定位芯片運(yùn)行錯(cuò)誤的方法及裝置制造方法及圖紙

本發(fā)明專利技術(shù)提供了一種定位芯片運(yùn)行錯(cuò)誤的方法及裝置，其中，定位芯片運(yùn)行錯(cuò)誤的方法包括：在開(kāi)發(fā)板生成神經(jīng)網(wǎng)絡(luò)模型；通過(guò)開(kāi)發(fā)板上的芯片運(yùn)行的第一程序加載神經(jīng)網(wǎng)絡(luò)模型，得到第一測(cè)試模型，在第一程序運(yùn)行第一測(cè)試模型對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第一運(yùn)行日志，通過(guò)利用開(kāi)發(fā)板的環(huán)境運(yùn)行的第二程序加載神經(jīng)網(wǎng)絡(luò)模型，得到第二測(cè)試模型，并且在第二程序運(yùn)行第二測(cè)試模型對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第二運(yùn)行日志；以及根據(jù)第一運(yùn)行日志和第二運(yùn)行日志，定位芯片運(yùn)行的第一測(cè)試模型的錯(cuò)誤，能夠高效率、高精度、自動(dòng)化的定位芯片運(yùn)行錯(cuò)誤的原因，大大減小開(kāi)發(fā)周期。

【技術(shù)實(shí)現(xiàn)步驟摘要】
定位芯片運(yùn)行錯(cuò)誤的方法及裝置
本專利技術(shù)涉及神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)
，具體涉及一種自動(dòng)快速定位芯片運(yùn)行錯(cuò)誤的方法及裝置。
技術(shù)介紹
人工神經(jīng)網(wǎng)絡(luò)是由大量的、簡(jiǎn)單的處理單元(稱為神經(jīng)元)廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特征，是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)習(xí)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲(chǔ)和處理、自組織、自適應(yīng)和自學(xué)能力，特別適合處理需要同時(shí)考慮許多因素和條件的、不精確和模糊的信息處理問(wèn)題。神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨別、模式識(shí)別、智能控制等領(lǐng)域有著廣泛而吸引人的前景，是目前最為火熱的研究方向-深度學(xué)習(xí)的基礎(chǔ)。但是，開(kāi)發(fā)神經(jīng)網(wǎng)絡(luò)時(shí)，芯片解析神經(jīng)網(wǎng)絡(luò)模型的參數(shù)時(shí)出現(xiàn)錯(cuò)誤往往導(dǎo)致芯片運(yùn)行錯(cuò)誤，此時(shí)，開(kāi)發(fā)者需要逐一檢查神經(jīng)網(wǎng)絡(luò)模型的所有解析參數(shù)，以確定錯(cuò)誤層及錯(cuò)誤參數(shù)的位置，進(jìn)而消除錯(cuò)誤，工作量大，花費(fèi)開(kāi)發(fā)者大量時(shí)間。
技術(shù)實(shí)現(xiàn)思路
有鑒于此，本專利技術(shù)實(shí)施例提供了一種定位芯片運(yùn)行錯(cuò)誤的方法及裝置，能夠高效率、高精度、自動(dòng)化的定位芯片運(yùn)行錯(cuò)誤的原因，大大減小開(kāi)發(fā)周期。根據(jù)本專利技術(shù)實(shí)施例的第一方面，提供一種定位芯片運(yùn)行錯(cuò)誤的方法，包括：在開(kāi)發(fā)板生成神經(jīng)網(wǎng)絡(luò)模型；通過(guò)開(kāi)發(fā)板上的芯片運(yùn)行的第一程序加載神經(jīng)網(wǎng)絡(luò)模型，得到第一測(cè)試模型，在第一程序運(yùn)行第一測(cè)試模型對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第一運(yùn)行日志，通過(guò)利用開(kāi)發(fā)板的環(huán)境運(yùn)行的第二程序加載神經(jīng)網(wǎng)絡(luò)模型，得到第二測(cè)試模型，并且在第二程序運(yùn)行第二測(cè)試模型對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第二運(yùn)行日志；根據(jù)第一運(yùn)行日志和第二運(yùn)行日志，定位芯片運(yùn)行的第一測(cè)試模型的錯(cuò)誤。在本專利技術(shù)的一個(gè)實(shí)施例中，上述通過(guò)開(kāi)發(fā)板上的芯片運(yùn)行的第一程序加載神經(jīng)網(wǎng)絡(luò)模型，得到第一測(cè)試模型，包括：通過(guò)開(kāi)發(fā)板上的芯片運(yùn)行的第一程序解析第一測(cè)試模型，得到第一測(cè)試模型的參數(shù)，其中，上述通過(guò)利用開(kāi)發(fā)板的環(huán)境運(yùn)行的第二程序加載神經(jīng)網(wǎng)絡(luò)模型，得到第二測(cè)試模型，包括：通過(guò)利用開(kāi)發(fā)板的環(huán)境運(yùn)行的第二程序解析第二測(cè)試模型，得到第二測(cè)試模型的參數(shù)。