端口和多个第一引脚之间形成的多个第一初始候选连接路径，并基于对多个第一初始候选连接路径中至少一个第一初始候选连接路径的修改指令，得到多个第一候选连接路径。
在一种可能的实现中，装置还包括：
输出模块，用于输出至少一个第一目标连接路径。
在一种可能的实现中，第一功能或第二功能为如下的一种：信号传输、接地、电能传输。
在一种可能的实现中，根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，包括：
根据至少一个第一连接路径的信息以及多个第二候选连接路径的信息、且不根据多个第一候选连接路径中除至少一个第一目标连接路径之外的其他第一候选连接路径。
在一种可能的实现中，输出模块，还用于：
输出多个第二端口和多个第二引脚之间形成的多个第二初始候选连接路径，并基于对多个第二初始候选连接路径中至少一个第二初始候选连接路径的修改指令，得到多个第二候选连接路径。
在一种可能的实现中，输出模块，还用于：
输出至少一个第二目标连接路径。
在一种可能的实现中，至少一个第一目标连接路径中的任意两个连接路径之间不相交，至少一个第二目标连接路径中的任意两个连接路径之间不相交，每个第一目标连接路径与至少一个第二目标连接路径中的任意第二目标连接路径之间不相交。
在一种可能的实现中，获取模块，还用于：
基于对至少一个第一目标连接路径的修改信息，得到修改后的至少一个第一目标连接路径；
根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，包括：根据修改后的至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息。
第五方面，本申请实施例提供了一种电路走线确定装置，可以包括存储器、处理器以及总线系统，其中，存储器用于存储程序，处理器用于执行存储器中的程序，以执行如上述第一方面及其任一可选的方法、或者上述第二方面及其任一可选的方法。
第六方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行上述第一方面及其任一可选的方法、或者上述第二方面及其任一可选的方法。
第七方面，本申请实施例提供了一种包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面及其任一可选的方法、或者上述第二方面及其任一可选的方法。
第八方面，本申请提供了一种芯片系统，该芯片系统包括处理器，用于支持电路走线确定装置实现上述方面中所涉及的部分或全部功能，例如，发送或处理上述方法中所涉及的数据；或，信息。在一种可能的设计中，芯片系统还包括存储器，存储器，用于保存执行设备或训练设备必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。
附图说明
图1为一种应用架构示意；
图2为一种应用架构示意；
图3为一种应用架构示意；
图4为一种应用架构示意；
图5a为一种应用架构示意；
图5b为一种应用架构示意；
图6为一种应用架构示意；
图7a为本申请实施例提供的一种电路走线确定方法的实施例示意；
图7b为本申请实施例提供的一种电路走线确定方法的实施例示意；
图7c为本申请实施例提供的一种电路走线确定方法的实施例示意；
图7d为本申请实施例提供的一种电路走线确定方法的实施例示意；
图7e为本申请实施例提供的一种电路走线确定方法的实施例示意；
图7f为本申请实施例提供的一种电路走线确定方法的实施例示意；
图8为本申请实施例中一种界面的示意；
图9为本申请实施例中一种界面的示意；
图10a为本申请实施例中一种界面的示意；
图10b为本申请实施例中一种界面的示意；
图11a为本申请实施例中一种界面的示意；
图11b为本申请实施例中一种界面的示意；
图12为本申请实施例中一种界面的示意；
图13为本申请实施例中一种界面的示意；
图14为本申请实施例中一种界面的示意；
图15为本申请实施例中一种界面的示意；
图16为本申请实施例中一种界面的示意；
图17为本申请实施例中一种界面的示意；
图18为本申请实施例中一种界面的示意；
图19为本申请实施例中一种界面的示意；
图20为本申请实施例提供的一种电路走线确定方法的实施例示意；
图21为本申请实施例提供的一种电路走线确定方法的实施例示意；
图22为本申请实施例提供的一种电路走线确定方法的实施例示意；
图23为本申请实施例提供的一种电路走线确定装置的实施例示意；
图24为本申请实施例提供的一种电路走线确定装置的实施例示意；
图25为本申请实施例提供的执行设备的一种结构示意图；
图26是本申请实施例提供的服务器一种结构示意图；
图27为本申请实施例提供的芯片的一种结构示意图。
具体实施方式
下面结合本发明实施例中的附图对本发明实施例进行描述。本发明的实施方式部分使用的术语仅用于对本发明的具体实施例进行解释，而非旨在限定本发明。
下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
应理解，当称一元件或层位于另一元件或层“上(on)”、“连接到(connected to)”或“耦合到(coupledto)”另一元件或层时，所述元件或层可直接位于所述另一元件或层上、直接连接到或直接耦合到所述另一元件或层，抑或可存在一个或多个中间元件或层。还应理解，当称一元件或层位于两个元件或层“之间(between)”时，所述元件或层可为所述两个元件或层之间的唯一元件或层，或者也可存在一个或多个中间元件或层。
本文中所用用语“基本(substantially)”、“大约(about)”及类似用语用作近似用语、而并非用作程度用语，且旨在考虑到所属领域中的普通技术人员将知的测量值或计算值的固有偏差。此外，在阐述本发明实施例时使用“可(may)”是指“可能的一个或多个实施例”。本文中所用用语“使用(use)”、“正使用(using)”、及“被使用(used)”可被视为分别与用语“利用(utilize)”、“正利用(utilizing)”、及“被利用(utilized)”同义。另外，用语“示例性(exemplary)”旨在指代实例或例示。
首先介绍本申请的应用场景，本申请可以但不限于应用在电路设计类应用程序或者云侧服务器提供的云服务等，接下来分别进行介绍：
一、电路设计类应用程序
本申请实施例的产品形态可以为电路设计类应用程序，例如芯片设计类应用程序，又例如，具体可以为电子设计自动化(electronic design automation，EDA)软件。EDA可以运行在终端设备或者云侧的服务器上。
以EDA为例，在一种可能的实现中，EDA可以实现电路的引脚的自动连接的任务，其中，EDA可以响应于输入的电路参数而生成电路布局(例如可以以电路示意图的形式表达电路布局)。在本申请实施例中，电路参数可以为引脚单元的信息，生成的电路示意图或者电路布局可以包括引脚单元之间的连接关系。
示意图可任选地由电子设计自动化(EDA)软件系统(例如晶体管示意图及布局编辑工具(例如，Mentor或))处理以产生布局、执行布局与示意图对照(layout versusschematic，LVS)及/或设计规则检查(design rule check，DRC)，且可将示意图发送到制造设施(例如，半导体制作或“FAB”)以(举例来说)产生具有所要性质的集成电路(例如，芯片)。通常，可由模拟电路设计专业人员花费大量时间及精力来设计针对模拟集成电路的示意图。有利地，使用本文中所描述的技术的系统及方法可非常快地且用比在使用传统技术来设计每一电路的情况下将需要的时间基本上少的时间生成针对电子电路(例如，完整芯片)的示意图。
其中，本申请实施例中的端口可以为输入/输出(input/output，I/O)单元，引脚可以为转接单元bump。
在一种可能的实现中，I/O单元可以位于电路(例如芯片)的边缘区域，I/O单元可以负责和外部元件连接，I/O单元可以作为与外部元件进行数据交换、能量传递等功能的端口。
其中，转接单元(bump)也可以称之为晶圆、凸点或者凸块，位于电路(例如芯片)的内部区域，bump可以和I/O单元连接，和I/O单元进行数据交换、能量传递等。
其中，I/O单元和bump之间的连接是电路设计的重要流程之一，为了提高电路自身的性能，需要最大程度提高I/O-bump的连接数量。
接下来分别从功能架构以及实现功能的产品架构介绍本申请实施例中的电路设计类应用程序。
参照图1，图1为本申请实施例中电路设计类应用程序的功能架构示意：
在一种可能的实现中，本申请实施例包含能够基于输入参数而自动生成电路示意图的系统(例如电路设计类应用程序)，其中，对系统输入不同的参数值可致使不同电路示意图自动生成。如图1所示，电路设计类应用程序102可接收输入的参数101且产生电路示意图103。电路设计类应用程序102可在(举例来说)至少一个计算机系统上执行，且包括计算机代码，所述计算机代码在由一或多个计算机执行时致使所述计算机执行用于执行本文中所描述的电路走线确定方法。
在一种可能的实现中，参照图2，参数可包含规定电路组件(例如，“I/O单元”、“bump”)的文本或(举例来说)用于唯一地确定应用于对应电路组件的规则集合的一或多个标识符(ID)，例如一或多个代码。参数可以用于描述电路组件(例如，“I/O单元”、“bump”)的特征，例如位置特征、功能特征、优先级特征(上述三种特征将在后续实施例中描述，这里不再赘述)。
在一种可能的实现中，参照图3，电路设计应用程序可以包括机器学习模型、以及连接算法(例如本申请实施例中的最小代价最大流算法)。可选的，可以将I/O单元的信息以及bump的信息输入到机器学习模型中，可以得到各个候选连接路径的代价值，进而可以基于代价值通过连接算法，得到并输出走线设计结果(例如电路示意图)。
例如，可将走线设计结果发送到制造设施以(举例来说)生产具有所要性质的集成电路(例如，芯片)。
在一种可能的实现中，电路类设计软件可以运行在端侧的终端设备或者运行在云侧的服务器中。
例如，终端设备可以安装有电路类设计软件，包括数据输入、数据处理(例如本申请实施例中的电路走线确定方法)以及数据输出的动作可以为终端设备执行的。
例如，终端设备可以安装有电路类设计软件的客户端，包括数据输入以及数据输出的动作可以为终端设备执行的，而数据处理(例如本申请实施例中的电路走线确定方法)的动作可以为云侧的服务器执行的，也就是说，终端设备可以将数据处理(例如本申请实施例中的电路走线确定方法)所需的数据传输到云侧的服务器，云侧的服务器在执行完数据处理动作后，可以将数据处理结果返回至端侧的终端设备，由终端设备基于处理结果进行输出。
接下来介绍本申请实施例中运行电路设计类应用程序的实体架构。
参照图4，图4为本申请实施例中运行电路设计类应用程序的实体架构示意：
参见图4，图4示出了一种系统架构示意图。该系统可以包括终端100、以及服务器200。其中，服务器200可以包括一个或者多个服务器(图4中以包括一个服务器作为示例进行说明)，服务器200可以为一个或者多个终端提供电路走线服务。
其中，终端100上可以安装有电路类设计应用程序，或者打开与电路类设计相关的网页，上述应用程序和网页可以提供一个电路类设计界面，终端100可以接收用户在电路类设计界面上输入的相关参数，并将上述参数发送至服务器200，服务器200可以基于接收到的参数，得到处理结果，并将处理结果返回至至终端100。
应理解，在一些可选的实现中，终端100也可以由自身完成基于接收到的参数，得到数据处理结果的动作，而不需要服务器配合实现，本申请实施例并不限定。
接下来描述图4中终端100的产品形态；
本申请实施例中的终端100可以为手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personaldigital assistant，PDA)等，本申请实施例对此不作任何限制。
图5a示出了终端100的一种可选的硬件结构示意图。
参考图5a所示，终端100可以包括射频单元110、存储器120、输入单元130、显示单元140、摄像头150(可选的)、音频电路160(可选的)、扬声器161(可选的)、麦克风162(可选的)、处理器170、外部接口180、电源190等部件。本领域技术人员可以理解，图5a仅仅是终端或多功能设备的举例，并不构成对终端或多功能设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
输入单元130可用于接收输入的数字或字符信息，以及产生与该便携式多功能装置的用户设置以及功能控制有关的键信号输入。具体地，输入单元130可包括触摸屏131(可选的)和/或其他输入设备132。该触摸屏131可收集用户在其上或附近的触摸操作(比如用户使用手指、关节、触笔等任何适合的物体在触摸屏上或在触摸屏附近的操作)，并根据预先设定的程序驱动相应的连接装置。触摸屏可以检测用户对触摸屏的触摸动作，将该触摸动作转换为触摸信号发送给该处理器170，并能接收该处理器170发来的命令并加以执行；该触摸信号至少包括触点坐标信息。该触摸屏131可以提供该终端100和用户之间的输入界面和输出界面。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触摸屏。除了触摸屏131，输入单元130还可以包括其他输入设备。具体地，其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键132、开关按键133等)、轨迹球、鼠标、操作杆等中的一种或多种。
