CN117875233A - 芯片功耗相关参数的确定方法、装置和计算机设备 - Google Patents
芯片功耗相关参数的确定方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN117875233A CN117875233A CN202311857028.2A CN202311857028A CN117875233A CN 117875233 A CN117875233 A CN 117875233A CN 202311857028 A CN202311857028 A CN 202311857028A CN 117875233 A CN117875233 A CN 117875233A
- Authority
- CN
- China
- Prior art keywords
- information
- structural
- chip
- voltage distribution
- power consumption
- 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
- 238000000034 method Methods 0.000 title claims abstract description 108
- 238000009826 distribution Methods 0.000 claims abstract description 181
- 230000002159 abnormal effect Effects 0.000 claims abstract description 166
- 238000004088 simulation Methods 0.000 claims abstract description 81
- 230000008569 process Effects 0.000 claims abstract description 72
- 238000013461 design Methods 0.000 claims abstract description 61
- 238000013486 operation strategy Methods 0.000 claims abstract description 29
- 238000012216 screening Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 230000010365 information processing Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及芯片功耗相关参数的确定方法、装置和计算机设备。其中方法包括:获取设计芯片的各结构信息、多个芯片运行模式、以及每个结构信息的结构参数,并构建设计芯片的功耗仿真模型;识别每个芯片运行模式对应的各结构信息的运行策略,并针对每个芯片运行模式,基于各运行策略,分别仿真芯片运行模式的运行进程;识别该芯片运行模式的异常电压分布信息对应的异常结构信息的新结构参数,返回执行上述步骤,直到不存在异常电压分布信息时,得到芯片运行模式对应的各结构信息的结构参数范围;筛选每个结构信息均属于每个芯片运行模式对应的结构参数范围的结构参数,作为目标结构参数。采用本方法能够提升与降低芯片功耗相关的结构参数的调整效率。
Description
技术领域
本申请涉及芯片设计和功耗分析技术领域,特别是涉及一种芯片功耗相关参数的确定方法、装置和计算机设备。
背景技术
随着半导体技术的快速发展,集成电路芯片集群的运算效率与日俱增,然而新类型的芯片设计过程中,往往需要检测芯片的各个性能,然而在检测芯片功耗信息时,只能够检测到芯片的整体功耗信息,而无法检测到芯片的每个结构信息的功耗信息,从而无法精准调整芯片的各结构信息的结构参数,从而导致降低芯片功耗的结构参数调整效率较低。
传统的芯片功耗分析方式是根据经验调整芯片每个结构的结构参数信息,再重新检测芯片的功耗信息,根据检测结果反复调整结构参数,以达到降低芯片功耗的目的,但是,该方式需要耗费大量的资源,并且反复调整过程的重复验证次数较高,从而导致降低芯片功耗的结构参数调整效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提升芯片设计和调试效率的芯片设计的功耗分析方法、装置和计算机设备。
第一方面,本申请提供了一种芯片功耗相关参数的确定方法,包括:
获取设计芯片的各结构信息、多个芯片运行模式,以及每个结构信息的结构参数,基于各结构信息的结构参数,建立设计芯片的功耗仿真模型;
识别每个芯片运行模式对应的各结构信息的运行策略,通过功耗仿真模型,对每个芯片运行模式的运行进程进行仿真,得到各芯片运行模式的运行进程,获取与各运行进程相对应的电压分布信息;
在电压分布信息中存在异常电压分布信息的情况下,获取电压分布的异常差异信息,基于异常差异信息,更新各结构信息的结构参数,得到更新后的结构信息;
通过功耗仿真模型,根据更新后的结构信息对每个芯片运行模式的运行进程进行仿真,在电压分布信息中不存在异常电压分布信息的情况下,以芯片的各运行模式对应的各结构信息的结构参数范围作为目标参数范围,将符合每个芯片运行模式的结构参数范围的结构参数确定为设计芯片的目标结构参数。
在其中一个实施例中,基于各结构信息的结构参数,构建设计芯片的功耗仿真模型,包括:
