[发明专利]基于卷积神经网络的微处理器非均匀采样热分布重构方法

权利要求书

1.一种基于卷积神经网络的微处理器非均匀采样热分布重构方法，其特征在于步骤如下：

步骤1：利用可透红外光谱的油冷散热系统完成样本温度数据集的采集，并选用SPECCPU2006标准性能评估基准作为测试程序；

步骤2：采用Min-Max归一化方法对芯片样本温度数据的特征范围进行缩放，将其统一映射到[0，1]之间：

其中，T＝(t_x,y)_H×W为处理器的离散化热图矩阵，H和W分别代表离散化热图的高度和宽度，t_x,y代表芯片上坐标为(x,y)处的温度，t′_x,y为归一化后的温度，max(T)和min(T)分别为热图矩阵T的最大值和最小值；

步骤3：设计工作负载分类网络模型，包括一个输入层、四个全连接层和一个输出层；

输入数据为芯片温度数据归一化后得到的一个N×1大小的一维向量，依次经过四个全连接层的运算，并通过输出层SoftMax分类器得到工作负载分类的结果，该结果与SPECCPU2006中29类基准测试程序相对应；

步骤4：分别设计29类基准测试程序的热分布重构网络模型，包括一个输入层、两个全连接层、一个重新维度调整层和三个卷积层；

利用步骤3的结果选择重构网络，输入数据在两个全连接层运算后变为维度为3600的一维向量，加入维度调整操作，将数据变换为60×60大小，对60×60的数据进行三层卷积运算得到最终芯片重构温度分布；所述的三个卷积层的滤波器filter个数分别为64、32和1，卷积核大小均为3×3，步长均为1；

步骤5：训练网络；使用Caffe框架平台作为训练和测试卷积神经网络模型的实现，利用反向传播算法和随机梯度下降算法实现网络模型参数的更新和优化。

2.根据权利要求1所述的一种基于卷积神经网络的微处理器非均匀采样热分布重构方法，其特征在于所述的可透红外光谱的油冷散热系统为两个相隔1毫米空隙的蓝宝石窗口放置在微处理器上，每个蓝宝石窗口厚度为4毫米，在两块蓝宝石之间以2.5加仑/分钟的流量注入无机矿物质油，采用中波制冷型红外成像仪采集微处理器的温度。

3.根据权利要求1所述的一种基于卷积神经网络的微处理器非均匀采样热分布重构方法，其特征在于步骤3中的全连接层的激活函数使用的是ReLU函数。

4.根据权利要求1所述的一种基于卷积神经网络的微处理器非均匀采样热分布重构方法，其特征在于步骤5中的卷积神经网络模型的初始学习率、权值衰减和SGD动量分别设定为0.0001、0.0005和0.9，网络模型共训练500000次。