其中，输入设备132可以接收到电路走线设计相关的参数，例如本申请实施例中的I/O单元的第一信息、bump的第二信息、针对于候选连接路径的修改指令等等。
该显示单元140可用于显示由用户输入的信息或提供给用户的信息、终端100的各种菜单、交互界面、文件显示和/或任意一种多媒体文件的播放。在本申请实施例中，显示单元140可用于显示电路类设计应用程序的界面、走线设计结果、候选连接路径的示意等。
该存储器120可用于存储指令和数据，存储器120可主要包括存储指令区和存储数据区，存储数据区可存储各种数据，如多媒体文件、文本等；存储指令区可存储操作系统、应用、至少一个功能所需的指令等软件单元，或者他们的子集、扩展集。还可以包括非易失性随机存储器；向处理器170提供包括管理计算处理设备中的硬件、软件以及数据资源，支持控制软件和应用。还用于多媒体文件的存储，以及运行程序和应用的存储。
处理器170是终端100的控制中心，利用各种接口和线路连接整个终端100的各个部分，通过运行或执行存储在存储器120内的指令以及调用存储在存储器120内的数据，执行终端100的各种功能和处理数据，从而对终端设备进行整体控制。可选的，处理器170可包括一个或多个处理单元；优选的，处理器170可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器170中。在一些实施例中，处理器、存储器、可以在单一芯片上实现，在一些实施例中，他们也可以在独立的芯片上分别实现。处理器170还可以用于产生相应的操作控制信号，发给计算处理设备相应的部件，读取以及处理软件中的数据，尤其是读取和处理存储器120中的数据和程序，以使其中的各个功能模块执行相应的功能，从而控制相应的部件按指令的要求进行动作。
其中，存储器120可以用于存储电路走线确定方法相关的软件代码，处理器170可以执行芯片的电路走线确定方法的步骤，也可以调度其他单元(例如上述输入单元130以及显示单元140)以实现相应的功能。
该射频单元110(可选的)可用于收发信息或通话过程中信号的接收和发送，例如，将基站的下行信息接收后，给处理器170处理；另外，将设计上行的数据发送给基站。通常，RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier，LNA)、双工器等。此外，射频单元110还可以通过无线通信与网络设备和其他设备通信。该无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System of Mobile communication，GSM)、通用分组无线服务(General PacketRadio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。
其中，在本申请实施例中，该射频单元110可以将芯片的参数发送至服务器200，并接收到服务器200发送的走线设计结果。
应理解，该射频单元110为可选的，其可以被替换为其他通信接口，例如可以是网口。
终端100还包括给各个部件供电的电源190(比如电池)，优选的，电源可以通过电源管理系统与处理器170逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
终端100还包括外部接口180，该外部接口可以是标准的Micro USB接口，也可以使多针连接器，可以用于连接终端100与其他装置进行通信，也可以用于连接充电器为终端100充电。
尽管未示出，终端100还可以包括闪光灯、无线保真(wireless fidelity，WiFi)模块、蓝牙模块、不同功能的传感器等，在此不再赘述。下文中描述的部分或全部方法均可以应用在如图5a所示的终端100中。
接下来描述图4中服务器200的产品形态；
图5b提供了一种服务器200的结构示意图，如图5b所示，服务器200包括总线201、处理器202、通信接口203和存储器204。处理器202、存储器204和通信接口203之间通过总线201通信。
总线201可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5b中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器202可以为中央处理器(central processing unit，CPU)、图形处理器(graphics processing unit，GPU)、微处理器(micro processor，MP)或者数字信号处理器(digital signal processor，DSP)等处理器中的任意一种或多种。
存储器204可以包括易失性存储器(volatile memory)，例如随机存取存储器(random access memory，RAM)。存储器204还可以包括非易失性存储器(non-volatilememory)，例如只读存储器(read-only memory，ROM)，快闪存储器，机械硬盘(hard drivedrive，HDD)或固态硬盘(solid state drive，SSD)。
其中，存储器204可以用于存储电路走线确定方法相关的软件代码，处理器202可以执行芯片的电路走线确定方法的步骤，也可以调度其他单元以实现相应的功能。
应理解，上述终端100和服务器200可以为集中式或者是分布式的设备，上述终端100和服务器200中的处理器(例如处理器170以及处理器202)可以为硬件电路(如专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)、通用处理器、数字信号处理器(digital signalprocessing，DSP)、微处理器或微控制器等等)、或这些硬件电路的组合，例如，处理器可以为具有执行指令功能的硬件系统，如CPU、DSP等，或者为不具有执行指令功能的硬件系统，如ASIC、FPGA等，或者为上述不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合。
应理解，本申请实施例中的电路走线确定方法涉及AI相关的运算，在执行AI运算时，终端设备和服务器的指令执行架构不仅仅局限在图5a以及图5b所示的处理器结合存储器的架构。下面结合图6对本申请实施例提供的系统架构进行详细的介绍。
图6为本申请实施例提供的系统架构示意图。如图6所示，系统架构500包括执行设备510、训练设备520、数据库530、客户设备540、数据存储系统550以及数据采集系统560。
执行设备510包括计算模块511、I/O接口512、预处理模块513和预处理模块514。计算模块511中可以包括目标模型/规则501，预处理模块513和预处理模块514是可选的。
其中，执行设备510可以为上述运行电路设计类应用程序的终端设备或者服务器。
数据采集设备560用于采集训练样本。训练样本可以为I/O单元的信息、bump的信息以及总连接数量等。在采集到训练样本之后，数据采集设备560将这些训练样本存入数据库530。
训练设备520可以基于数据库530中维护训练样本，对待训练的神经网络(例如本申请实施例中的机器学习模型等)，以得到目标模型/规则501。
需要说明的是，在实际应用中，数据库530中维护的训练样本不一定都来自于数据采集设备560的采集，也有可能是从其他设备接收得到的。另外需要说明的是，训练设备520也不一定完全基于数据库530维护的训练样本进行目标模型/规则501的训练，也有可能从云端或其他地方获取训练样本进行模型训练，上述描述不应该作为对本申请实施例的限定。
根据训练设备520训练得到的目标模型/规则501可以应用于不同的系统或设备中，如应用于图6所示的执行设备510，该执行设备510可以是终端，如手机终端，平板电脑，笔记本电脑，增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备，车载终端等，还可以是服务器等。
具体的，训练设备520可以将训练后的模型传递至执行设备510。
在图6中，执行设备510配置输入/输出(input/output，I/O)接口512，用于与外部设备进行数据交互，用户可以通过客户设备540向I/O接口512输入数据(例如本申请实施例中的I/O单元的第一信息、bump的第二信息等)。
预处理模块513和预处理模块514用于根据I/O接口512接收到的输入数据进行预处理。应理解，可以没有预处理模块513和预处理模块514或者只有的一个预处理模块。当不存在预处理模块513和预处理模块514时，可以直接采用计算模块511对输入数据进行处理。
在执行设备510对输入数据进行预处理，或者在执行设备510的计算模块511执行计算等相关的处理过程中，执行设备510可以调用数据存储系统550中的数据、代码等以用于相应的处理，也可以将相应处理得到的数据、指令等存入数据存储系统550中。
最后，I/O接口512将处理结果(例如本申请实施例中目标连接路径)提供给客户设备540，从而提供给用户。
在图6所示情况下，用户可以手动给定输入数据，该“手动给定输入数据”可以通过I/O接口512提供的界面进行操作。另一种情况下，客户设备540可以自动地向I/O接口512发送输入数据，如果要求客户设备540自动发送输入数据需要获得用户的授权，则用户可以在客户设备540中设置相应权限。用户可以在客户设备540查看执行设备510输出的结果，具体的呈现形式可以是显示、声音、动作等具体方式。客户设备540也可以作为数据采集端，采集如图所示输入I/O接口512的输入数据及输出I/O接口512的输出结果作为新的样本数据，并存入数据库530。当然，也可以不经过客户设备540进行采集，而是由I/O接口512直接将如图所示输入I/O接口512的输入数据及输出I/O接口512的输出结果，作为新的样本数据存入数据库530。
值得注意的是，图6仅是本申请实施例提供的一种系统架构的示意图，图中所示设备、器件、模块等之间的位置关系不构成任何限制，例如，在图6中，数据存储系统550相对执行设备510是外部存储器，在其它情况下，也可以将数据存储系统550置于执行设备510中。应理解，上述执行设备510可以部署于客户设备540中。
从模型的推理侧来说：
本申请实施例中，上述执行设备520的计算模块511可以获取到数据存储系统550中存储的代码来实现本申请实施例中的电路走线确定方法。
本申请实施例中，执行设备520的计算模块511可以包括硬件电路(如专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)、通用处理器、数字信号处理器(digital signalprocessing，DSP)、微处理器或微控制器等等)、或这些硬件电路的组合，例如，训练设备520可以为具有执行指令功能的硬件系统，如CPU、DSP等，或者为不具有执行指令功能的硬件系统，如ASIC、FPGA等，或者为上述不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合。
具体的，执行设备520的计算模块511可以为具有执行指令功能的硬件系统，本申请实施例提供的连接关系预测方法可以为存储在存储器中的软件代码，执行设备520的计算模块511可以从存储器中获取到软件代码，并执行获取到的软件代码来实现本申请实施例提供的电路走线确定方法。
应理解，执行设备520的计算模块511可以为不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合，本申请实施例提供的电路走线确定方法的部分步骤还可以通过执行设备520的计算模块511中不具有执行指令功能的硬件系统来实现，这里并不限定。
从模型的训练侧来说：
本申请实施例中，上述训练设备520可以获取到存储器(图6中未示出，可以集成于训练设备520或者与训练设备520分离部署)中存储的代码来实现本申请实施例中和模型训练相关的步骤。
本申请实施例中，训练设备520可以包括硬件电路(如专用集成电路(applicationspecific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gatearray，FPGA)、通用处理器、数字信号处理器(digital signal processing，DSP)、微处理器或微控制器等等)、或这些硬件电路的组合，例如，训练设备520可以为具有执行指令功能的硬件系统，如CPU、DSP等，或者为不具有执行指令功能的硬件系统，如ASIC、FPGA等，或者为上述不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合。
应理解，训练设备520可以为不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合，本申请实施例提供的中和模型训练相关的部分步骤还可以通过训练设备520中不具有执行指令功能的硬件系统来实现，这里并不限定。
二、服务器提供的云服务：
