【技術實現步驟摘要】
本申請屬于人工智能，尤其涉及一種模型訓練方法、芯片設計方法、裝置及電子設備。
技術介紹
1、隨著集成電路設計的復雜性、晶體管規模的增加，芯片設計工具涉及到的設置參數甚至超過數百種，這些設置參數之間互相影響互相依賴，對于能否得到最優的芯片設計結果，設置參數的組合以及取值極為重要。
2、在自動生成芯片設計時，通常需同時優化多個目標，例如面積、功耗、性能等，目前通過人工調參的方式來調節芯片設計工具的設置參數，芯片設計結果難以符合芯片設計的優化目標。
技術實現思路
1、本申請的實施例提供了一種模型訓練方法、芯片設計方法、裝置及電子設備，進而至少在一定程度上可以使得芯片設計結果更加符合優化目標。
2、本申請的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本申請的實踐而習得。
3、根據本申請實施例的第一方面，提供了一種模型訓練方法，包括：
4、獲取芯片設計的樣本數據集，其中，所述樣本數據集包括多組樣本數據，每一組樣本數據包括芯片設計的樣本流程參數和樣本優化目標信息，所述樣本優化目標信息包括對于芯片設計的至少一個樣本優化策略；
5、獲取芯片設計工具，以及芯片測試設計用例集，其中，所述芯片測試設計用例集包括多個芯片測試設計用例；
6、基于所述芯片設計工具、所述芯片測試設計用例集以及所述樣本數據集，對初始預測模型進行多次訓練操作，直至符合訓練結束條件，得到訓練后的預測模型，以及所述訓練后的預測模型輸出的各個樣本數據分別
7、在一些可能的實施方式中，所述每一次訓練操作包括：
8、對于每一組樣本數據，將所述樣本數據輸入到初始預測模型，得到樣本工具參數；
9、將所述樣本工具參數作為所述芯片設計工具在當前次的訓練操作對應的設置參數，基于所述芯片設計工具分別運行各個所述芯片測試設計用例，得到當前次的訓練操作對應的各個樣本芯片設計結果；
10、基于已執行的訓練操作分別對應的樣本芯片設計結果，調整所述初始預測模型的參數，并將調整參數后的初始預測模型作為下一次訓練操作對應的初始預測模型。
11、在一些可能的實施方式中，所述基于已執行的訓練操作分別對應的樣本芯片設計結果，調整所述初始預測模型的參數，包括：
12、對于每一組樣本數據的每一芯片測試設計用例，基于已執行的訓練操作分別對應的樣本芯片設計結果，確定所述芯片測試設計用例對應的各個樣本芯片設計結果的變化信息；
13、基于每一組樣本數據的各個芯片測試設計用例分別對應的變化信息，以及上一次訓練操作對應的參數迭代策略，確定當前次的訓練操作對應的參數迭代策略；
14、基于當前次的訓練操作對應的參數迭代策略，調整所述初始預測模型的參數。
15、在一些可能的實施方式中，所述變化信息包括單次變化信息和全局變化信息，所述對于每一組樣本數據的每一芯片測試設計用例，基于已執行的訓練操作分別對應的樣本芯片設計結果，確定樣本芯片設計結果的變化信息，包括：
16、對于每一組樣本數據的每一芯片測試設計用例，基于已執行的訓練操作分別對應的樣本芯片設計結果，確定各個樣本芯片設計結果的分布信息，基于各個樣本芯片設計結果的分布信息確定所述全局變化信息；
17、對于每一組樣本數據的每一芯片測試設計用例，基于上一次訓練操作對應的樣本芯片設計結果和當前次的訓練操作對應的樣本芯片設計結果，確定所述單次變化信息。
18、在一些可能的實施方式中，所述基于每一組樣本數據的各個芯片測試設計用例分別對應的變化信息，以及上一次訓練操作對應的參數迭代策略，確定當前次的訓練操作對應的參數迭代策略，包括：
19、對于每一組樣本數據的每一芯片測試設計用例，若所述芯片測試設計用例對應的變化信息符合所述優化目標信息，則將上一次訓練操作對應的參數迭代策略作為當前次的訓練操作對應的參數迭代策略；
20、若至少預設數量的芯片測試設計用例對應的變化信息不符合所述優化目標信息，則對上一次訓練操作對應的參數迭代策略進行調整，得到當前次的訓練操作對應的參數迭代策略。
21、在一些可能的實施方式中，所述訓練結束條件包括如下至少一種：
22、對于每一組樣本數據的每一芯片測試設計用例，當前次的訓練操作對應的樣本芯片設計結果符合對應的樣本目標優化信息或符合對應的參考芯片設計結果；
23、所述訓練操作的次數達到預設次數。
24、在一些可能的實施方式中，所述樣本流程參數是通過如下方式獲取的：
25、獲取初始樣本流程參數，其中，初始樣本流程參數包括芯片設計的多個流程的參數；
26、基于各個初始樣本流程參數的影響因子，對初始樣本流程參數進行篩選，得到樣本流程參數，其中，影響因子用于表征初始樣本流程參數與對應的樣本芯片設計結果之間的關聯程度。