识别各结构信息的电连接关系、以及各结构信息的运行流程,并基于各结构信息的结构参数,生成各结构信息的结构模型;
基于各结构信息的电连接关系,将各结构信息的结构模型进行仿真连接处理,得到初始功耗仿真模型,并将各结构信息运行流程添加至初始功耗仿真模型中,得到设计芯片的功耗仿真模型。
在其中一个实施例中,识别每个芯片运行模式对应的各结构信息的运行策略,包括:
识别每个芯片运行模式对应的各结构信息的运行序列,以及各结构信息的运行任务;
基于各结构信息的运行序列、以及各结构信息的运行任务,调整各结构信息的运行流程,得到各结构信息的目标运行流程,并将各结构信息的目标运行流程,作为各结构信息的运行策略。
在其中一个实施例中,通过功耗仿真模型,对每个芯片运行模式的运行进程进行仿真,得到各芯片运行模式的运行进程,包括:
基于各结构信息的运行策略,通过功耗仿真模型,仿真芯片运行模式,得到设计芯片的运行信息;
提取运行信息中的每个结构信息的子运行信息在不同时间点的运行状态,并将每个结构信息在不同时间点的运行状态进行排列处理,得到每个结构信息的运行进程。
在其中一个实施例中,获取与各运行进程相对应的电压分布信息,包括:
针对每个结构信息,基于结构信息在不同时间点的运行状态,提取结构信息在不同时间点的电压信息,并基于运行进程中的各运行状态的排列顺序,对各运行状态对应的电压信息进行排列处理,得到结构信息对应的电压分布信息。
在其中一个实施例中,在电压分布信息中存在异常电压分布信息的情况下,获取电压分布的异常差异信息,包括:
采集每个结构信息的正常电压分布范围,并基于每个结构信息的正常电压分布范围,在每个结构信息的电压分布信息中,筛选每个结构信息的异常电压分布信息;
识别每个结构信息的各异常电压分布信息对应的时段信息,并识别每个时段信息对应的异常电压分布信息的异常差异信息。
在其中一个实施例中,识别每个时段信息对应的异常电压分布信息的异常差异信息,包括:
针对每个结构信息,基于结构信息的各异常电压分布信息,计算结构信息的各异常电压分布信息对应的功耗信息,并筛选大于预设功耗阈值的功耗信息对应的异常电压分布信息,作为目标异常电压分布信息;
计算目标异常电压分布信息的功耗信息与预设功耗阈值的功耗差值信息,并将功耗差值信息,作为目标异常电压分布信息的异常差异信息。
在其中一个实施例中,基于异常差异信息,更新各结构信息的结构参数,得到更新后的结构信息,包括:
获取每个结构信息的电压与参数之间的关联关系,并针对每个目标异常电压分布信息,基于目标异常电压分布信息对应的功耗差值信息,计算功耗差值信息对应的电压差值信息;
基于电压差值信息、以及电压差值信息对应的结构信息的电压与参数之间的关联关系,确定电压差值信息对应的结构信息的结构参数调整范围,并在结构参数调整范围中,筛选目标结构参数调整值,并基于目标结构参数调整值、以及结构信息的结构参数,确定异常电压分布信息对应的异常结构信息的新结构参数。
第二方面,本申请还提供了一种芯片功耗相关参数的确定装置,包括:
信息获取模块,用于获取设计芯片的各结构信息、多个芯片运行模式,以及每个结构信息的结构参数,基于各结构信息的结构参数,建立设计芯片的功耗仿真模型;
仿真模块,用于识别每个芯片运行模式对应的各结构信息的运行策略,通过功耗仿真模型,对每个芯片运行模式的运行进程进行仿真,得到各芯片运行模式的运行进程,获取与各运行进程相对应的电压分布信息;
信息处理模块,用于在电压分布信息中存在异常电压分布信息的情况下,获取电压分布的异常差异信息,基于异常差异信息,更新各结构信息的结构参数,得到更新后的结构信息;
参数确定模块,用于通过功耗仿真模型,根据更新后的结构信息对每个芯片运行模式的运行进程进行仿真,在电压分布信息中不存在异常电压分布信息的情况下,以芯片的各运行模式对应的各结构信息的结构参数范围作为目标参数范围,将符合每个芯片运行模式的结构参数范围的结构参数确定为设计芯片的目标结构参数。
第三方面,本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取设计芯片的各结构信息、多个芯片运行模式,以及每个结构信息的结构参数,基于各结构信息的结构参数,建立设计芯片的功耗仿真模型;
识别每个芯片运行模式对应的各结构信息的运行策略,通过功耗仿真模型,对每个芯片运行模式的运行进程进行仿真,得到各芯片运行模式的运行进程,获取与各运行进程相对应的电压分布信息;
在电压分布信息中存在异常电压分布信息的情况下,获取电压分布的异常差异信息,基于异常差异信息,更新各结构信息的结构参数,得到更新后的结构信息;
通过功耗仿真模型,根据更新后的结构信息对每个芯片运行模式的运行进程进行仿真,在电压分布信息中不存在异常电压分布信息的情况下,以芯片的各运行模式对应的各结构信息的结构参数范围作为目标参数范围,将符合每个芯片运行模式的结构参数范围的结构参数确定为设计芯片的目标结构参数。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取设计芯片的各结构信息、多个芯片运行模式,以及每个结构信息的结构参数,基于各结构信息的结构参数,建立设计芯片的功耗仿真模型;
识别每个芯片运行模式对应的各结构信息的运行策略,通过功耗仿真模型,对每个芯片运行模式的运行进程进行仿真,得到各芯片运行模式的运行进程,获取与各运行进程相对应的电压分布信息;
在电压分布信息中存在异常电压分布信息的情况下,获取电压分布的异常差异信息,基于异常差异信息,更新各结构信息的结构参数,得到更新后的结构信息;