在一种可能的实现中，服务器可以通过应用程序编程接口(applicationprogramming interface，API)为端侧提供电路走线确定的服务。
其中，终端设备可以通过云端提供的API，将相关参数(例如I/O单元的信息等、bump的信息等)发送至服务器，服务器可以基于接收到的参数，得到处理结果，并将处理结果(例如目标连接路径等)返回至至终端。
关于终端以及服务器的描述可以上述实施例的描述，这里不再赘述。
由于本申请实施例涉及大量神经网络的应用，为了便于理解，下面先对本申请实施例涉及的相关术语及神经网络等相关概念进行介绍。
(1)神经网络
神经网络可以是由神经单元组成的，神经单元可以是指以xs(即输入数据)和截距1为输入的运算单元，该运算单元的输出可以为：
Figure BDA0003625771820000201
其中，s＝1、2、……n，n为大于1的自然数，Ws为xs的权重，b为神经单元的偏置。f为神经单元的激活函数(activation functions)，用于将非线性特性引入神经网络中，来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入，激活函数可以是sigmoid函数。神经网络是将多个上述单一的神经单元联结在一起形成的网络，即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连，来提取局部接受域的特征，局部接受域可以是由若干个神经单元组成的区域。
(2)深度神经网络
深度神经网络(Deep Neural Network，DNN)，也称多层神经网络，可以理解为具有很多层隐含层的神经网络，这里的“很多”并没有特别的度量标准。从DNN按不同层的位置划分，DNN内部的神经网络可以分为三类：输入层，隐含层，输出层。一般来说第一层是输入层，最后一层是输出层，中间的层数都是隐含层。层与层之间是全连接的，也就是说，第i层的任意一个神经元一定与第i+1层的任意一个神经元相连。虽然DNN看起来很复杂，但是就每一层的工作来说，其实并不复杂，简单来说就是如下线性关系表达式：
Figure BDA0003625771820000211
其中，
Figure BDA0003625771820000212
是输入向量，
Figure BDA0003625771820000213
是输出向量，
Figure BDA0003625771820000214
是偏移向量，W是权重矩阵(也称系数)，α()是激活函数。每一层仅仅是对输入向量
Figure BDA0003625771820000215
经过如此简单的操作得到输出向量
Figure BDA0003625771820000216
由于DNN层数多，则系数W和偏移向量
Figure BDA0003625771820000217
的数量也就很多了。这些参数在DNN中的定义如下所述：以系数W为例：假设在一个三层的DNN中，第二层的第4个神经元到第三层的第2个神经元的线性系数定义为
Figure BDA0003625771820000218
上标3代表系数W所在的层数，而下标对应的是输出的第三层索引2和输入的第二层索引4。总结就是：第L-1层的第k个神经元到第L层的第j个神经元的系数定义为
Figure BDA0003625771820000219
需要注意的是，输入层是没有W参数的。在深度神经网络中，更多的隐含层让网络更能够刻画现实世界中的复杂情形。理论上而言，参数越多的模型复杂度越高，“容量”也就越大，也就意味着它能完成更复杂的学习任务。训练深度神经网络的也就是学习权重矩阵的过程，其最终目的是得到训练好的深度神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。
(3)图(Graph)：
图为包括至少一个顶点以及至少一条边的数据结构。在一些场景中，图中的顶点可以映射为实体，图中的边可以映射为实体与实体之间的关系。图可以是有向图或无向图。当然，图还可以包括顶点以及边以外的其他数据，例如顶点的标签以及边的标签等。在一个示例性场景中，应用于好友推荐的场景中，图中的每个顶点可以表示一个用户，图中的每条边可以表示不同用户之间的社交关系，图中每个顶点的数据为用户的画像数据以及用户的行为数据，例如用户的年龄、职业、爱好、学历等。又如，应用于在商品推荐的场景中，图中的每个顶点可以表示一个用户或一个商品，图中的每条边可以表示用户与商品之间的交互关系，例如购买关系、收藏关系等。又如，应用于金融风控的场景中，图中的每个顶点可以表示账号、交易或资金。图中的边可以表示资金的流动关系，例如图中的环路可以表示循环转账。再如，应用于网络系统中网元之间连接关系确定的场景中，图中的每个顶点可以表示一个网元，例如路由器、交换机、终端等，图中的每条边可以表示不同网元之间的连接关系。
(4)图神经网络(graph neural network，GNN)：
GNN是一种带有结构信息的深度学习方法，可以用于计算节点当前的状态。图神经网络的信息传递按照给定的图结构进行，可以根据相邻节点更新每个节点的状态。具体地，其可以根据当前节点的结构图，以神经网络作为点信息的聚合函数，将所有相邻节点的信息传递到当前节点，结合当前节点的状态进行更新。图神经网络的输出为所有节点的状态。
(5)损失函数
在训练深度神经网络的过程中，因为希望深度神经网络的输出尽可能的接近真正想要预测的值，所以可以通过比较当前网络的预测值和真正想要的目标值，再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然，在第一次更新之前通常会有初始化的过程，即为深度神经网络中的各层预先配置参数)，比如，如果网络的预测值高了，就调整权重向量让它预测低一些，不断的调整，直到深度神经网络能够预测出真正想要的目标值或与真正想要的目标值非常接近的值。因此，就需要预先定义“如何比较预测值和目标值之间的差异”，这便是损失函数(loss function)或目标函数(objective function)，它们是用于衡量预测值和目标值的差异的重要方程。其中，以损失函数举例，损失函数的输出值(loss)越高表示差异越大，那么深度神经网络的训练就变成了尽可能缩小这个loss的过程。
(6)反向传播算法
卷积神经网络可以采用误差反向传播(back propagation，BP)算法在训练过程中修正初始的超分辨率模型中参数的大小，使得超分辨率模型的重建误差损失越来越小。具体地，前向传递输入信号直至输出会产生误差损失，通过反向传播误差损失信息来更新初始的超分辨率模型中参数，从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动，旨在得到最优的超分辨率模型的参数，例如权重矩阵。
(7)端口
端口为电路(例如芯片)的边缘，用于作为与外围电路之间通信或者能量传递的接口。
(8)引脚
引脚为电路中具备一定功能的管脚，引脚为引线末端的一段，通过软钎焊使这一段与电路板上的焊盘共同形成焊点。
(9)中继点
在电路上，相邻引脚之间存在着不包括焊点的裸板区域，中继点为定义在裸板区域上的逻辑点，中继点为端口和引脚之间连接路径上的点。
(10)I/O单元
I/O单元可以位于电路(例如芯片)的边缘区域，I/O单元可以负责和外部元件连接，I/O单元可以作为与外部元件进行数据交换、能量传递等功能的端口。
(11)bump
转接单元(bump)也可以称之为晶圆、凸点或者凸块，位于电路(例如芯片)的内部区域，bump可以和I/O单元连接，和I/O单元进行数据交换、能量传递等。
电路中的端口和引脚之间的匹配走线，例如I/O单元和bump之间的匹配走线是芯片设计的重要流程之一，具有耗时长、检查难、需求量大等特点，通常需要依靠芯片设计师的人工经验进行排查，通过可交互式软件手动调节对应引脚匹配走线，并且在满足引脚多优先级类型约束的前提下最大程度提高I/O单元和bump之间的实际连接数量。目前，业界常用基于规则构造约束下的解析型方法处理芯片引脚自动匹配走线问题，根据芯片引脚类型和预先定义的走线规则实现自动布线功能。然而，基于规则构造约束下的解析型方法泛化性不佳、走线规则繁杂耦合，计算复杂度高，并且容易陷入到局部极值解，导致电路走线的整体性能不佳。
为了解决上述问题，参照图7a，图7a为本申请实施例提供的一种电路走线确定方法的流程示意，如图7a所示，本申请实施例提供的一种电路走线确定方法包括：
701、获取电路的多个端口的第一信息、以及多个引脚的第二信息；所述多个端口和所述多个引脚之间包括多个候选连接路径；所述候选连接路径为端口和引脚之间的连接路径。
其中，步骤701的执行主体可以为终端设备或者服务器，具体可以参照上述实施例中的描述，这里不再赘述。
在一种可能的实现中，所述端口为输入输出I/O单元，所述引脚为转接单元bump。
其中，多个端口的第一信息可以理解为多个端口中每个端口的第一信息。
其中，多个引脚的第二信息可以理解为多个引脚中每个引脚的第二信息。
在一种可能的实现中，第一信息可以包括端口的位置特征、功能特征或者优先级特征中的一种或多种。第二信息可以为引脚的位置特征、功能特征或者优先级特征中的一种或多种。
在一种可能的实现中，位置特征可以表示为电路元件的坐标位置，例如位置特征可以为2D平面上的坐标位置，更细节的，位置特征可以为直角坐标系下的XY坐标。
例如，第一信息可以包括端口的坐标位置。
例如，第二信息可以包括引脚的坐标位置。
在一种可能的实现中，功能特征可以表示电路元件所实现的功能。例如，功能可以包括信号传输功能、能量传输功能以及接地等。
例如，第一信息可以包括端口所实现的功能。
例如，第二信息可以包括引脚所实现的功能。
在一种可能的实现中，优先级特征可以表示电路元件的重要程度，该重要程度可以描述电路元件对于连接数量的要求，优先级越高，则电路元件的重要程度越高，则电路元件对于连接数量的要求越高。
在一种可能的实现中，不同功能的电路元件可以具备不同的优先级。
例如，信号传输功能的电路元件的优先级高于能量传输功能的电路元件的优先级，能量传输功能的电路元件的优先级高于接地功能的电路元件的优先级。
在一种可能的实现中，不同功能的电路元件可以具备相同的优先级。
例如，信号传输功能的电路元件的优先级高于能量传输功能的电路元件的优先级，能量传输功能的电路元件的优先级与接地功能的电路元件的优先级相同。
在一种可能的实现中，相同功能的电路元件可以具备不同的优先级。
例如，接地功能中一部分电路元件的优先级可以大于接地功能中另一部分电路元件的优先级。
在一种可能的实现中，可以基于电路设计软件(例如EDA)的界面来输入端口的信息(例如本申请实施例中的第一信息)以及引脚的信息(例如本申请实施例中的第二信息)。
接下来结合界面的描述，介绍输入第一信息以及第二信息的方式的示意：
1、关于位置特征
在一种可能的实现中，以EDA为例，电路设计软件可以提供电路元件的元件库供选择，元件库可包括多种电路单元，例如端口、引脚。
参照图8，可以通过选择并拖动的方式从元件库中将选择的电路单元放置到对应的位置，将端口和引脚放置到对应位置后，可以基于电路元件在电路图上的位置得到端口以及引脚的位置特征，例如，该位置特征可以表示为电路元件的坐标位置，例如位置特征可以为2D平面上的坐标位置，更细节的，位置特征可以为直角坐标系下的XY坐标。
参照图8，可以通过文件的形式来输入第一信息以及第二信息，该文件可以表达出待走线设计的电路的信息。该文件中可以包括端口以及引脚的位置特征。
2、功能特征
参照图9，可以在元件库中选择要摆放的元件以及元件的功能，并拖动到对应的位置，进而可以获取到端口以及引脚的功能特征。
参照图9，可以通过文件的形式来输入第一信息以及第二信息，该文件可以表达出待走线设计的电路的信息。该文件中可以包括端口以及引脚的功能特征。
3、优先级特征
参照图10a，可以通过选择电路单元的优先级(例如图10a所示的优先级1、优先级2以及优先级3等)，并将元件放置到对应的位置，进而可以获取到端口以及引脚的优先级特征。
在一种可能的实现中，可以在将元件库中选择要摆放的元件以及元件的功能，并拖动到对应的位置后，再进行优先级的编辑。参照图10b，可以选择并触发对端口的编辑控件，该控件可以对优先级进行编辑，例如可以选择图10b所示的优先级1、优先级2以及优先级3等。
参照图10a，可以通过文件的形式来输入第一信息以及第二信息，该文件可以表达出待走线设计的电路的信息。该文件中可以包括端口以及引脚的优先级特征。
在一种可能的实现中，所述多个端口和所述多个引脚之间可以包括多个候选连接路径，其中，所述候选连接路径为端口和引脚之间的连接路径(可行连接路径)。
在一种可能的实现中，端口和引脚之间的连接路径可以理解为候选连接路径的两端分别为端口和引脚，通过候选连接路径可以将端口和引脚连接起来，且候选连接路径所经过的区域为不包括端口和引脚的空白区域，也就是未被端口和引脚所占据的区域。
参照图11a，图11a中的方框表示端口，圆形框表示引脚，相同颜色表示相同的功能，如图11a所示的那样，一组端口和引脚之间可以包括一个或多个候选连接路径，也就是以一个端口为起点，可以通过一个或多个路径连接至一个引脚。
在一种可能的实现中，最终确定的端口和引脚之间的目标连接路径可以从候选连接路径中选择。
接下来介绍如何确定端口和引脚之间的至少一个候选连接路径：