27、根據本申請實施例的第二方面，提供了一種芯片設計方法，包括：
28、獲取芯片設計的目標數據，其中，所述目標數據包括芯片設計的流程參數和優化目標信息；
29、將所述目標數據輸入訓練后的預測模型，得到目標工具參數，其中，所述預測模型是基于上述的模型訓練方法訓練得到的；
30、將所述目標工具參數作為芯片設計工具的設置參數，基于所述芯片設計工具運行所述目標芯片設計用例，得到目標芯片設計結果。
31、根據本申請實施例的第三方面，提供了一種模型訓練裝置，包括：
32、樣本數據獲取模塊，用于獲取芯片設計的樣本數據集，其中，所述樣本數據集包括多組樣本數據，每一組樣本數據包括芯片設計的樣本流程參數和樣本優化目標信息，所述樣本優化目標信息包括對于芯片設計的至少一個樣本優化策略；
33、工具獲取模塊，用于獲取芯片設計工具，以及芯片測試設計用例集，其中，所述芯片測試設計用例集包括多個芯片測試設計用例；
34、訓練模塊，用于基于所述芯片設計工具、所述芯片測試設計用例集以及所述樣本數據集，對初始預測模型進行多次訓練操作，直至符合訓練結束條件，得到訓練后的預測模型，以及所述訓練后的預測模型輸出的各個樣本數據分別對應的樣本工具參數，其中，對于每一組樣本數據，在將訓練后的預測模型輸出的樣本工具參數作為所述芯片設計工具的設置參數的情況下，基于每一所述芯片測試設計用例生成的芯片設計結果符合所述樣本優化目標信息。
35、在一些可能的實施方式中，訓練模塊在執行每一次訓練操作時，具體用于：
36、對于每一組樣本數據，將所述樣本數據輸入到初始預測模型，得到樣本工具參數；
37、將所述樣本工具參數作為所述芯片設計工具在當前次的訓練操作對應的設置參數，基于所本文檔來自技高網...
【技術保護點】
1.一種模型訓練方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述每一次訓練操作包括：
3.根據權利要求2所述的方法，其特征在于，所述基于已執行的訓練操作分別對應的樣本芯片設計結果，調整所述初始預測模型的參數，包括：
4.根據權利要求3所述的方法，其特征在于，所述變化信息包括單次變化信息和全局變化信息，所述對于每一組樣本數據的每一芯片測試設計用例，基于已執行的訓練操作分別對應的樣本芯片設計結果，確定樣本芯片設計結果的變化信息，包括：
5.根據權利要求3所述的方法，其特征在于，所述基于每一組樣本數據的各個芯片測試設計用例分別對應的變化信息，以及上一次訓練操作對應的參數迭代策略，確定當前次的訓練操作對應的參數迭代策略，包括：
6.根據權利要求2所述的方法，其特征在于，所述訓練結束條件包括如下至少一種：
7.根據權利要求1所述的方法，其特征在于，所述樣本流程參數是通過如下方式獲取的：
8.一種芯片設計方法，其特征在于，包括：
9.一種模型訓練裝置，其特征在于，包括：p>
10.一種芯片設計裝置，其特征在于，包括：
11.一種電子設備，包括存儲器、處理器及存儲在存儲器上的計算機程序，其特征在于，所述處理器執行所述計算機程序以實現權利要求1-7任一項或權利要求8所述方法的步驟。
12.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1-7任一項或權利要求8所述方法的步驟。
13.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1-7任一項或權利要求8所述方法的步驟。
...【技術特征摘要】
1.一種模型訓練方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述每一次訓練操作包括：
3.根據權利要求2所述的方法，其特征在于，所述基于已執行的訓練操作分別對應的樣本芯片設計結果，調整所述初始預測模型的參數，包括：
4.根據權利要求3所述的方法，其特征在于，所述變化信息包括單次變化信息和全局變化信息，所述對于每一組樣本數據的每一芯片測試設計用例，基于已執行的訓練操作分別對應的樣本芯片設計結果，確定樣本芯片設計結果的變化信息，包括：
5.根據權利要求3所述的方法，其特征在于，所述基于每一組樣本數據的各個芯片測試設計用例分別對應的變化信息，以及上一次訓練操作對應的參數迭代策略，確定當前次的訓練操作對應的參數迭代策略，包括：
6.根據權利要求2所述的方法，其特征在于，所述訓練結...
【專利技術屬性】
技術研發人員：劉丹，
申請(專利權)人：北京湯谷軟件技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。