通过功耗仿真模型,根据更新后的结构信息对每个芯片运行模式的运行进程进行仿真,在电压分布信息中不存在异常电压分布信息的情况下,以芯片的各运行模式对应的各结构信息的结构参数范围作为目标参数范围,将符合每个芯片运行模式的结构参数范围的结构参数确定为设计芯片的目标结构参数。
第五方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取设计芯片的各结构信息、多个芯片运行模式,以及每个结构信息的结构参数,基于各结构信息的结构参数,建立设计芯片的功耗仿真模型;
识别每个芯片运行模式对应的各结构信息的运行策略,通过功耗仿真模型,对每个芯片运行模式的运行进程进行仿真,得到各芯片运行模式的运行进程,获取与各运行进程相对应的电压分布信息;
在电压分布信息中存在异常电压分布信息的情况下,获取电压分布的异常差异信息,基于异常差异信息,更新各结构信息的结构参数,得到更新后的结构信息;
通过功耗仿真模型,根据更新后的结构信息对每个芯片运行模式的运行进程进行仿真,在电压分布信息中不存在异常电压分布信息的情况下,以芯片的各运行模式对应的各结构信息的结构参数范围作为目标参数范围,将符合每个芯片运行模式的结构参数范围的结构参数确定为设计芯片的目标结构参数。
上述芯片功耗相关参数的确定方法、装置和计算机设备,通过获取设计芯片的各结构信息、多个芯片运行模式以及每个结构信息的结构参数,能够全面了解芯片的结构和运行模式,为后续的仿真和优化过程提供基础数据,通过识别每个芯片运行模式对应的各结构信息的运行策略,以及使用功耗仿真模型对芯片运行模式进行仿真,可以深入了解芯片在不同工作模式下的运行特性,为性能优化提供依据,得到各芯片运行模式的运行进程,可以更准确地分析电压分布信息,在存在异常电压分布信息的情况下,通过获取电压分布的异常差异信息,能够迅速识别问题并确定相关的参数,基于异常差异信息,更新各结构信息的结构参数,进一步优化芯片的设计,提高了芯片的性能和稳定性,通过功耗仿真模型,根据更新后的结构信息对每个芯片运行模式的运行进程进行仿真,最终确定设计芯片的目标结构参数范围,提高了芯片功耗性能的设计和调试效率。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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为一个实施例中芯片功耗相关参数的确定方法的应用环境图;
图2为一个实施例中芯片功耗相关参数的确定方法的流程示意图;
图3为一个实施例中芯片功耗相关参数的确定方法的流程示意图;
图4为一个实施例中芯片功耗相关参数的确定装置的结构框图;
图5为一个实施例中芯片功耗相关参数的确定装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的芯片设计的功耗分析方法,可以应用于如图1所示的应用环境中,也可以应用于芯片集群的通讯传输的应用环境中。该方法可以应用于终端,也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等。其中,终端通过构建功耗仿真模型,并识别涉及芯片的每个运行模式对应的运行策略,仿真每个芯片的运行模式,得到每个芯片运行模式的运行进程。从而避免人工实际测试芯片的各运行模式的低效问题,从而提升了测试芯片各运行模式的精准度。然后,通过识别每个结构信息中的异常电压分布信息,从而调整芯片的结构参数,得到该设计芯片在不同运行模式中均不存在异常电压分布信息的目标结构参数,避免了人工分析,人工实际结构参数调整的低效问题,不仅提升了检测各结构信息、并调整各结构信息的结构参数的效率,并且,通过确定电压信息表征结构信息的功耗信息,避免了各结构信息的功耗信息不可测的问题,最后,本方案不仅通过确定不同芯片运行模式对应的结构参数,提升了芯片功耗的结构参数调整全面性和精准度,并且通过电压信息表征结构信息的功耗信息,避免了人工检测、人工调整结构信息的结构参数的过程,提升了降低芯片功耗的结构参数调整效率。
在一个实施例中,如图2所示,提供了一种芯片设计的功耗分析方法,以该方法应用于终端为例进行说明,包括以下步骤:
步骤202,获取设计芯片的各结构信息、多个芯片运行模式,以及每个结构信息的结构参数,基于各结构信息的结构参数,建立设计芯片的功耗仿真模型;
步骤204,识别每个芯片运行模式对应的各结构信息的运行策略,通过功耗仿真模型,对每个芯片运行模式的运行进程进行仿真,得到各芯片运行模式的运行进程,获取与各运行进程相对应的电压分布信息;
步骤206,在电压分布信息中存在异常电压分布信息的情况下,获取电压分布的异常差异信息,基于异常差异信息,更新各结构信息的结构参数,得到更新后的结构信息;
步骤208,通过功耗仿真模型,根据更新后的结构信息对每个芯片运行模式的运行进程进行仿真,在电压分布信息中不存在异常电压分布信息的情况下,以芯片的各运行模式对应的各结构信息的结构参数范围作为目标参数范围,将符合每个芯片运行模式的结构参数范围的结构参数确定为设计芯片的目标结构参数。
在一个实施例中,如图3所示,提供了一种芯片设计的功耗分析方法,以该方法应用于终端为例进行说明,包括以下步骤:
步骤302,获取设计芯片的各结构信息、多个芯片运行模式、以及每个结构信息的结构参数,并基于各结构信息的结构参数,构建设计芯片的功耗仿真模型。