在一种可能的实现中，在确定候选连接路径时，相同功能的端口和引脚之间才能形成候选连接路径，第一信息以及第二信息所指示的端口以及引脚的功能特征可以知晓可以形成候选连接路径的对象，也就是第一信息以及第二信息所指示的具有相同功能的端口以及引脚可以作为起点和终点而形成候选连接路径。
例如，图11a中所示的相同颜色的端口和引脚之间可以形成候选连接路径。
在一种可能的实现中，第一信息以及第二信息可以指示端口和引脚的位置特征。基于位置特征可以知晓各个端口和引脚的排布，进而可以基于各个端口和引脚在空间上的排布来确定至少一个候选连接路径。
本申请实施例中，端口和引脚之间可以存在很多数量的候选连接路径，为了降低后续的计算量，可以保留部分的候选连接路径，例如可以选择路径数量小于预设值(示例性的，预设值为3、4、5、6、7)且路径长度相对较小的至少一个候选连接路径。此外，由于相同类型的端口和引脚之间都可以进行连接，为了降低后续的计算量，可以选择距离相对较近的端口和引脚进行候选连接路径的确定。
在一种可能的实现中，端口和引脚之间的至少一个候选连接路径可以通过和用户的交互来实现，例如用户可以在电路设计类应用程序的界面上手动输入端口和引脚之间的至少一个候选连接路径，或者是将包含端口和引脚之间的至少一个候选连接路径电路图文件导入到电路设计类应用程序中，或者是将端口和引脚之间的至少一个候选连接路径传输到云侧服务器。
702、根据所述第一信息和所述第二信息，通过机器学习模型，得到每个所述候选连接路径的代价值，所述代价值用于指示候选连接路径对所述多个端口和所述多个引脚之间总连接路径的数量的影响；所述代价值用于从所述多个候选连接路径中确定至少一个目标连接路径。
在一种可能的实现中，步骤702的执行主体可以为服务器或者终端设备。
具体的，从步骤的执行主体上，可以示例性的分为如下几种情况：
在一种可能的实现中，参照图7b，在一种可能的实现中，终端设备可以获取电路的多个端口的第一信息、以及多个引脚的第二信息，并将第一信息和第二信息(例如可以是基于第一信息和第二信息得到的多个候选连接路径的信息)发送至服务器，服务器可以根据所述第一信息和所述第二信息，通过机器学习模型，得到每个所述候选连接路径的代价值，基于代价值，从所述多个候选连接路径中确定至少一个目标连接路径，并将至少一个目标连接路径回传至终端设备。
在一种可能的实现中，参照图7c，终端设备可以获取电路的多个端口的第一信息、以及多个引脚的第二信息，并将第一信息和第二信息(例如可以是基于第一信息和第二信息得到的多个候选连接路径的信息)发送至服务器，服务器可以根据所述第一信息和所述第二信息，通过机器学习模型，得到每个所述候选连接路径的代价值，并将代价值发送至终端设备，进而终端设备可以基于代价值，从所述多个候选连接路径中确定至少一个目标连接路径。
在一种可能的实现中，参照图7d，终端设备可以获取电路的多个端口的第一信息、以及多个引脚的第二信息，根据所述第一信息和所述第二信息(例如可以是基于第一信息和第二信息得到的多个候选连接路径的信息)，通过机器学习模型，得到每个所述候选连接路径的代价值，并将代价值发送至服务器，进而服务器可以基于代价值，从所述多个候选连接路径中确定至少一个目标连接路径，并将至少一个目标连接路径回传至终端设备。
在一种可能的实现中，参照图7e，终端设备可以获取电路的多个端口的第一信息、以及多个引脚的第二信息，根据所述第一信息和所述第二信息(例如可以是基于第一信息和第二信息得到的多个候选连接路径的信息)，通过机器学习模型，得到每个所述候选连接路径的代价值，基于代价值，从所述多个候选连接路径中确定至少一个目标连接路径。
在一种可能的实现中，参照图7f，服务器可以获取电路的多个端口的第一信息、以及多个引脚的第二信息(可以是来自终端设备发送的)；例如，服务器可以获取多个候选连接路径的信息(可以是来自终端设备发送的)，根据所述第一信息和所述第二信息(例如可以是基于第一信息和第二信息得到的多个候选连接路径的信息)，通过机器学习模型，得到每个所述候选连接路径的代价值，基于代价值，从所述多个候选连接路径中确定至少一个目标连接路径，并将至少一个目标连接路径回传至终端设备。
在一种可能的实现中，所述候选连接路径可以包括两端的端口和引脚、以及所述候选连接路径所经过的至少一个中继点，所述中继点为相邻引脚之间的中间位置点，每个所述候选连接路径的信息包括：所述候选连接路径所包括的端口的第一信息、所述候选连接路径所包括的引脚的第二信息、以及所述至少一个中继点的位置信息。
其中，参照图11b，多个候选连接路径的信息可以包括多个候选连接路径中每个候选连接路径的信息。由于每个候选连接路径可以由起点、至少一个中继点以及终点组成，每个候选连接路径的信息可以包括起点的信息、至少一个中继点的位置信息以及终点的信息。起点可以为端口，起点的信息可以包括端口的第一信息(例如，端口的位置、功能、优先级等)，终点可以为引脚，终点的信息可以包括引脚的第二信息(例如，端口的位置、功能、优先级等)。
在一种可能的实现中，端口和引脚之间的候选连接路径可以包括起点、终点以及至少一个中继点，其中，起点和终点可以为：端口和引脚，中继点可以为相邻引脚之间的位置点，进而，连接路径可以表示为起点、至少一个中继点以及终点的形式。示例性的，可以对端口、引脚以及中继点进行编码，每个端口、每个引脚以及每个中继点可以唯一对应一个编码结果，基于每个编码结果可以唯一确定对应的电路单元(例如端口、引脚或中继点)。通过编码结果的序列可以表征候选连接路径。
在端口和引脚的匹配走线的场景中，需要尽可能的提高端口和引脚之间的连接数量，以便提高芯片的性能。本申请实施例中，为了提高端口和引脚之间的连接数量，可以计算出各个候选连接路径对于多个端口和所述多个引脚之间总连接路径的数量的影响(也就是本申请实施例中的代价值)，并基于代价值来进行端口和引脚之间连接路径的选择。
其中，所述代价值用于指示候选连接路径对所述多个端口和所述多个引脚之间总连接路径的数量的影响，由于最终确定的端口和引脚的各个连接路径之间不相交(例如，存在公共的中继点时可以认为连接路径之间相交)。进而，每条连接路径的确定会对其他端口和引脚之间连接路径的选择造成一定程度的影响(不能再选择存在路径重叠的连接路径)。这里的“影响”可以理解为：若采用了该候选连接路径作为端口和引脚之间的连接路径，会对多个端口和所述多个引脚之间总连接路径的数量的正向影响或者负向影响。以负向影响为例，代价值可以表示：若采用了该候选连接路径作为端口和引脚之间的连接路径，会对多个端口和多个引脚之间总连接路径的数量造成降低的程度。
为了得到上述代价值，在一种可能的实现中，可以根据所述第一信息和所述第二信息，通过机器学习模型，得到每个所述候选连接路径的代价值。
在一种可能的实现中，机器学习模型可以通过训练而具备根据多个候选连接路径的信息得到每个候选连接路径的代价值的能力。
接下来介绍机器学习模型的一个示例：
在一种可能的实现中，机器学习模型可以包括特征提取网络以及任务网络，其中，机器学习模型可以为图神经网络模型，特征提取网络可以(示例性的)为图嵌入网络，可以将多个候选连接路径的信息通过图神经网络模型进行表征，以得到每个节点的特征表示以及边的特征表示，节点可以对应于候选连接路径中的端口、引脚单元或者中继点，边可以为端口和中继点之间的连接边、中继点和中继点之间的连接边、中继点和引脚单元之间的连接边等。可选的，候选连接路径可以表示为二分图的形式，并以二分图的形式输入到特征提取网络中。
示例性的，以节点为例，图嵌入表征过程可以采用GraphSAGE方法进行聚合，聚合具体过程描述为：对每个节点v∈V的相邻节点N(v)进行聚合，得到聚合向量hN(v)。聚合函数采用均值池化，具体表示为：
Figure BDA0003625771820000271
其中，mean为均值池化函数，W为聚合权重，b为聚合偏差，hu为节点u经过图嵌入得到的隐状态，σ为sigmoid激活函数。
在一种可能的实现中，特征提取网络输出的特征表示能够包含多个候选连接路径的连接特征(例如全局连接排布的特征等)，候选连接路径可以通过任务网络得到各个候选连接路径的代价值。
在一种可能的实现中，任务网络可以得到各个边的代价值，进而可以将各个候选连接路径上包括的边的代价值进行综合，以得到各个候选连接路径的代价值。
示例性的，任务网络可以为策略网络πθ，可以采用两层全连接网络结构，称其为决策输出层，为加快训练效率并且降低模型复杂度，可以采用ReLU激活函数作用于决策全连接层隐层。由于决策过程为多优先级序列决策行为，决策过程无法相互间进行影响。定义第i个优先级对应的动作为ai,根据马尔科夫决策过程，当前优先级状态下的动作与之前所有时刻的动作相关，例如可以表示为：
p(a|s)＝∏i＝1,…,Ip(ai|si,ai-1)；
其中p表示对应决策代价评估输出，也就是代价值。
可选的，策略网络的决策输出层对应可行路径的决策评估代价，其可以限制在连续域的[0,1]范围内。
接下来从模型构建以及训练的角度介绍本申请实施例的机器学习模型：
在一种可能的实现中，可以采用强化学习优化图神经网络模型，主要分为构建图神经网络决策模型与马尔科夫决策优化过程两部分。
其中，基于图神经网络模型构建图神经网络决策模型，实现面向多优先级端口与引脚之间连接的状态表征与动作决策。具体而言，图神经网络模型主要由图编码模型与策略决策模型组成，图编码模型由节点模型、边模型与全局模型组成，策略决策模型则是两层全连接网络；其中节点模型用于编码输入的节点信息，边模型用于编码输入的边信息，全局模型用于编码全局节点与边信息。
在马尔科夫决策优化过程中，可以将多优先级端口与引脚之间连接的序列决策问题转换为马尔科夫决策问题。马尔科夫决策基本元素由状态、动作与奖赏的三元组构成，具体定义为：
状态：以端口与引脚之间的位置、类型与优先级作为节点状态，以端口与引脚之间的可行路径与节点邻接关系作为边状态，将两者联合作为决策输入状态。
动作：将输入状态传递至图神经网络模型，生成当前状态下的可行路径代价评估，并将评估值作为当前决策动作。
奖赏：将决策动作传递至最小代价最大流算法以生成端口与引脚之间连接个数，并将该连接个数与基于常用策略下的规则型方法得到的端口与引脚之间连接个数进行比较，以增益差值作为奖赏。
随后，在三元组数据驱动下，以最大化优化目标函数作为引导，采用强化学习方法更新图神经网络模型，具体目标函数定义如下：
Figure BDA0003625771820000281
其中π为策略模型参数，st与at表示对应t时刻的输入状态与决策动作，ρπ为经验回放池，R为对应奖赏函数，H为策略熵函数，α为均衡因子；
在一种可能的实现中，模型训练阶段初期可任意经历冷启动采样过程，经验回放池D为空集，采用随机均匀采样的方式生成对应可行路径的评估代价，作为模型决策输出在匹配走线任务上作用，生成原始转换数据对(st,at,rt,st+1)，存入到经验回放池D。基于Xavier方法随机初始化神经网络模型，构建目标网络模型用于稳定模型更新过程，并且通过软更新机制更新目标网络模型参数。
在冷启动采样过程结束后进入到模型训练采样过程，根据当前的可行解路径与端口与引脚之间位置、类型与优先级节点信息进行状态表征st，输入至图神经网络模型中的策略网络部分，生成待连接边的代价均值与方差。根据相应均值与方差，通过高斯采样得到相应的代价评估值作为动作输出at，将对应可行路径的代价评估值，通过最小代价最大流算法计算得到连通路径个数，将该连通个数与原始规则型方法得到的端口与引脚之间连接个数之差作为奖赏信号rt，并得到对应连接后的下一阶段状态表征st+1。最后将转换数据对(st,at,rt,st+1)记录在经验回放池D，形成模型采样数据。
在采样过程期间进行模型训练过程，通过经验回放池D进行采样得到批经验数据B，采用Soft Actor-Critic强化学习方法进一步平衡探索与利用间关系，定义Q目标值
Figure BDA0003625771820000282
为：
Figure BDA0003625771820000291
其中dt+1表示t+1时刻环境是否处于终止状态,
Figure BDA0003625771820000292
为价值目标网络，
Figure BDA0003625771820000293
为策略目标网络。随后，采用均方误差损失函数更新价值网络Qφ参数，定义为：
Figure BDA0003625771820000294
最终通过最大化目标函数更新策略网络πθ参数，定义为：
Figure BDA0003625771820000295
其中α为探索熵因子，用于平衡探索与利用间的更新权重。
以最大化最终的端口与引脚之间的连接个数作为更新目标，因此将最终的奖赏信号同时分配为每个优先级上进行决策所获得的奖赏。并且，为降低数据关联性而采用随机经验回放的方式，基于强化学习方法最大化更新目标与探索熵值，避免因只追求最大化奖赏而陷入到局部极值解，提高模型探索效率和泛化性能。通过上述更新方式优化图神经网络模型参数。
本申请可以基于强化学习的图神经网络匹配走线决策模型，将所有端口与引脚之间引脚对应的位置、类型以及优先级等因素考虑在内，并且经过图神经网络模型可以解决高维空间状态表征困难的问题。通过与最小代价最大流的有效结合，提高规则型方法的连通数量，避免陷入局部极值解。另外，采用强化学习的方法可以在解空间中进行自主探索，降低了人为参与性，减少了手工设计的难度。
703、根据所述代价值，从所述多个候选连接路径中确定至少一个目标连接路径。