在本專利技術(shù)的一個(gè)實(shí)施例中，上述第一運(yùn)行日志和第二運(yùn)行日志分別包括第一測(cè)試模型和第二測(cè)試模型的每一層的運(yùn)行結(jié)果，其中，上述根據(jù)第一運(yùn)行日志和第二運(yùn)行日志，定位芯片運(yùn)行的第一測(cè)試模型的錯(cuò)誤，包括：通過(guò)比較第一測(cè)試模型和第二測(cè)試模型的每一層的運(yùn)行結(jié)果，定位第一測(cè)試模型的出錯(cuò)層。在本專利技術(shù)的一個(gè)實(shí)施例中，上述第一運(yùn)行日志和第二運(yùn)行日志分別包括第一測(cè)試模型和第二測(cè)試模型的每一層的參數(shù)，其中，該定位芯片運(yùn)行錯(cuò)誤的方法還包括：通過(guò)比較第一測(cè)試模型和第二測(cè)試模型的出錯(cuò)層的參數(shù)，定位第一測(cè)試模型的出錯(cuò)層的出錯(cuò)參數(shù)。在本專利技術(shù)的一個(gè)實(shí)施例中，上述第一運(yùn)行日志和第二運(yùn)行日志分別包括第一測(cè)試模型和第二測(cè)試模型的每一層的參數(shù)，其中，上述在開(kāi)發(fā)板生成神經(jīng)網(wǎng)絡(luò)模型，包括：在開(kāi)發(fā)板上將原始神經(jīng)網(wǎng)絡(luò)模型轉(zhuǎn)換成神經(jīng)網(wǎng)絡(luò)模型，其中該定位芯片運(yùn)行錯(cuò)誤的方法還包括：在開(kāi)發(fā)板上將原始神經(jīng)網(wǎng)絡(luò)模型轉(zhuǎn)換成神經(jīng)網(wǎng)絡(luò)模型時(shí)，生成日志參數(shù)文件，該日志參數(shù)文件包括神經(jīng)網(wǎng)絡(luò)模型的每個(gè)層的參數(shù)；其中，上述根據(jù)第一運(yùn)行日志和第二運(yùn)行日志，定位芯片運(yùn)行的第一測(cè)試模型的錯(cuò)誤，包括：通過(guò)比較第一測(cè)試模型的出錯(cuò)層的參數(shù)與日志參數(shù)文件中與出錯(cuò)層對(duì)應(yīng)的層的參數(shù)，定位第一測(cè)試模型的出錯(cuò)層的出錯(cuò)參數(shù)。在本專利技術(shù)的一個(gè)實(shí)施例中，該定位芯片運(yùn)行錯(cuò)誤的方法還包括：通過(guò)比較第一測(cè)試模型的出錯(cuò)層的參數(shù)與日志參數(shù)文件中與出錯(cuò)層對(duì)應(yīng)的層的參數(shù)，確定出錯(cuò)參數(shù)對(duì)應(yīng)的正確參數(shù)。在本專利技術(shù)的一個(gè)實(shí)施例中，上述參數(shù)包括神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)、權(quán)重、偏置和損失函數(shù)中的至少一種。在本專利技術(shù)的一個(gè)實(shí)施例中，上述開(kāi)發(fā)板包括神經(jīng)網(wǎng)絡(luò)處理器NPU開(kāi)發(fā)板，芯片包括深度學(xué)習(xí)芯片，第一程序包括嵌入式的軟件開(kāi)發(fā)工具包SDK可執(zhí)行程序，第二程序包括在嵌入式環(huán)境下運(yùn)行的仿真程序。根據(jù)本專利技術(shù)實(shí)施例的第二方面，提供一種定位芯片運(yùn)行錯(cuò)誤的裝置，包括：第一生成模塊，用于在開(kāi)發(fā)板生成神經(jīng)網(wǎng)絡(luò)模型；第二生成模塊，用于通過(guò)開(kāi)發(fā)板上的芯片運(yùn)行的第一程序加載神經(jīng)網(wǎng)絡(luò)模型，得到第一測(cè)試模型，在第一程序運(yùn)行第一測(cè)試模型對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第一運(yùn)行日志，通過(guò)利用開(kāi)發(fā)板的環(huán)境運(yùn)行的第二程序加載神經(jīng)網(wǎng)絡(luò)模型，得到第二測(cè)試模型，并且在第二程序運(yùn)行第二測(cè)試模型對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第二運(yùn)行日志；以及定位模塊，用于根據(jù)第一運(yùn)行日志和第二運(yùn)行日志，定位芯片運(yùn)行的第一測(cè)試模型的錯(cuò)誤。根據(jù)本專利技術(shù)實(shí)施例的第三方面，提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，可執(zhí)行指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的定位芯片運(yùn)行錯(cuò)誤的方法。