本实施例中,终端响应于用户的信息上传操作,获取设计芯片的各结构信息、各结构信息的设计结构参数。然后,终端从数据库中获取该设计芯片的目标运行模式,得到多个芯片运行模式。其中,芯片的各结构信息为芯片的各硬件结构信息,设计结构参数为工作人员在设计该芯片的结构信息的初始结构参数。然后,终端通过有限元仿真模型,建立各结构信息的结构参数对应的芯片模型,得到该设计芯片的功耗仿真模型。具体的构建过程后续将详细说明。
步骤304,识别每个芯片运行模式对应的各结构信息的运行策略,并针对每个芯片运行模式,基于芯片运行模式对应的各结构信息的运行策略,分别通过功耗仿真模型,仿真芯片运行模式的运行进程。
本实施例中,终端识别每个芯片运行模式对应的各结构信息的运行策略。其中芯片运行模式为该芯片在不同状态的运行方式,例如,在高峰时段的芯片运行方式,在低功耗时段的芯片运行方式、以及在常规时段的芯片运行方式等。并针对每个芯片运行模式,终端基于芯片运行模式对应的各结构信息的运行策略,分别通过功耗仿真模型,仿真芯片运行模式的运行进程。其中运行策略为结构信息在不用运行模式的运行流程。具体的识别过程和仿真过程后续将详细说明。
步骤306,识别芯片运行模式的运行进程对应的每个结构信息的电压分布信息,并在存在异常电压分布信息的情况下,识别异常电压分布信息的异常差异信息。
本实施例中,终端识别该芯片运行模式的运行进程对应的每个结构信息的电压分布信息。然后,终端判断是否存在异常电压分布信息,并在存在异常电压分布信息的情况下,识别各异常电压分布信息的异常差异信息。其中异常差异信息为异常电压分布信息对应的功耗信息的异常功耗差值,具体的异常功耗差值的计算方式后续将详细说明。
步骤308,基于异常差异信息,调整异常电压分布信息对应的异常结构信息的新结构参数,并将异常结构信息的新结构参数,替换异常结构信息的结构参数,返回执行基于芯片运行模式对应的各结构信息的运行策略,分别通过功耗仿真模型,仿真芯片运行模式的运行进程步骤,直到不存在异常电压分布信息时,得到芯片运行模式对应的各结构信息的结构参数范围。
本实施例中,终端基于异常差异信息,调整异常电压分布信息对应的异常结构信息的新结构参数。其中新结构参数的数目不唯一。然后,终端将该异常结构信息的新结构参数,替换该异常结构信息的结构参数,并返回执行基于芯片运行模式对应的各结构信息的运行策略,分别通过功耗仿真模型,仿真芯片运行模式的运行进程步骤,直到不存在异常电压分布信息时,终端得到芯片运行模式对应的各结构信息的结构参数范围。
步骤310,基于每个芯片运行模式对应的各结构信息的结构参数范围,筛选每个结构信息均属于每个芯片运行模式对应的结构参数范围的结构参数,作为设计芯片的各结构信息的目标结构参数。
本实施例中,终端基于每个芯片运行模式对应的各结构信息的结构参数范围,筛选每个结构信息均属于每个芯片运行模式对应的结构参数范围的结构参数,作为设计芯片的各结构信息的目标结构参数。
基于上述方案,通过构建功耗仿真模型,并识别涉及芯片的每个运行模式对应的运行策略,仿真每个芯片的运行模式,得到每个芯片运行模式的运行进程。从而避免人工实际测试芯片的各运行模式的低效问题,从而提升了测试芯片各运行模式的精准度。然后,通过识别每个结构信息中的异常电压分布信息,从而调整芯片的结构参数,得到该设计芯片在不同运行模式中均不存在异常电压分布信息的目标结构参数,避免了人工分析,人工实际结构参数调整的低效问题,不仅提升了检测各结构信息、并调整各结构信息的结构参数的效率,并且,通过确定电压信息表征结构信息的功耗信息,避免了各结构信息的功耗信息不可测的问题,最后,本方案不仅通过确定不同芯片运行模式对应的结构参数,提升了芯片功耗的结构参数调整全面性和精准度,并且通过电压信息表征结构信息的功耗信息,避免了人工检测、人工调整结构信息的结构参数的过程,提升了降低芯片功耗的结构参数调整效率。
可选的,基于各结构信息的结构参数,构建设计芯片的功耗仿真模型,包括:识别各结构信息的电连接关系、以及各结构信息的运行流程,并基于各结构信息的结构参数,生成各结构信息的结构模型;基于各结构信息的电连接关系,将各结构信息的结构模型进行仿真连接处理,得到初始功耗仿真模型,并将各结构信息运行流程添加至初始功耗仿真模型中,得到设计芯片的功耗仿真模型。
本实施例中,终端识别各结构信息的电连接关系、以及各结构信息的运行流程。其中各结构信息的运行流程为每个结构信息执行芯片的正常运行模式的运行流程。在芯片的运行模式不同时,每个结构信息的运行流程不同。然后,终端基于各结构信息的结构参数,生成各结构信息的结构模型。其中,该结构模型为该结构信息的电流传输模型。再后,终端基于各结构信息的电连接关系,将各结构信息的结构模型进行仿真连接处理,得到初始功耗仿真模型。最后,终端将各结构信息运行流程添加至初始功耗仿真模型中,得到设计芯片的功耗仿真模型。
基于上述方案,通过芯片各结构信息的结构参数,建立芯片的功耗仿真模型,避免工作人员人工调整结构参数,并实际测试的过程,提升了对芯片的检测效率。
可选的,识别每个芯片运行模式对应的各结构信息的运行策略,包括:识别每个芯片运行模式对应的各结构信息的运行序列,以及各结构信息的运行任务;基于各结构信息的运行序列、以及各结构信息的运行任务,调整各所述结构信息的运行流程,得到各结构信息的目标运行流程,并将各结构信息的目标运行流程,作为各结构信息的运行策略。
本实施例中,终端识别每个芯片运行模式对应的各结构信息的运行序列,以及各结构信息的运行任务。其中,各结构信息的运行任务为各结构信息在该芯片运行模式的数据处理任务。然后,终端基于各结构信息的运行序列、以及各结构信息的运行任务,调整各所述结构信息的运行流程,得到各结构信息的目标运行流程。最后,终端将各结构信息的目标运行流程,作为各结构信息的运行策略。