在一种可能的实现中，每个候选连接路径的代价值可以表征出采用了该候选连接路径作为端口和引脚之间的连接路径，会对多个端口和所述多个引脚之间总连接路径的数量的正向影响或者负向影响，进而，针对于每组端口和引脚，可以选择多个候选连接路径中负向影响最小或者正向影响最大的连接路径作为目标连接路径。
在一种可能的实现中，可以通过最小代价最大流算法(也可以称之为最小费用最大流算法)来从所述多个候选连接路径中确定至少一个目标连接路径。
示例性的，在执行最小代价最大流算法时，可以在候选连接路径的两侧分别构建起始节点S和目标节点T，并且与其他端口对应的节点、引脚对应的节点或者中继点对应的节点相连。根据走线要求，所有节点的个数|V|＝2+(|I|+|B|+|R|)，其中|I|为端口个数，|B|为引脚个数,|R|为中继点个数。由于边的个数取决于是否与上一优先级产生交叉来影响当前的可行走线路径，因此边的个数随不同优先级的变化而发生变化，而边的总容量为每个引脚的连通需求量总和。
在一种可能的实现中，所述至少一个目标连接路径中的任意两个目标连接路径之间不相交。
示例性的，参照图12，图12为本申请实施例的一个电路设计类应用程序的界面示意，其中，在输入端口和引脚的信息(例如本申请实施例中的第一信息和第二信息)之后，可以通过点击界面中的触发开启走线设计运算的控件，进而触发电路设计类应用程序执行端口和引脚的走线匹配过程。
示例性的，参照图13，图13为本申请实施例的一个电路设计类应用程序的界面示意，其中，电路设计类应用程序在从所述多个候选连接路径中确定至少一个目标连接路径之后，可以通过电路图的形式来显示至少一个目标连接路径。
在一种可能的实现中，在进行端口和引脚的匹配走线的场景中，不同功能的端口和引脚的重要性是不同的，对于一些更为重要功能的端口和引脚来说，需要更多的数量的连接来保证芯片的性能，对于一些功能相对重要的端口和引脚来说，连接数量的减少会对芯片的性能造成较大的影响(相比于重要性较小的端口和引脚来说)。而对于一些功能相对不重要的端口和引脚，连接数量的减少不会对芯片性能造成较大的影响。本申请实施例中可以将上述重要性描述为优先级。
由于多个优先级的存在，若一次性对各个优先级的端口和引脚进行匹配走线，会大大增加机器学习模型运行的复杂度和计算难度，很难保证走线的计算精度，并不能得到较好的走线匹配结果。本申请实施例中，按照优先级的高低，分别进行各个优先级的端口和引脚的走线计算，进而可以提高走线的计算精度。
为了方便描述，本申请实施例以多个优先级包括优先级1和优先级2为例进行说明。
例如，优先级1可以为传输信号功能的端口和引脚，优先级2可以为传输能量功能的端口和引脚。
例如，优先级1可以为传输信号功能的端口和引脚，优先级2可以为接地功能的端口和引脚。
例如，优先级1可以为传输能量的端口和引脚，优先级2可以为接地功能的端口和引脚。
例如，优先级1可以为接地功能的部分端口和引脚，优先级2可以为接地功能的部分端口和引脚。
在一种可能的实现中，所述第一信息指示所述第一端口的重要性高于所述第二端口的重要性；或者，所述第二信息指示所述第一引脚的重要性高于所述第二引脚的重要性。
在一种可能的实现中，所述多个端口可以包括多个第一端口以及多个第二端口，所述多个引脚包括多个第一引脚以及多个第二引脚，所述多个第一端口和所述多个第一引脚用于实现第一功能；所述多个第二端口和所述多个第二引脚用于实现第二功能，所述第一功能和所述第二功能不同。其中，所述多个第一端口和所述多个第一引脚的优先级为优先级1，所述多个第二端口和所述多个第二引脚的优先级为优先级2，第一功能和第二功能可以为相同或不同的功能。
在一种可能的实现中，所述多个候选连接路径可以包括所述多个第一端口和所述多个第一引脚之间形成的多个第一候选连接路径，以及所述多个第二端口和所述多个第二引脚之间形成的多个第二候选连接路径。
在一种可能的实现中，为了不与高优先级的走线线路产生交叉冲突，可以去除低优先级中与较高优先级的候选连接路径形成交叉的线路(也就是相交的线路)，即使不去除的这部分线路，这部分线路也不会作为最终的连接路径，因此，本申请实施例通过去除低优先级中与较高优先级的候选连接路径形成交叉的线路，减小了解空间大小，在保证了走线计算精准度的同时，降低了运算复杂度。
在一种可能的实现中，至少一个所述第二候选连接路径可以与所述多个第一候选连接路径中的至少一个第一候选连接路径之间相交。也就是说，在确定模型输入时，不对与高优先级的线路重叠的低优先级的路径进行剔除，通过上述方式可以增加输入信息的数量，也就是输入到模型中的信息可以更全面的描述端口以及引脚的特征，进而可以得到更准确的代价值。
以高优先级的线路为多个第一候选连接路径，低优先级的线路为多个第二候选连接路径为例，所述多个第一候选连接路径中的至少两个第一候选连接路径之间可以相交(也可以完全不重叠)，每个所述第二候选连接路径与所述多个第一候选连接路径之间不相交，所述多个第二候选连接路径中的至少两个第二候选连接路径之间可以相交(也可以完全不重叠)。
示例性的，参照图14，图14为本申请实施例的一个电路设计类应用程序的界面示意，其中，在输入端口和引脚的信息(例如本申请实施例中的第一信息和第二信息)之后，可以通过点击界面中的触发开启基于优先级的走线设计功能的控件，进而触发电路设计类应用程序执行端口和引脚的走线匹配过程。
在一种可能的实现中，可以对高优先级的多个端口和多个第一引脚进行走线匹配，在得到走线匹配结果之后，再对低优先级的多个第二端口和多个第二引脚进行走线匹配，接下来详细进行介绍：
在一种可能的实现中，在对高优先级的多个端口和多个第一引脚进行走线匹配时，可以根据所述多个第一候选连接路径的信息以及所述多个第二候选连接路径的信息，通过机器学习模型，得到每个所述第一候选连接路径的代价值，该每个所述第一候选连接路径的代价值可以用于进行多个端口和多个第一引脚之间目标连接路径的选择。
具体的，可以根据所述每个所述第一候选连接路径的代价值，从所述多个第一候选连接路径中确定至少一个目标连接路径，关于如何根据所述每个所述第一候选连接路径的代价值，从所述多个第一候选连接路径中确定至少一个目标连接路径可以参照上述实施例中的描述，这里不再赘述。
在一种可能的实现中，多个第一候选连接路径可以为系统自动确定并经过用户的修改(例如筛选或者更改)得到的。具体的，系统可以得到并输出所述多个第一端口和所述多个第一引脚之间形成的多个第一初始候选连接路径，用户可以对多个第一初始候选连接路径进行修改，相应地，系统可以接收到对所述多个第一初始候选连接路径的修改指令，并基于对所述多个第一初始候选连接路径的修改指令，得到所述多个第一候选连接路径。
示例性的，参照图15，图15为本申请实施例的一个电路设计类应用程序的界面示意，其中，用户可以对多个第一初始候选连接路径进行删除或者路径修改。
示例性的，参照图16，图16为本申请实施例的一个电路设计类应用程序的界面示意，其中，电路设计类应用程序在从所述多个第一候选连接路径中确定至少一个第一目标连接路径之后，可以通过电路图的形式来显示至少一个第一目标连接路径。
在一种可能的实现中，系统在输出至少一个第一目标连接路径之后，用户可以基于自身的需求对至少一个第一目标连接路径进行修改，进而系统可以接收到对所述至少一个第一目标连接路径的修改信息，并基于对所述至少一个第一目标连接路径的修改信息，得到修改后的所述至少一个第一目标连接路径。
示例性的，参照图17，图17为本申请实施例的一个电路设计类应用程序的界面示意，其中，用户可以对多个第一目标连接路径进行路径修改。
在一种可能的实现中，在进行了高优先级的走线匹配运算之后，可以基于高优先级的走线匹配结果进行低优先级的匹配走线运算。具体的，可以根据所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息，通过所述机器学习模型，得到每个所述第二候选连接路径的代价值，根据所述每个所述第二候选连接路径的代价值，从所述多个第二候选连接路径中确定至少一个第二目标连接路径。
本申请实施例中，可以将所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息作为机器学习模型的输入，由于所述多个第一候选连接路径中除所述至少一个第一目标连接路径之外的其他第一候选连接路径已经不会作为第一端口和第一引脚之间的连接路径，因此可以不将多个第一候选连接路径中除所述至少一个第一目标连接路径之外的其他第一候选连接路径作为所述机器学习模型的输入，进而可以在保证走线的确定精度的前提下，降低运算的的复杂度。
在一种可能的实现中，在进行第二优先级的连接路径确认时，可以将与多个第一候选连接路径中除至少一个第一目标连接路径之外的其他第一候选连接路径之间相交的路径(至少一个第三候选连接路径)作为模型的输入，可以增加输入信息的数量，也就是输入到模型中的信息可以更全面的描述端口以及引脚的特征，进而可以得到更准确的代价值。
在一种可能的实现中，为了保证最终确定出的相同优先级的任意两条连接路径之间不相交，可以在确定连接路径时设定约束，约束可以规定相同优先级的任意两条连接路径之间不相交。
在一种可能的实现中，为了保证最终确定出的不同优先级的任意两条连接路径之间不相交，可以在确定连接路径时设定约束，约束可以规定不同优先级的任意两条连接路径之间不相交。例如，在确定出至少一条第一目标连接路径后，在从多个第二候选连接路径中选择第二目标连接路径时设定约束，约束可以规定第二目标连接路径的任意连接路径与至少一条第一目标连接路径之间不相交。
在一种可能的实现中，为了保证最终确定出的不同优先级的任意两条连接路径之间不相交，可以在候选连接路径的选择上就设定约束，约束可以规定不同优先级的候选连接路径之间不相交。
在一种可能的实现中，可以输出所述至少一个第二目标连接路径。
示例性的，参照图18，图18为本申请实施例的一个电路设计类应用程序的界面示意，其中，电路设计类应用程序在从所述多个第二候选连接路径中确定至少一个第二目标连接路径之后，可以通过电路图的形式来显示至少一个第二目标连接路径。
示例性的，参照图19，图19为本申请实施例的一个电路设计类应用程序的界面示意，其中，电路设计类应用程序在完成优先级3的连接路径的路径计算之后，可以通过电路图的形式来显示优先级3的连接路径。
示例性的，以端口为I/O单元，引脚为bump为例，参照图20，图20为本申请实施例的走线确定方法的流程示意。
其中，I/O单元的第一信息以及bump的第二信息可以用于构建I/O单元和bump之间的多个候选连接路径，并表示成二分图的形式输入至机器学习模型中，例如可以输入至机器学习模型的图嵌入网络中，图嵌入网络得到的特征表示可以输入到机器学习模型的策略网络中，以得到各个候选连接路径的代价值，根据代价值通过走线确定算法可以得到目标连接路径。
示例性的，以端口为I/O单元，引脚为bump为例，参照图21，图21为本申请实施例的基于优先权的走线确定方法的流程示意。
其中，I/O单元的第一信息以及bump的第二信息可以用于构建I/O单元和bump之间的多个候选连接路径，并表示成二分图的形式输入至机器学习模型中，例如可以输入至机器学习模型的图嵌入网络中，图嵌入网络得到的特征表示可以输入到机器学习模型的策略网络中，以得到优先级1的各个候选连接路径的代价值，根据代价值通过走线确定算法可以得到第一目标连接路径，根据第一目标连接路径可以更新二分图，更新后的二分图可以被输入到机器学习模型中，以得到优先级2的各个候选连接路径的代价值，根据代价值通过走线确定算法可以得到第二目标连接路径。
本申请实施例提供了一种电路走线确定方法，所述方法包括：获取电路的多个输入输出端口的第一信息、以及多个转接单元引脚的第二信息；所述多个端口和所述多个引脚之间包括多个候选连接路径；所述候选连接路径为端口和引脚之间的连接路径；根据所述第一信息和所述第二信息，通过机器学习模型，得到每个所述候选连接路径的代价值，所述代价值用于指示候选连接路径对所述多个端口和所述多个引脚之间总连接路径的数量的影响；根据所述代价值，从所述多个候选连接路径中确定至少一个目标连接路径。本申请通过机器学习模型，有效评估候选连接路径的代价值，从而提高端口与引脚之间的连接数量。
参照图22，本申请实施例还提供了一种电路走线确定方法，所述方法包括：
2201、获取电路的多个输入输出端口的第一信息、以及多个转接单元引脚的第二信息；所述多个端口包括多个第一端口以及多个第二端口，所述多个引脚包括多个第一引脚以及多个第二引脚；所述多个第一端口和所述多个第一引脚之间形成多个第一候选连接路径，所述多个第二端口和所述多个第二引脚之间形成多个第二候选连接路径；
2202、基于所述第一信息和所述第二信息指示所述第一端口的重要性高于所述第二端口的重要性，根据所述多个第一候选连接路径的信息以及多个第二候选连接路径的信息，从所述多个第一候选连接路径中确定至少一个第一目标连接路径；根据所述至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，从所述多个第二候选连接路径中确定至少一个第二目标连接路径。
关于图22中所描述的一种电路走线确定方法的具体描述可以参照上述实施例中图7a对应的实施例的描述，相似之处不再赘述。
在一种可能的实现中，所述端口为输入输出I/O单元，所述引脚为转接单元bump。