根據(jù)本專利技術(shù)實(shí)施例提供的技術(shù)方案，分別通過(guò)開(kāi)發(fā)板上的芯片運(yùn)行的第一程序和利用開(kāi)發(fā)板的環(huán)境運(yùn)行的第二程序加載神經(jīng)網(wǎng)絡(luò)模型，運(yùn)行該神經(jīng)網(wǎng)絡(luò)模型分別得到第一運(yùn)行日志和第二運(yùn)行日志，并根據(jù)第一運(yùn)行日志和第二運(yùn)行日志的比較結(jié)果定位芯片運(yùn)行的模型的錯(cuò)誤，可以高效率、高精度、自動(dòng)化的確定芯片運(yùn)行錯(cuò)誤的原因，不必逐一檢查芯片運(yùn)行的神經(jīng)網(wǎng)絡(luò)模型的所有參數(shù)，便于開(kāi)發(fā)者節(jié)約大量時(shí)間，減小開(kāi)發(fā)周期。附圖說(shuō)明為了更清楚地說(shuō)明本專利技術(shù)實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本專利技術(shù)的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1所示為本專利技術(shù)一實(shí)施例提供的定位芯片運(yùn)行錯(cuò)誤的方法的流程示意圖。圖2所示為本專利技術(shù)另一實(shí)施例提供的定位芯片運(yùn)行錯(cuò)誤的方法的流程示意圖。圖3所示為本專利技術(shù)一實(shí)施例提供的定位芯片運(yùn)行錯(cuò)誤的裝置的框圖。圖4所示為本專利技術(shù)另一實(shí)施例提供的定位芯片運(yùn)行錯(cuò)誤的裝置的框圖。具體實(shí)施方式下面將結(jié)合本專利技術(shù)實(shí)施例中的附圖，對(duì)本專利技術(shù)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅是本專利技術(shù)一部分實(shí)施例，而不是全部的實(shí)施例。基于本專利技術(shù)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本專利技術(shù)保護(hù)的范圍。圖1所示為本專利技術(shù)一實(shí)施例提供的定位芯片運(yùn)行錯(cuò)誤的方法的流程示意圖。例如，該方法可以由開(kāi)發(fā)板執(zhí)行。如圖1所示，該方法包括如下內(nèi)容。S110：在開(kāi)發(fā)板生成神經(jīng)網(wǎng)絡(luò)模型。應(yīng)當(dāng)理解，神經(jīng)網(wǎng)絡(luò)模型可以是由開(kāi)發(fā)人員直接在開(kāi)發(fā)板生成的神經(jīng)網(wǎng)絡(luò)模型，也可以是在開(kāi)發(fā)板上對(duì)在其它設(shè)備上生成的原始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型轉(zhuǎn)換生成的神經(jīng)網(wǎng)絡(luò)模型，本專利技術(shù)對(duì)此不作限定。例如，可以將在GPU上訓(xùn)練的caffe模型轉(zhuǎn)換成開(kāi)發(fā)板上的NPU芯片的神經(jīng)網(wǎng)絡(luò)模型。另外，本專利技術(shù)對(duì)神經(jīng)網(wǎng)絡(luò)模型的具體類型不作限定，例如，神經(jīng)網(wǎng)絡(luò)模型可以是卷積神經(jīng)網(wǎng)絡(luò)模型，也可以是循環(huán)神經(jīng)網(wǎng)絡(luò)模型、深度神經(jīng)網(wǎng)絡(luò)模型等。神經(jīng)網(wǎng)絡(luò)模型可以包括輸入層、中間層和輸出層等，例如，卷積神經(jīng)網(wǎng)絡(luò)模型可以包括輸入層、卷積層、池化層、全連接層等。S120：通過(guò)開(kāi)發(fā)板上的芯片運(yùn)行的第一程序加載神經(jīng)網(wǎng)絡(luò)模型，得到第一測(cè)試模型，在第一程序運(yùn)行第一測(cè)試模型對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第一運(yùn)行日志，通過(guò)利用開(kāi)發(fā)板的環(huán)境運(yùn)行的第二程序加載神經(jīng)網(wǎng)絡(luò)模型，得到第二測(cè)試模型，并且在第二程序運(yùn)行第二測(cè)試模型對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第二運(yùn)行日志。應(yīng)當(dāng)理解，第一測(cè)試模型可以是第一程序運(yùn)行的神經(jīng)網(wǎng)絡(luò)模型，第二測(cè)試模型可以是第二程序運(yùn)行的同一神經(jīng)網(wǎng)絡(luò)模型，本專利技術(shù)對(duì)此不作限定。開(kāi)發(fā)板包括ARM開(kāi)發(fā)板、FPG本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