基于上述方案,通过每个芯片运行模式对应的运行序列和运行任务,调整芯片的各结构信息的运行流程,得到各结构信息的目标运行流程,提高了芯片检测不同芯片运行模式的精准度。
可选的,基于芯片运行模式对应的各结构信息的运行策略,分别通过功耗仿真模型,仿真芯片运行模式的运行进程,包括:基于各结构信息的运行策略,通过功耗仿真模型,仿真芯片运行模式,得到设计芯片的运行信息;提取所述运行信息中的每个结构信息的子运行信息在不同时间点的运行状态,并将每个结构信息在不同时间点的运行状态进行排列处理,得到每个结构信息的运行进程。
本实施例中,终端基于各结构信息的运行策略,通过功耗仿真模型,仿真芯片运行模式,得到设计芯片的运行信息。其中该运行信息用于表征芯片的各结构信息的运行日志。然后,终端提取运行信息中的每个结构信息的子运行信息在不同时间点的运行状态,并将每个结构信息在不同时间点的运行状态进行排列处理,得到每个结构信息的运行进程。其中,运行状态为该结构信息的电压状态信息。该电压状态信息用于表征结构信息的电压信息。
基于上述方案,通过提取每个结构信息的运行状态,作为每个结构信息的运行进程,提升了提取的每个结构信息的运行进程的效率。
可选的,识别芯片运行模式的运行进程对应的每个结构信息的电压分布信息,包括:针对每个结构信息,基于结构信息在不同时间点的运行状态,提取结构信息在不同时间点的电压信息,并基于运行进程中的各运行状态的排列顺序,对各运行状态对应的电压信息进行排列处理,得到结构信息对应的电压分布信息。
本实施例中,终端针对每个结构信息,基于该结构信息在不同时间点的运行状态,提取该结构信息在不同时间点的电压信息。然后,终端基于运行进程中的各运行状态的排列顺序,对各运行状态对应的电压信息进行排列处理,得到结构信息对应的电压分布信息。
基于上述方案,通过运行状态的排列顺序,对电压信息进行排列,得到各结构信息的电压分布信息,提升了对电压分布信息的提取效率。
可选的,识别异常电压分布信息的异常差异信息,包括:采集每个结构信息的正常电压分布范围,并基于每个结构信息的正常电压分布范围,在每个结构信息的电压分布信息中,筛选每个结构信息的异常电压分布信息;识别每个结构信息的各异常电压分布信息对应的时段信息,并识别每个时段信息对应的异常电压分布信息的异常差异信息。
本实施例中,终端响应于工作人员的信息上传操作,获取设计芯片的每个结构信息的正常电压分布范围。然后,终端基于每个结构信息的正常电压分布范围,在每个结构信息的电压分布信息中,筛选每个结构信息的异常电压分布信息。其中异常电压分布信息为不属于每个结构信息的正常电压分布范围的相邻的电压信息组成的电压分布信息。再后,终端识别每个结构信息的各异常电压分布信息对应的时段信息,并识别每个时段信息对应的异常电压分布信息的异常差异信息。具体的异常差异信息识别过程后续将详细说明。
基于上述方案,通过正常电压分布范围进行电压信息筛选,提升了筛选异常电压分布信息的效率。
可选的,识别每个时段信息对应的异常电压分布信息的异常差异信息,包括:针对每个结构信息,基于结构信息的各异常电压分布信息,计算结构信息的各异常电压分布信息对应的功耗信息,并筛选大于预设功耗阈值的功耗信息对应的异常电压分布信息,作为目标异常电压分布信息;计算目标异常电压分布信息的功耗信息与预设功耗阈值的功耗差值信息,并将功耗差值信息,作为目标异常电压分布信息的异常差异信息。
本实施例中,终端针对每个结构信息,基于结构信息的各异常电压分布信息,计算结构信息的各异常电压分布信息对应的功耗信息。其中功耗信息的计算方式为通过电压分布信息计算每个电压信息对应的功率信息,并基于电压分布信息对应的时段信息,将不同功率信息、以及不同功率信息对应的时间点进行微分求和,得到异常电压分布信息对应的功耗信息。终端筛选大于预设于终端的功耗阈值的功耗信息对应的异常电压分布信息,作为目标异常电压分布信息然后,终端计算目标异常电压分布信息的功耗信息与预设功耗阈值的功耗差值信息,并将功耗差值信息,作为目标异常电压分布信息的异常差异信息。
基于上述方案,通过电压信息计算功耗信息,避免了人工检测功耗信息的低效问题,提升了检测功耗信息的效率。
可选的,基于异常差异信息,调整异常电压分布信息对应的异常结构信息的新结构参数,包括:获取每个结构信息的电压与参数之间的关联关系,并针对每个目标异常电压分布信息,基于目标异常电压分布信息对应的功耗差值信息,计算功耗差值信息对应的电压差值信息;基于电压差值信息、以及电压差值信息对应的结构信息的电压与参数之间的关联关系,确定电压差值信息对应的结构信息的结构参数调整范围,并在结构参数调整范围中,筛选目标结构参数调整值,并基于目标结构参数调整值、以及结构信息的结构参数,确定异常电压分布信息对应的异常结构信息的新结构参数。
本实施例中,终端获取每个结构信息的电压与参数之间的关联关系。其中该关联关系用于表征单位参数变化对应的电压变化信息,该关联关系为工作人员基于大量专家经验、论文信息、以及行业实验信息等内容汇总分析或数据挖掘后得到的。然后,终端对每个目标异常电压分布信息,基于该目标异常电压分布信息对应的功耗差值信息,计算该功耗差值信息对应的电压差值信息(其中,该功耗差值信息对应的电压差值信息为通过异常电压分布信息计算功耗信息的逆算法)。再后,终端基于该电压差值信息、以及电压差值信息对应的结构信息的电压与参数之间的关联关系,确定电压差值信息对应的结构信息的结构参数调整范围。再后,终端在结构参数调整范围中,筛选目标结构参数调整值。其中筛选的方式为随机筛选。最后,终端基于目标结构参数调整值、以及结构信息的结构参数,确定异常电压分布信息对应的异常结构信息的新结构参数。