在一种可能的实现中，所述多个第一候选连接路径中的至少两个第一候选连接路径之间相交；或者，
每个所述第二候选连接路径与所述多个第一候选连接路径之间不相交；或者，
至少一个第二候选连接路径与多个第一候选连接路径中的至少一个第一候选连接路径之间相交；或者，
所述多个第二候选连接路径中的至少两个第二候选连接路径之间相交。
在一种可能的实现中，方法还包括：
输出多个第一端口和多个第一引脚之间形成的多个第一初始候选连接路径，并基于对多个第一初始候选连接路径中至少一个第一初始候选连接路径的修改指令，得到多个第一候选连接路径。
在一种可能的实现中，方法还包括：
输出所述至少一个第一目标连接路径。
在一种可能的实现中，第一功能或第二功能为如下的一种：信号传输、接地、电能传输。
在一种可能的实现中，根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，包括：
根据至少一个第一连接路径的信息以及多个第二候选连接路径的信息、且不根据多个第一候选连接路径中除至少一个第一目标连接路径之外的其他第一候选连接路径。
在一种可能的实现中，方法还包括：
输出多个第二端口和多个第二引脚之间形成的多个第二初始候选连接路径，并基于对多个第二初始候选连接路径中至少一个第二初始候选连接路径的修改指令，得到多个第二候选连接路径。
在一种可能的实现中，方法还包括：
输出至少一个第二目标连接路径。
在一种可能的实现中，至少一个第一目标连接路径中的任意两个连接路径之间不相交，至少一个第二目标连接路径中的任意两个连接路径之间不相交，每个第一目标连接路径与至少一个第二目标连接路径中的任意第二目标连接路径之间不相交。
在一种可能的实现中，方法还包括：
基于对至少一个第一目标连接路径的修改信息，得到修改后的至少一个第一目标连接路径；
根据至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，包括：根据修改后的至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息。
参照图23，图23为本申请实施例提供的一种电路走线确定装置的结构示意，其中，所述装置2300，包括：
获取模块2301，用于获取电路的多个端口的第一信息、以及多个引脚的第二信息；所述多个端口和所述多个引脚之间包括多个候选连接路径；所述候选连接路径为端口和引脚之间的连接路径；
其中，关于获取模块2301的具体描述可以参照上述实施例中步骤701的描述，这里不再赘述。
代价值确定模块2302，用于根据所述第一信息和所述第二信息，通过机器学习模型，得到每个所述候选连接路径的代价值，所述代价值指示候选连接路径对所述多个端口和所述多个引脚之间总连接路径的数量的影响；所述代价值用于从所述多个候选连接路径中确定至少一个目标连接路径。
其中，关于代价值确定模块2302的具体描述可以参照上述实施例中步骤702的描述，这里不再赘述。
本申请通过机器学习模型，有效评估候选连接路径的代价值，通过代价值确定优选的目标连接路径，从而提高芯片整体的端口与引脚之间的连接数量。
在一种可能的实现中，所述端口为输入输出I/O单元，所述引脚为转接单元bump。
在一种可能的实现中，所述装置还包括：
走线确定模块2303，用于根据所述代价值，从所述多个候选连接路径中确定至少一个目标连接路径；或者，
发送模块中继点的位置信息，用于向终端设备发送所述代价值，所述代价值用于指示所述终端设备从所述多个候选连接路径中确定至少一个目标连接路径。
在一种可能的实现中，所述代价值用于指示候选连接路径对所述多个端口和所述多个引脚之间总连接路径的数量的负向影响；所述多个候选连接路径包括多组候选连接路径，所述多组候选连接路径中的每组候选连接路径对应于一对端口和引脚；
所述走线确定模块2303，具体用于：
根据所述代价值，从所述每组候选连接路径中确定代价值最低的候选连接路径为所述目标连接路径。
在一种可能的实现中，所述第一信息还指示如下信息的至少一种：端口的功能或端口的优先级；
所述第二信息还指示如下信息的至少一种：引脚的功能或引脚的优先级。
在一种可能的实现中，所述候选连接路径包括两端的端口和引脚、以及所述候选连接路径所经过的至少一个中继点，所述中继点为相邻引脚之间的中间位置点；
所述根据所述第一信息和所述第二信息，包括：
根据所述候选连接路径所包括的端口的第一信息、所述候选连接路径所包括的引脚的第二信息、以及所述至少一个中继点的位置信息。
在一种可能的实现中，所述多个端口包括多个第一端口以及多个第二端口，所述多个引脚包括多个第一引脚以及多个第二引脚，所述多个第一端口和所述多个第一引脚用于实现第一功能；所述多个第二端口和所述多个第二引脚用于实现第二功能，所述第一功能和所述第二功能不同；
所述多个候选连接路径包括所述多个第一端口和所述多个第一引脚之间形成的多个第一候选连接路径，以及所述多个第二端口和所述多个第二引脚之间形成的多个第二候选连接路径；
所述代价值确定模块2302，具体用于：根据所述多个第一候选连接路径的信息以及所述多个第二候选连接路径的信息，通过机器学习模型，得到每个所述第一候选连接路径的代价值；
所述走线确定模块2303，具体用于：根据所述每个所述第一候选连接路径的代价值，从所述多个第一候选连接路径中确定至少一个第一目标连接路径。
在一种可能的实现中，所述多个第一候选连接路径中的至少两个第一候选连接路径之间相交；或者，
每个所述第二候选连接路径与所述多个第一候选连接路径之间不相交；或者，
至少一个第二候选连接路径与多个第一候选连接路径中的至少一个第一候选连接路径之间相交；或者，
所述多个第二候选连接路径中的至少两个第二候选连接路径之间相交。
在一种可能的实现中，所述装置还包括：
输出模块，用于输出所述多个第一端口和所述多个第一引脚之间的多个第一初始候选连接路径，并基于对所述多个第一初始候选连接路径中至少一个第一初始候选连接路径的修改指令，得到所述多个第一候选连接路径。
在一种可能的实现中，所述装置还包括：
输出模块中继点的位置信息，用于输出所述至少一个第一目标连接路径。
在一种可能的实现中，所述第一功能或所述第二功能为如下的一种：信号传输、接地、电能传输。
在一种可能的实现中，所述代价值确定模块2302，还用于：根据所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息，通过所述机器学习模型，得到每个所述第二候选连接路径的代价值；
所述走线确定模块2303，还用于：根据所述每个所述第二候选连接路径的代价值，从所述多个第二候选连接路径中确定至少一个第二目标连接路径。
在一种可能的实现中，在所述通过所述机器学习模型，得到每个所述第二候选连接路径的代价值时，所述多个第一候选连接路径中除所述至少一个第一目标连接路径之外的其他第一候选连接路径不作为所述机器学习模型的输入。
在一种可能的实现中，所述多个候选连接路径还包括所述多个第二端口和所述多个第二引脚之间形成的至少一个第三候选连接路径，所述代价值确定模块2302，具体用于：
根据所述至少一个第一目标连接路径的信息、所述多个第二候选连接路径以及至少一个第三候选连接路径的信息。
在一种可能的实现中，所述输出模块，还用于：
输出所述多个第二端口和所述多个第二引脚之间形成的多个第二初始候选连接路径，并基于对所述多个第二初始候选连接路径的修改指令，得到所述多个第二候选连接路径。
在一种可能的实现中，所述输出模块，还用于：
输出所述至少一个第二目标连接路径。
在一种可能的实现中，所述至少一个目标连接路径中的任意两个目标连接路径之间不相交。
在一种可能的实现中，所述获取模块2301，还用于：
基于对所述至少一个第一目标连接路径的修改信息，得到修改后的所述至少一个第一目标连接路径；
所述根据所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息，包括：根据所述修改后的所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息。
在一种可能的实现中，所述第一信息指示所述第一端口的优先级高于所述第二端口的优先级；或者，所述第二信息指示所述第一引脚的优先级高于所述第二引脚的优先级。
在一种可能的实现中，所述走线确定模块2303，具体用于：
根据所述代价值，通过最小代价最大流算法，从所述多个候选连接路径中确定至少一个目标连接路径。
参照图24，图24为本申请实施例提供的一种电路走线确定装置的结构示意，其中，所述装置2400，包括：
获取模块2401，用于获取电路的多个输入输出端口的第一信息、以及多个转接单元引脚的第二信息；所述多个端口包括多个第一端口以及多个第二端口，所述多个引脚包括多个第一引脚以及多个第二引脚；所述多个第一端口和所述多个第一引脚之间形成多个第一候选连接路径，所述多个第二端口和所述多个第二引脚之间形成多个第二候选连接路径；
其中，关于获取模块2301的具体描述可以参照上述实施例中步骤2201的描述，这里不再赘述。
走线确定模块2402，用于基于所述第一信息和所述第二信息指示所述第一端口的重要性高于所述第二端口的重要性，根据所述多个第一候选连接路径的信息以及多个第二候选连接路径的信息，从所述多个第一候选连接路径中确定至少一个第一目标连接路径；根据所述至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，从所述多个第二候选连接路径中确定至少一个第二目标连接路径。
其中，关于走线确定模块2402的具体描述可以参照上述实施例中步骤2202的描述，这里不再赘述。
在一种可能的实现中，所述端口为输入输出I/O单元，所述引脚为转接单元bump。
在一种可能的实现中，所述多个第一候选连接路径中的至少两个第一候选连接路径之间相交；或者，
每个所述第二候选连接路径与所述多个第一候选连接路径之间不相交；或者，
至少一个第二候选连接路径与多个第一候选连接路径中的至少一个第一候选连接路径之间相交；或者，
所述多个第二候选连接路径中的至少两个第二候选连接路径之间相交。
在一种可能的实现中，所述装置还包括：
输出模块2403，用于输出所述多个第一端口和所述多个第一引脚之间形成的多个第一初始候选连接路径，并基于对所述多个第一初始候选连接路径的修改指令，得到所述多个第一候选连接路径。
在一种可能的实现中，所述装置还包括：
输出模块2403，用于输出所述至少一个第一目标连接路径。
在一种可能的实现中，所述第一功能或所述第二功能为如下的一种：信号传输、接地、电能传输。
在一种可能的实现中，所述根据所述至少一个第一目标连接路径的信息以及多个第二候选连接路径的信息，包括：
根据所述至少一个第一连接路径的信息以及多个第二候选连接路径的信息、且不根据所述多个第一候选连接路径中除所述至少一个第一目标连接路径之外的其他第一候选连接路径。
在一种可能的实现中，所述输出模块2403，还用于：
输出所述多个第二端口和所述多个第二引脚之间形成的多个第二初始候选连接路径，并基于对所述多个第二初始候选连接路径的修改指令，得到所述多个第二候选连接路径。
在一种可能的实现中，所述输出模块2403，还用于：
输出所述至少一个第二目标连接路径。
在一种可能的实现中，所述至少一个第一目标连接路径中的任意两个连接路径之间不相交，所述至少一个第二目标连接路径中的任意两个连接路径之间不相交，每个所述第一目标连接路径与所述至少一个第二目标连接路径中的任意第二目标连接路径之间不相交。
在一种可能的实现中，所述获取模块2401，还用于：
基于对所述至少一个第一目标连接路径的修改信息，得到修改后的所述至少一个第一目标连接路径；
所述根据所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息，包括：根据所述修改后的所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息。
接下来介绍本申请实施例提供的一种执行设备，请参阅图25，图25为本申请实施例提供的执行设备的一种结构示意图，执行设备2500具体可以表现为手机、平板、笔记本电脑、智能穿戴设备等，此处不做限定。具体的，执行设备2500包括：接收器2501、发射器2502、处理器2503和存储器2504(其中执行设备2500中的处理器2503的数量可以一个或多个，图25中以一个处理器为例)，其中，处理器2503可以包括应用处理器25031和通信处理器25032。在本申请的一些实施例中，接收器2501、发射器2502、处理器2503和存储器2504可通过总线或其它方式连接。
存储器2504可以包括只读存储器和随机存取存储器，并向处理器2503提供指令和数据。存储器2504的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory，NVRAM)。存储器2504存储有处理器和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。
处理器2503控制执行设备的操作。具体的应用中，执行设备的各个组件通过总线系统耦合在一起，其中总线系统除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都称为总线系统。
