[发明专利]定制数据流硬件模拟仿真方法、装置、设备及存储介质

说明书

一种人工智能领域的定制数据流硬件模拟仿真方法、装置、计算机设备及存储介质，其中，所述方法包括：获取定制数据流硬件参数以及待仿真数据(S101)；根据寄存配置参数在C语言环境中配置对应的寄存地址，并将待仿真数据、神经网络结构图与神经网络参数寄存到对应的寄存地址(S102)；根据对应寄存地址中的神经网络结构图模拟构建对应的模拟神经网络(S103)；将对应寄存地址中的待仿真数据以及神经网络参数输入到模拟神经网络进行仿真计算，得到验证数据，并返回对应的寄存地址(S104)。由于在C语言环境中模拟定制数据流硬件的工作流，便于开发过程中软件部分与硬件部分的协调验证，提高开发效率。

技术领域

本发明属于人工智能技术领域，尤其涉及一种定制数据流硬件模拟仿真方法、装置、设备及存储介质。

背景技术

在人工智能领域的集成电路设计中，验证所占据的时间周期甚至超过了设计，达到50％以上。对于涉及软硬件的协同工作的产品，验证变得尤为重要和复杂。定制数据流架构人工智能系统的设计涉及软硬件的紧密合作，由于硬件和软件设计是分开的，如果完全等两边分开开发完再合并验证，将会使得整个开发流程冗长而繁杂，期间上层软件不知道如何控制硬件，下层硬件也无法得到准确的数据进行测试验证。

现阶段在工业界广泛应用的验证方法有：基于验证平台或软件的仿真验证，形式化验证，软硬件协同验证。其中以仿真验证最为广泛，也是集成电路设计中必不可少的一环。通过建立测试用例，检查RTL硬件设计在特定的激励下是否会产生相应的响应。

随着硬件设计的规模越来越大，构建系统级仿真环境的开销越来越大。而且仿真的本质导致了硬件仿真的时间在硬件设计具有一定规模时，成为验证设计的瓶颈。硬件设计具有一定规模时，硬件仿真的时间极长。

完整的硬件系统级的验证离不开软件的支持。在数据流人工智能加速芯片的工作流程中，硬件系统需要提供神经网络每一层的输入数据，才能进行计算。而若这些数据不能及时而正确地产生并在系统仿真时送给硬件，会给硬件的开发带来很大的麻烦，降低开发的效率。

因此，现有的硬件系统级的仿真方法存在仿真速度低，导致定制数据流产品开发效率低的问题。

发明内容

本发明实施例提供一种定制数据流硬件模拟仿真方法，旨在解决现有的硬件系统级的仿真方法存在仿真速度低，导致定制数据流产品开发效率低的问题。

本发明实施例是这样实现的，提供一种定制数据流硬件模拟仿真方法，包括步骤：

获取定制数据流硬件参数以及待仿真数据，所述定制数据流硬件参数包括寄存配置参数、神经网络结构图与神经网络参数，所述神经网络结构图包括不同神经网络层间的串行关系；

根据所述寄存配置参数在C语言环境中配置对应的寄存地址，并将所述待仿真数据、神经网络结构图与神经网络参数寄存到对应的寄存地址；

根据对应寄存地址中的所述神经网络结构图模拟构建对应的模拟神经网络，所述模拟神经网络包括不同神经网络层间的数据流关系，所述数据流关系根据所述串行关系得到；

将对应寄存地址中的所述待仿真数据以及神经网络参数输入到所述模拟神经网络进行仿真计算，得到验证数据，并返回对应的寄存地址。

更进一步的，所述寄存配置参数包括全局流配置参数与局部流配置参数，所述神经网络参数包括不同神经网络层参数，所述根据所述寄存配置参数在C语言环境中配置对应的寄存地址，并将所述待仿真数据、神经网络结构图与神经网络参数寄存到对应的寄存地址的具体步骤包括：

分别配置所述待仿真数据以及神经网络结构图对应的全局流寄存地址；

配置所述不同神经网络层参数对应的局部流寄存地址。

更进一步的，所述根据对应寄存地址中的所述神经网络结构图模拟构建对应的模拟神经网络的步骤具体包括：