基于上述方案,通过电压与参数之间的关联关系,确定各异常结构信息的新结构参数,提升了确定每个异常结构信息的新结构参数的精准度。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的功耗分析方法的芯片功耗相关参数的确定装置。该系统所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个芯片功耗相关参数的确定装置实施例中的具体限定可以参见上文中对于芯片设计的功耗分析方法的限定,在此不再赘述。
在一个实施例中,如图4所示,提供了一种芯片功耗相关参数的确定装置400,包括:
信息获取模块402,用于获取设计芯片的各结构信息、多个芯片运行模式,以及每个结构信息的结构参数,基于各结构信息的结构参数,建立设计芯片的功耗仿真模型;
仿真模块404,用于识别每个芯片运行模式对应的各结构信息的运行策略,通过功耗仿真模型,对每个芯片运行模式的运行进程进行仿真,得到各芯片运行模式的运行进程,获取与各运行进程相对应的电压分布信息;
信息处理模块406,用于在电压分布信息中存在异常电压分布信息的情况下,获取电压分布的异常差异信息,基于异常差异信息,更新各结构信息的结构参数,得到更新后的结构信息;
参数确定模块408,用于通过功耗仿真模型,根据更新后的结构信息对每个芯片运行模式的运行进程进行仿真,在电压分布信息中不存在异常电压分布信息的情况下,以芯片的各运行模式对应的各结构信息的结构参数范围作为目标参数范围,将符合每个芯片运行模式的结构参数范围的结构参数确定为设计芯片的目标结构参数。
在一个实施例中,如图5所示,提供了一种芯片设计的功耗分析系统500,包括:获取模块502、第一识别模块504、第二识别模块506、匹配模块508、以及筛选模块510,其中:
获取模块502,用于获取设计芯片的各结构信息、多个芯片运行模式、以及每个结构信息的结构参数,并基于各所述结构信息的结构参数,构建所述设计芯片的功耗仿真模型;
第一识别模块504,用于识别每个芯片运行模式对应的各结构信息的运行策略,并针对每个芯片运行模式,基于所述芯片运行模式对应的各结构信息的运行策略,分别通过所述功耗仿真模型,仿真所述芯片运行模式的运行进程;
参数调整模块506,用于基于所述异常差异信息,调整所述异常电压分布信息对应的异常结构信息的新结构参数,并将所述异常结构信息的新结构参数,替换所述异常结构信息的结构参数,返回执行基于所述芯片运行模式对应的各结构信息的运行策略,分别通过所述功耗仿真模型,仿真所述芯片运行模式的运行进程步骤,直到不存在异常电压分布信息时,得到所述芯片运行模式对应的各结构信息的结构参数范围;
第二识别模块508,用于识别所述芯片运行模式的运行进程对应的每个结构信息的电压分布信息,并在存在异常电压分布信息的情况下,识别所述异常电压分布信息的异常差异信息;
筛选模块510,用于基于每个芯片运行模式对应的各结构信息的结构参数范围,筛选每个结构信息均属于每个芯片运行模式对应的结构参数范围的结构参数,作为所述设计芯片的各结构信息的目标结构参数。
可选的,所述获取模块502,具体用于:
识别各所述结构信息的电连接关系、以及各所述结构信息的运行流程,并基于各所述结构信息的结构参数,生成各所述结构信息的结构模型;
基于各所述结构信息的电连接关系,将各所述结构信息的结构模型进行仿真连接处理,得到初始功耗仿真模型,并将各所述结构信息运行流程添加至所述初始功耗仿真模型中,得到所述设计芯片的功耗仿真模型。
可选的,所述第一识别模块504,具体用于:
识别每个芯片运行模式对应的各结构信息的运行序列,以及各所述结构信息的运行任务;
基于各所述结构信息的运行序列、以及各所述结构信息的运行任务,调整各所述结构信息的运行流程,得到各所述结构信息的目标运行流程,并将各所述结构信息的目标运行流程,作为各所述结构信息的运行策略。
可选的,所述第一识别模块504,具体用于:
基于各所述结构信息的运行策略,通过所述功耗仿真模型,仿真所述芯片运行模式,得到所述设计芯片的运行信息;
提取所述运行信息中的每个结构信息的子运行信息在不同时间点的运行状态,并将每个结构信息在不同时间点的运行状态进行排列处理,得到每个结构信息的运行进程。
可选的,所述第二识别模块506,具体用于:
针对每个结构信息,基于所述结构信息在不同时间点的运行状态,提取所述结构信息在不同时间点的电压信息,并基于所述运行进程中的各运行状态的排列顺序,对各所述运行状态对应的电压信息进行排列处理,得到所述结构信息对应的电压分布信息。
可选的,所述第二识别模块506,具体用于:
采集每个结构信息的正常电压分布范围,并基于每个结构信息的正常电压分布范围,在每个结构信息的电压分布信息中,筛选每个结构信息的异常电压分布信息;
识别每个结构信息的各异常电压分布信息对应的时段信息,并识别每个时段信息对应的异常电压分布信息的异常差异信息。
可选的,所述第二识别模块506,具体用于:
针对每个结构信息,基于所述结构信息的各异常电压分布信息,计算所述结构信息的各异常电压分布信息对应的功耗信息,并筛选大于预设功耗阈值的功耗信息对应的异常电压分布信息,作为目标异常电压分布信息;
计算所述目标异常电压分布信息的功耗信息与所述预设功耗阈值的功耗差值信息,并将所述功耗差值信息,作为所述目标异常电压分布信息的异常差异信息。