上述本申请实施例揭示的方法可以应用于处理器2503中，或者由处理器2503实现。处理器2503可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器2503中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器2503可以是通用处理器、数字信号处理器(digital signal processing，DSP)、微处理器或微控制器，还可进一步包括专用集成电路(application specific integratedcircuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。该处理器2503可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器2504，处理器2503读取存储器2504中的信息，结合其硬件完成上述方法的步骤。
接收器2501可用于接收输入的数字或字符信息，以及产生与执行设备的相关设置以及功能控制有关的信号输入。发射器2502可用于输出数字或字符信息；发射器2502还可用于向磁盘组发送指令，以修改磁盘组中的数据。
本申请实施例中，在一种情况下，处理器2503，用于执行图7a以及图22对应实施例中的电路走线确定方法的步骤。
本申请实施例还提供了一种服务器，请参阅图26，图26是本申请实施例提供的服务器一种结构示意图，具体的，服务器2600由一个或多个服务器实现，服务器2600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(centralprocessing units，CPU)2626(例如，一个或一个以上处理器)和存储器2632，一个或一个以上存储应用程序2642或数据2644的存储介质2630(例如一个或一个以上海量存储设备)。其中，存储器2632和存储介质2630可以是短暂存储或持久存储。存储在存储介质2630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器2626可以设置为与存储介质2630通信，在服务器2600上执行存储介质2630中的一系列指令操作。
服务器2600还可以包括一个或一个以上电源2626，一个或一个以上有线或无线网络接口2650，一个或一个以上输入输出接口2658；或，一个或一个以上操作系统2641，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
本申请实施例中，中央处理器2626，用于执行图7a以及图22对应实施例中的电路走线确定方法的步骤。
本申请实施例中还提供一种包括计算机可读指令的计算机程序产品，当其在计算机上运行时，使得计算机执行如前述执行设备所执行的步骤，或者，使得计算机执行如前述训练设备所执行的步骤。
本申请实施例中还提供一种计算机可读存储介质，该计算机可读存储介质中存储有用于进行信号处理的程序，当其在计算机上运行时，使得计算机执行如前述执行设备所执行的步骤，或者，使得计算机执行如前述训练设备所执行的步骤。
本申请实施例提供的执行设备、训练设备或终端设备具体可以为芯片，芯片包括：处理单元和通信单元，所述处理单元例如可以是处理器，所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令，以使执行设备内的芯片执行上述实施例描述的电路走线确定方法，或者，以使训练设备内的芯片执行上述实施例中与模型训练相关的步骤。可选地，所述存储单元为所述芯片内的存储单元，如寄存器、缓存等，所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)等。
具体的，请参阅图27，图27为本申请实施例提供的芯片的一种结构示意图，所述芯片可以表现为神经网络处理器NPU 2700，NPU 2700作为协处理器挂载到主CPU(Host CPU)上，由Host CPU分配任务。NPU的核心部分为运算电路2703，通过控制器2704控制运算电路2703提取存储器中的矩阵数据并进行乘法运算。
在一些实现中，运算电路2703内部包括多个处理单元(Process Engine,PE)。在一些实现中，运算电路2703是二维脉动阵列。运算电路2703还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中，运算电路2703是通用的矩阵处理器。
举例来说，假设有输入矩阵A，权重矩阵B，输出矩阵C。运算电路从权重存储器2702中取矩阵B相应的数据，并缓存在运算电路中每一个PE上。运算电路从输入存储器2701中取矩阵A数据与矩阵B进行矩阵运算，得到的矩阵的部分结果或最终结果，保存在累加器(accumulator)2708中。
统一存储器2706用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller，DMAC)2705，DMAC被搬运到权重存储器2702中。输入数据也通过DMAC被搬运到统一存储器2706中。
BIU为Bus Interface Unit即，总线接口单元2710，用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer，IFB)2709的交互。
总线接口单元2710(Bus Interface Unit，简称BIU)，用于取指存储器2709从外部存储器获取指令，还用于存储单元访问控制器2705从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器2706或将权重数据搬运到权重存储器2702中或将输入数据数据搬运到输入存储器2701中。
向量计算单元2707包括多个运算处理单元，在需要的情况下，对运算电路的输出做进一步处理，如向量乘，向量加，指数运算，对数运算，大小比较等等。主要用于神经网络中非卷积/全连接层网络计算，如Batch Normalization(批归一化)，像素级求和，对特征平面进行上采样等。
在一些实现中，向量计算单元2707能将经处理的输出的向量存储到统一存储器2706。例如，向量计算单元2707可以将线性函数；或，非线性函数应用到运算电路2703的输出，例如对卷积层提取的特征平面进行线性插值，再例如累加值的向量，用以生成激活值。在一些实现中，向量计算单元2707生成归一化的值、像素级求和的值，或二者均有。在一些实现中，处理过的输出的向量能够用作到运算电路2703的激活输入，例如用于在神经网络中的后续层中的使用。
控制器2704连接的取指存储器(instruction fetch buffer)2709，用于存储控制器2704使用的指令；
统一存储器2706，输入存储器2701，权重存储器2702以及取指存储器2709均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中，上述任一处提到的处理器，可以是一个通用中央处理器，微处理器，ASIC，或一个或多个用于控制上述程序执行的集成电路。
另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本申请提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。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可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，训练设备，或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

Claims (37)

1.一种电路走线确定方法，其特征在于，所述方法包括：
获取电路的多个端口的第一信息、以及多个引脚的第二信息；所述多个端口和所述多个引脚之间包括多个候选连接路径；所述候选连接路径为端口和引脚之间的连接路径，所述第一信息指示端口的位置特征，所述第二信息指示引脚的位置特征；
根据所述第一信息和所述第二信息，通过机器学习模型，得到每个所述候选连接路径的代价值，所述代价值指示候选连接路径对所述多个端口和所述多个引脚之间总连接路径的数量的影响；所述代价值用于从所述多个候选连接路径中确定至少一个目标连接路径。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述代价值，从所述多个候选连接路径中确定至少一个目标连接路径；或者，
向终端设备发送所述代价值，所述代价值用于指示所述终端设备根据所述代价值，从所述多个候选连接路径中确定至少一个目标连接路径。
3.根据权利要求2所述的方法，其特征在于，所述多个端口包括多个第一端口以及多个第二端口，所述多个引脚包括多个第一引脚以及多个第二引脚，所述多个第一端口和所述多个第一引脚用于实现第一功能；所述多个第二端口和所述多个第二引脚用于实现第二功能，所述第一功能和所述第二功能不同；
所述多个候选连接路径包括所述多个第一端口和所述多个第一引脚之间形成的多个第一候选连接路径，以及所述多个第二端口和所述多个第二引脚之间形成的多个第二候选连接路径；
所述根据所述第一信息和所述第二信息，通过机器学习模型，得到每个所述候选连接路径的代价值，包括：根据所述多个第一候选连接路径的信息以及所述多个第二候选连接路径的信息，通过机器学习模型，得到每个所述第一候选连接路径的代价值；
所述根据所述代价值，从所述多个候选连接路径中确定至少一个目标连接路径，包括：根据所述每个所述第一候选连接路径的代价值，从所述多个第一候选连接路径中确定至少一个第一目标连接路径。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一信息和所述第二信息，通过机器学习模型，得到每个所述候选连接路径的代价值，还包括：根据所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息，通过所述机器学习模型，得到每个所述第二候选连接路径的代价值；
所述根据所述代价值，从所述多个候选连接路径中确定至少一个目标连接路径，还包括：根据所述每个所述第二候选连接路径的代价值，从所述多个第二候选连接路径中确定至少一个第二目标连接路径。
5.根据权利要求4所述的方法，其特征在于，
每个所述第二候选连接路径与所述多个第一候选连接路径之间不相交。
6.根据权利要求5所述的方法，其特征在于，所述多个候选连接路径还包括所述多个第二端口和所述多个第二引脚之间形成的至少一个第三候选连接路径，所述至少一个第三候选连接路径与所述多个第一候选连接路径中除所述至少一个第一目标连接路径之外的其他第一候选连接路径之间相交，所述根据所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息，包括：
根据所述至少一个第一目标连接路径的信息、所述多个第二候选连接路径以及至少一个第三候选连接路径的信息。
7.根据权利要求4至6任一所述的方法，其特征在于，
每个所述第二目标连接路径与所述至少一个第一目标连接路径之间不相交。
8.根据权利要求4至7任一所述的方法，其特征在于，所述方法还包括：
基于对所述至少一个第一目标连接路径的修改信息，得到修改后的所述至少一个第一目标连接路径；
所述根据所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息，包括：根据所述修改后的所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息。
9.根据权利要求4至8任一所述的方法，其特征在于，所述方法还包括：
输出所述至少一个第二目标连接路径。
10.根据权利要求3至9任一所述的方法，其特征在于，所述方法还包括：
输出所述至少一个第一目标连接路径。
11.根据权利要求3至10任一所述的方法，其特征在于，所述第一功能或所述第二功能为如下的一种：信号传输、接地、电能传输。
12.根据权利要求3至11任一所述的方法，其特征在于，所述第一信息指示所述第一端口的优先级高于所述第二端口的优先级；或者，所述第二信息指示所述第一引脚的优先级高于所述第二引脚的优先级。
13.根据权利要求2至12任一所述的方法，其特征在于，所述代价值用于指示候选连接路径对所述多个端口和所述多个引脚之间总连接路径的数量的负向影响；所述多个候选连接路径包括多组候选连接路径，所述多组候选连接路径中的每组候选连接路径对应于一对端口和引脚；
所述根据所述代价值，从所述多个候选连接路径中确定至少一个目标连接路径，包括：
根据所述代价值，从所述每组候选连接路径中确定代价值最低的候选连接路径为所述目标连接路径。
14.根据权利要求2至13任一所述的方法，其特征在于，所述根据所述代价值，从所述多个候选连接路径中确定至少一个目标连接路径，包括：
根据所述代价值，通过最小代价最大流算法，从所述多个候选连接路径中确定至少一个目标连接路径。
15.根据权利要求1至14任一所述的方法，其特征在于，所述第一信息还指示如下信息的至少一种：端口的功能或端口的优先级；
所述第二信息还指示如下信息的至少一种：引脚的功能或引脚的优先级。
16.根据权利要求1至15任一所述的方法，其特征在于，所述候选连接路径包括两端的端口和引脚、以及所述候选连接路径所经过的至少一个中继点，所述中继点为相邻引脚之间的中间位置点；