1.一種定位芯片運(yùn)行錯(cuò)誤的方法，其特征在于，包括：在開(kāi)發(fā)板生成神經(jīng)網(wǎng)絡(luò)模型；通過(guò)所述開(kāi)發(fā)板上的芯片運(yùn)行的第一程序加載所述神經(jīng)網(wǎng)絡(luò)模型，得到第一測(cè)試模型，在所述第一程序運(yùn)行所述第一測(cè)試模型對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第一運(yùn)行日志，通過(guò)利用所述開(kāi)發(fā)板的環(huán)境運(yùn)行的第二程序加載所述神經(jīng)網(wǎng)絡(luò)模型，得到第二測(cè)試模型，并且在所述第二程序運(yùn)行所述第二測(cè)試模型對(duì)所述輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第二運(yùn)行日志；以及根據(jù)所述第一運(yùn)行日志和所述第二運(yùn)行日志，定位所述芯片運(yùn)行的所述第一測(cè)試模型的錯(cuò)誤。

【技術(shù)特征摘要】
1.一種定位芯片運(yùn)行錯(cuò)誤的方法，其特征在于，包括：在開(kāi)發(fā)板生成神經(jīng)網(wǎng)絡(luò)模型；通過(guò)所述開(kāi)發(fā)板上的芯片運(yùn)行的第一程序加載所述神經(jīng)網(wǎng)絡(luò)模型，得到第一測(cè)試模型，在所述第一程序運(yùn)行所述第一測(cè)試模型對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第一運(yùn)行日志，通過(guò)利用所述開(kāi)發(fā)板的環(huán)境運(yùn)行的第二程序加載所述神經(jīng)網(wǎng)絡(luò)模型，得到第二測(cè)試模型，并且在所述第二程序運(yùn)行所述第二測(cè)試模型對(duì)所述輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，生成第二運(yùn)行日志；以及根據(jù)所述第一運(yùn)行日志和所述第二運(yùn)行日志，定位所述芯片運(yùn)行的所述第一測(cè)試模型的錯(cuò)誤。2.如權(quán)利要求1所述的定位芯片運(yùn)行錯(cuò)誤的方法，其特征在于，所述通過(guò)所述開(kāi)發(fā)板上的芯片運(yùn)行的第一程序加載所述神經(jīng)網(wǎng)絡(luò)模型，得到第一測(cè)試模型，包括：通過(guò)所述開(kāi)發(fā)板上的芯片運(yùn)行的第一程序解析所述第一測(cè)試模型，得到所述第一測(cè)試模型的參數(shù)，其中，所述通過(guò)利用所述開(kāi)發(fā)板的環(huán)境運(yùn)行的第二程序加載所述神經(jīng)網(wǎng)絡(luò)模型，得到第二測(cè)試模型，包括：通過(guò)利用所述開(kāi)發(fā)板的環(huán)境運(yùn)行的第二程序解析所述第二測(cè)試模型，得到所述第二測(cè)試模型的參數(shù)。3.如權(quán)利要求2所述的定位芯片運(yùn)行錯(cuò)誤的方法，其特征在于，所述第一運(yùn)行日志和所述第二運(yùn)行日志分別包括所述第一測(cè)試模型和所述第二測(cè)試模型的每一層的運(yùn)行結(jié)果，其中，所述根據(jù)所述第一運(yùn)行日志和所述第二運(yùn)行日志，定位所述芯片運(yùn)行的所述第一測(cè)試模型的錯(cuò)誤，包括：通過(guò)比較所述第一測(cè)試模型和所述第二測(cè)試模型的每一層的運(yùn)行結(jié)果，定位所述第一測(cè)試模型的出錯(cuò)層。4.如權(quán)利要求3所述的定位芯片運(yùn)行錯(cuò)誤的方法，其特征在于，所述第一運(yùn)行日志和所述第二運(yùn)行日志分別包括所述第一測(cè)試模型和所述第二測(cè)試模型的每一層的參數(shù)，其中，所述方法還包括：通過(guò)比較所述第一測(cè)試模型和所述第二測(cè)試模型的所述出錯(cuò)層的參數(shù)，定位所述第一測(cè)試模型的所述出錯(cuò)層的出錯(cuò)參數(shù)。5.如權(quán)利要求3所述的定位芯片運(yùn)行錯(cuò)誤的方法，其特征在于，所述第一運(yùn)行日志和所述第二運(yùn)行日志分別包括所述第一測(cè)試模型和所述第二測(cè)試模型的每一層的參數(shù)，其中，所述在開(kāi)發(fā)板生成神經(jīng)網(wǎng)絡(luò)模...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張韻東，余洋，徐祥，
申請(qǐng)(專利權(quán))人：北京中星微電子有限公司，
類型：發(fā)明
國(guó)別省市：北京,11