可选的,所述参数调整模块240,具体用于:
获取每个结构信息的电压与参数之间的关联关系,并针对每个目标异常电压分布信息,基于所述目标异常电压分布信息对应的功耗差值信息,计算所述功耗差值信息对应的电压差值信息;
基于所述电压差值信息、以及所述电压差值信息对应的结构信息的电压与参数之间的关联关系,确定所述电压差值信息对应的结构信息的结构参数调整范围,并在所述结构参数调整范围中,筛选目标结构参数调整值,并基于所述目标结构参数调整值、以及所述结构信息的结构参数,确定所述异常电压分布信息对应的异常结构信息的新结构参数。
在一个示例性的实施例中,提供了一种计算机设备,该计算机设备可以是服务器。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于芯片的设计参数、仿真模型或程序、仿真参数、仿真结果和过程文件等。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种芯片功耗相关参数的确定方法。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种芯片功耗相关参数的确定方法,其特征在于,所述方法包括:
获取设计芯片的各结构信息、多个芯片运行模式,以及每个结构信息的结构参数,基于各所述结构信息的结构参数,建立所述设计芯片的功耗仿真模型;
识别每个芯片运行模式对应的各结构信息的运行策略,通过功耗仿真模型,对每个芯片运行模式的运行进程进行仿真,得到各所述芯片运行模式的运行进程,获取与各所述运行进程相对应的电压分布信息;
在所述电压分布信息中存在异常电压分布信息的情况下,获取所述电压分布的异常差异信息,基于所述异常差异信息,更新各所述结构信息的结构参数,得到更新后的结构信息;
通过功耗仿真模型,根据更新后的结构信息对每个芯片运行模式的运行进程进行仿真,在所述电压分布信息中不存在异常电压分布信息的情况下,以所述芯片的各所述运行模式对应的各结构信息的结构参数范围作为目标参数范围,将符合每个芯片运行模式的结构参数范围的结构参数确定为设计芯片的目标结构参数。
2.根据权利要求1所述的方法,其特征在于,所述基于各所述结构信息的结构参数,构建所述设计芯片的功耗仿真模型,包括:
识别各所述结构信息的电连接关系、以及各所述结构信息的运行流程,并基于各所述结构信息的结构参数,生成各所述结构信息的结构模型;
基于各所述结构信息的电连接关系,将各所述结构信息的结构模型进行仿真连接处理,得到初始功耗仿真模型,并将各所述结构信息运行流程添加至所述初始功耗仿真模型中,得到所述设计芯片的功耗仿真模型。
3.根据权利要求1所述的方法,其特征在于,所述识别每个芯片运行模式对应的各结构信息的运行策略,包括:
识别每个芯片运行模式对应的各结构信息的运行序列,以及各所述结构信息的运行任务;
基于各所述结构信息的运行序列、以及各所述结构信息的运行任务,调整各所述结构信息的运行流程,得到各所述结构信息的目标运行流程,并将各所述结构信息的目标运行流程,作为各所述结构信息的运行策略。
4.根据权利要求1所述的方法,其特征在于,通过功耗仿真模型,对每个芯片运行模式的运行进程进行仿真,得到各所述芯片运行模式的运行进程,包括:
基于各所述结构信息的运行策略,通过所述功耗仿真模型,仿真所述芯片运行模式,得到所述设计芯片的运行信息;
提取所述运行信息中的每个结构信息的子运行信息在不同时间点的运行状态,并将每个结构信息在不同时间点的运行状态进行排列处理,得到每个结构信息的运行进程。
5.根据权利要求1所述的方法,所述获取与各所述运行进程相对应的电压分布信息,包括:
针对每个结构信息,基于所述结构信息在不同时间点的运行状态,提取所述结构信息在不同时间点的电压信息,并基于所述运行进程中的各运行状态的排列顺序,对各所述运行状态对应的电压信息进行排列处理,得到所述结构信息对应的电压分布信息。
6.根据权利要求1所述的方法,其特征在于,所述在所述电压分布信息中存在异常电压分布信息的情况下,获取所述电压分布的异常差异信息,包括:
采集每个结构信息的正常电压分布范围,并基于每个结构信息的正常电压分布范围,在每个结构信息的电压分布信息中,筛选每个结构信息的异常电压分布信息;
识别每个结构信息的各异常电压分布信息对应的时段信息,并识别每个时段信息对应的异常电压分布信息的异常差异信息。
7.根据权利要求6所述的方法,其特征在于,所述识别每个时段信息对应的异常电压分布信息的异常差异信息,包括:
针对每个结构信息,基于所述结构信息的各异常电压分布信息,计算所述结构信息的各异常电压分布信息对应的功耗信息,并筛选大于预设功耗阈值的功耗信息对应的异常电压分布信息,作为目标异常电压分布信息;
计算所述目标异常电压分布信息的功耗信息与所述预设功耗阈值的功耗差值信息,并将所述功耗差值信息,作为所述目标异常电压分布信息的异常差异信息。
8.根据权利要求7所述的方法,其特征在于,所述基于所述异常差异信息,更新各所述结构信息的结构参数,得到更新后的结构信息,包括:
获取每个结构信息的电压与参数之间的关联关系,并针对每个目标异常电压分布信息,基于所述目标异常电压分布信息对应的功耗差值信息,计算所述功耗差值信息对应的电压差值信息;
基于所述电压差值信息、以及所述电压差值信息对应的结构信息的电压与参数之间的关联关系,确定所述电压差值信息对应的结构信息的结构参数调整范围,并在所述结构参数调整范围中,筛选目标结构参数调整值,并基于所述目标结构参数调整值、以及所述结构信息的结构参数,确定所述异常电压分布信息对应的异常结构信息的新结构参数。