所述根据所述第一信息和所述第二信息，包括：
根据所述候选连接路径所包括的端口的第一信息、所述候选连接路径所包括的引脚的第二信息、以及所述至少一个中继点的位置信息。
17.根据权利要求1至16任一所述的方法，其特征在于，所述端口为输入输出I/O单元，所述引脚为转接单元bump。
18.一种电路走线确定装置，其特征在于，所述装置包括：
获取模块，用于获取电路的多个端口的第一信息、以及多个引脚的第二信息；所述多个端口和所述多个引脚之间包括多个候选连接路径；所述候选连接路径为端口和引脚之间的连接路径，所述第一信息指示端口的位置特征，所述第二信息指示引脚的位置特征；
代价值确定模块，用于根据所述第一信息和所述第二信息，通过机器学习模型，得到每个所述候选连接路径的代价值，所述代价值指示候选连接路径对所述多个端口和所述多个引脚之间总连接路径的数量的影响；所述代价值用于从所述多个候选连接路径中确定至少一个目标连接路径。
19.根据权利要求18所述的装置，其特征在于，所述装置还包括：
走线确定模块，用于根据所述代价值，从所述多个候选连接路径中确定至少一个目标连接路径；或者，
发送模块，用于向终端设备发送所述代价值，所述代价值用于指示所述终端设备从所述多个候选连接路径中确定至少一个目标连接路径。
20.根据权利要求19所述的装置，其特征在于，所述多个端口包括多个第一端口以及多个第二端口，所述多个引脚包括多个第一引脚以及多个第二引脚，所述多个第一端口和所述多个第一引脚用于实现第一功能；所述多个第二端口和所述多个第二引脚用于实现第二功能，所述第一功能和所述第二功能不同；
所述多个候选连接路径包括所述多个第一端口和所述多个第一引脚之间形成的多个第一候选连接路径，以及所述多个第二端口和所述多个第二引脚之间形成的多个第二候选连接路径；
所述代价值确定模块，具体用于：根据所述多个第一候选连接路径的信息以及所述多个第二候选连接路径的信息，通过机器学习模型，得到每个所述第一候选连接路径的代价值；
所述走线确定模块，具体用于：根据所述每个所述第一候选连接路径的代价值，从所述多个第一候选连接路径中确定至少一个第一目标连接路径。
21.根据权利要求20所述的装置，其特征在于，所述代价值确定模块，还用于：根据所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息，通过所述机器学习模型，得到每个所述第二候选连接路径的代价值；
所述走线确定模块，还用于：根据所述每个所述第二候选连接路径的代价值，从所述多个第二候选连接路径中确定至少一个第二目标连接路径。
22.根据权利要求21所述的装置，其特征在于，
每个所述第二候选连接路径与所述多个第一候选连接路径之间不相交。
23.根据权利要求22所述的装置，其特征在于，所述多个候选连接路径还包括所述多个第二端口和所述多个第二引脚之间形成的至少一个第三候选连接路径，所述至少一个第三候选连接路径与所述多个第一候选连接路径中除所述至少一个第一目标连接路径之外的其他第一候选连接路径之间相交，所述代价值确定模块，具体用于：
根据所述至少一个第一目标连接路径的信息、所述多个第二候选连接路径以及至少一个第三候选连接路径的信息。
24.根据权利要求21至23任一所述的装置，其特征在于，
每个所述第二目标连接路径与所述至少一个第一目标连接路径之间不相交。
25.根据权利要求21至24任一所述的装置，其特征在于，所述获取模块，还用于：
基于对所述至少一个第一目标连接路径的修改信息，得到修改后的所述至少一个第一目标连接路径；
所述代价值确定模块，具体用于：根据所述修改后的所述至少一个第一目标连接路径的信息以及所述多个第二候选连接路径的信息。
26.根据权利要求21至25任一所述的装置，其特征在于，所述装置还包括：
输出模块，用于输出所述至少一个第二目标连接路径。
27.根据权利要求20至26任一所述的装置，其特征在于，所述输出模块，还用于：
输出所述至少一个第一目标连接路径。
28.根据权利要求25至30任一所述的装置，其特征在于，所述第一功能或所述第二功能为如下的一种：信号传输、接地、电能传输。
29.根据权利要求20至28任一所述的装置，其特征在于，所述第一信息指示所述第一端口的优先级高于所述第二端口的优先级；或者，所述第二信息指示所述第一引脚的优先级高于所述第二引脚的优先级。
30.根据权利要求19至29任一所述的装置，其特征在于，所述代价值用于指示候选连接路径对所述多个端口和所述多个引脚之间总连接路径的数量的负向影响；所述多个候选连接路径包括多组候选连接路径，所述多组候选连接路径中的每组候选连接路径对应于一对端口和引脚；
所述走线确定模块，具体用于：
根据所述代价值，从所述每组候选连接路径中确定代价值最低的候选连接路径为所述目标连接路径。
31.根据权利要求19至30任一所述的装置，其特征在于，所述走线确定模块，具体用于：
根据所述代价值，通过最小代价最大流算法，从所述多个候选连接路径中确定至少一个目标连接路径。
32.根据权利要求18至31任一所述的装置，其特征在于，所述第一信息还指示如下信息的至少一种：端口的功能或端口的优先级；
所述第二信息还指示如下信息的至少一种：引脚的功能或引脚的优先级。
33.根据权利要求18至32任一所述的装置，其特征在于，所述候选连接路径包括两端的端口和引脚、以及所述候选连接路径所经过的至少一个中继点，所述中继点为相邻引脚之间的中间位置点；
所述根据所述第一信息和所述第二信息，包括：
根据所述候选连接路径所包括的端口的第一信息、所述候选连接路径所包括的引脚的第二信息、以及所述至少一个中继点的位置信息。
34.根据权利要求18至33任一所述的装置，其特征在于，所述端口为输入输出I/O单元，所述引脚为转接单元bump。
35.一种电路走线确定装置，其特征在于，所述装置包括存储器和处理器；所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行如权利要求1至17任一所述的方法。
36.一种计算机可读存储介质，其特征在于，包括计算机可读指令，当所述计算机可读指令在计算机设备上运行时，使得所述计算机设备执行权利要求1至17任一项所述的方法。
37.一种计算机程序产品，其特征在于，包括计算机可读指令，当所述计算机可读指令在计算机设备上运行时，使得所述计算机设备执行如权利要求1至17任一所述的方法。
CN202210469023.1A 2022-04-29 2022-04-29 一种电路走线确定方法及相关设备 Pending CN114925651A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210469023.1A CN114925651A (zh) 2022-04-29 2022-04-29 一种电路走线确定方法及相关设备
PCT/CN2023/084681 WO2023207487A1 (zh) 2022-04-29 2023-03-29 一种电路走线确定方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210469023.1A CN114925651A (zh) 2022-04-29 2022-04-29 一种电路走线确定方法及相关设备

Publications (1)

Publication Number Publication Date
CN114925651A true CN114925651A (zh) 2022-08-19

Family

ID=82806453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210469023.1A Pending CN114925651A (zh) 2022-04-29 2022-04-29 一种电路走线确定方法及相关设备

Country Status (2)

Country Link
CN (1) CN114925651A (zh)
WO (1) WO2023207487A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116011388A (zh) * 2023-03-22 2023-04-25 苏州浪潮智能科技有限公司 电路板的绕线方法、装置、存储介质及电子设备
CN116050342A (zh) * 2022-11-08 2023-05-02 深圳量旋科技有限公司 量子电路的布线方法、布线装置、存储介质和计算机设备
WO2023207487A1 (zh) * 2022-04-29 2023-11-02 华为技术有限公司 一种电路走线确定方法及相关设备
CN118410604A (zh) * 2024-07-02 2024-07-30 永联科技(常熟)有限公司 一种机柜走线路径确定方法、装置、电子设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2589354A (en) * 2019-11-27 2021-06-02 Instadeep Ltd Electrical circuit design
CN113673196B (zh) * 2021-08-15 2024-02-06 上海立芯软件科技有限公司 一种基于可布线性预测的全局布线优化方法
CN114925651A (zh) * 2022-04-29 2022-08-19 华为技术有限公司 一种电路走线确定方法及相关设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023207487A1 (zh) * 2022-04-29 2023-11-02 华为技术有限公司 一种电路走线确定方法及相关设备
CN116050342A (zh) * 2022-11-08 2023-05-02 深圳量旋科技有限公司 量子电路的布线方法、布线装置、存储介质和计算机设备
CN116011388A (zh) * 2023-03-22 2023-04-25 苏州浪潮智能科技有限公司 电路板的绕线方法、装置、存储介质及电子设备
CN118410604A (zh) * 2024-07-02 2024-07-30 永联科技(常熟)有限公司 一种机柜走线路径确定方法、装置、电子设备及存储介质
CN118410604B (zh) * 2024-07-02 2024-10-01 永联科技(常熟)有限公司 一种机柜走线路径确定方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
WO2023207487A1 (zh) 2023-11-02

Similar Documents

Publication Publication Date Title
CN114925651A (zh) 一种电路走线确定方法及相关设备
JP2023510566A (ja) ニューラル・ネットワークのための適応的探索方法および装置
CN115456160A (zh) 一种数据处理方法和数据处理设备
CN112163601B (zh) 图像分类方法、系统、计算机设备及存储介质
CN113570030A (zh) 数据处理方法、装置、设备以及存储介质
WO2023217127A1 (zh) 一种因果关系确定方法及相关设备
CN115510795A (zh) 一种数据处理方法以及相关装置
US12086711B2 (en) Data dividing method and processor for convolution operation
CN109754084B (zh) 网络结构的处理方法、装置及相关产品
CN112257848B (zh) 确定逻辑核布局的方法、模型训练方法、电子设备、介质
CN115686908A (zh) 一种数据处理方法及相关设备
WO2024212648A1 (zh) 一种分类模型的训练方法及相关装置
CN111966361A (zh) 用于确定待部署模型的方法、装置、设备及其存储介质
CN116684330A (zh) 基于人工智能的流量预测方法、装置、设备及存储介质
CN115310397A (zh) 一种芯片布局方法、装置、计算机设备及介质
CN112906554B (zh) 基于视觉图像的模型训练优化方法、装置及相关设备
WO2024055952A1 (zh) 一种数据处理方法及其装置
CN117807472A (zh) 一种数据处理方法及相关装置
CN111291876B (zh) 运算装置、运算方法和运算芯片
CN115412401B (zh) 训练虚拟网络嵌入模型及虚拟网络嵌入的方法和装置
CN115618065A (zh) 一种数据处理方法及相关设备
CN116542289A (zh) 一种数据处理方法及其装置
CN116227332A (zh) 一种transformer混合比特量化方法及系统
CN108960495A (zh) 基于智能搜索算法的大资产池投资组合优化方法及装置
CN114897126A (zh) 时延预测方法及装置、电子设备、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