9.一种芯片功耗相关参数的确定装置,其特征在于,所述装置包括:
信息获取模块,用于获取设计芯片的各结构信息、多个芯片运行模式,以及每个结构信息的结构参数,基于各结构信息的结构参数,建立设计芯片的功耗仿真模型;
仿真模块,用于识别每个芯片运行模式对应的各结构信息的运行策略,通过功耗仿真模型,对每个芯片运行模式的运行进程进行仿真,得到各所述芯片运行模式的运行进程,获取与各所述运行进程相对应的电压分布信息;
信息处理模块,用于在所述电压分布信息中存在异常电压分布信息的情况下,获取所述电压分布的异常差异信息,基于所述异常差异信息,更新各所述结构信息的结构参数,得到更新后的结构信息;
参数确定模块,用于通过功耗仿真模型,根据更新后的结构信息对每个芯片运行模式的运行进程进行仿真,在所述电压分布信息中不存在异常电压分布信息的情况下,以所述芯片的各所述运行模式对应的各结构信息的结构参数范围作为目标参数范围,将符合每个芯片运行模式的结构参数范围的结构参数确定为设计芯片的目标结构参数。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311857028.2A CN117875233A (zh) | 2023-12-29 | 2023-12-29 | 芯片功耗相关参数的确定方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311857028.2A CN117875233A (zh) | 2023-12-29 | 2023-12-29 | 芯片功耗相关参数的确定方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117875233A true CN117875233A (zh) | 2024-04-12 |
Family
ID=90589477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311857028.2A Pending CN117875233A (zh) | 2023-12-29 | 2023-12-29 | 芯片功耗相关参数的确定方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117875233A (zh) |
-
2023
- 2023-12-29 CN CN202311857028.2A patent/CN117875233A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106980623B (zh) | 一种数据模型的确定方法及装置 | |
CN113822440A (zh) | 用于确定机器学习样本的特征重要性的方法及系统 | |
CN112884569A (zh) | 一种信用评估模型的训练方法、装置及设备 | |
CN112508456A (zh) | 食品安全风险评估方法、系统、计算机设备及存储介质 | |
CN108304322A (zh) | 一种压力测试方法及终端设备 | |
CN113946983A (zh) | 产品可靠性薄弱环节评估方法、装置和计算机设备 | |
CN113110961B (zh) | 设备异常检测方法、装置、计算机设备及可读存储介质 | |
CN115935761B (zh) | 设备的可靠性仿真方法、装置、计算机设备和存储介质 | |
CN106874286B (zh) | 一种筛选用户特征的方法及装置 | |
CN116737373A (zh) | 负载均衡方法、装置、计算机设备、存储介质 | |
CN117875233A (zh) | 芯片功耗相关参数的确定方法、装置和计算机设备 | |
CN115878400A (zh) | 测试方法、装置、计算机设备、存储介质和程序产品 | |
CN116191398A (zh) | 负荷预测方法、装置、计算机设备和存储介质 | |
CN114118411A (zh) | 图像识别网络的训练方法、图像识别方法及装置 | |
Gillespie | The poweRlaw package: Examples | |
CN114741673B (zh) | 行为风险检测方法、聚类模型构建方法、装置 | |
CN117435870B (zh) | 一种负荷数据实时填充方法、系统、设备和介质 | |
CN117376410A (zh) | 业务推送方法、装置、计算机设备和存储介质 | |
CN117829904A (zh) | 投资决策预测方法、装置、设备、存储介质和程序产品 | |
CN117522138A (zh) | 金融业务系统的测试风险识别方法、装置、设备和介质 | |
CN117852809A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN117113131A (zh) | 分类模型的确定方法、装置、计算机设备和存储介质 | |
CN117743169A (zh) | 自动化测试模型的训练方法、装置、设备和存储介质 | |
CN117368681A (zh) | 电路故障检测方法、装置、电子设备以及可读存储介质 | |
CN116911977A (zh) | 虚拟资源处理方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |