[发明专利]神经网络模型的评估方法、装置及FPGA芯片

说明书

本申请提供了一种神经网络模型的评估方法、装置及FPGA芯片。该评估方法应用于FPGA芯片中，包括：接收实验数据；采用边缘人工智能的神经网络模型对实验数据进行处理，得到实验结果数据；根据实验结果数据对边缘人工智能的神经网络模型进行评估，得到评估结果；输出评估结果。采用上述评估方法对人工智能算法进行评估时，相对于相关技术中，采用平台对边缘人工智能的神经网络模型进行评估，导致成本高，功耗大，以及灵活性低的问题，上述评估方法利用FPGA可编程特点，能够有效地降低成本，减少功耗，提高灵活性。

技术领域

本申请涉及电路设计技术领域，具体而言，涉及一种神经网络模型的评估方法、装置及FPGA芯片。

背景技术

随着人工智能技术的不断进步，自动化、IoT、工业及消费类应用的不断出现，对边缘设备的要求和期待越来越高。边缘推理逐渐成为边缘设备的通用功能，用于进行本地决策、减少延迟和降低连接节点成本。

在边缘人工智能(AI)的应用场景中，现有的许多人工智能算法板卡采用基于MCU器件进行设计。然而，基于MCU器件的硬件平台，由于外设有限、灵活性不够、性能不高仅适用于一些功能单一的边缘AI，常常难以满足客户对成本、功耗、灵活性等方面的需求。此外，现有的MCU性能通常也不能满足神经网络繁重的计算需求。

发明内容

本申请的主要目的在于提供一种神经网络模型的评估方法、装置及FPGA芯片，以解决相关技术中评估边缘人工智能算法存在灵活性不够、性能不高的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种神经网络模型的评估方法，该评估方法应用于FPGA芯片中，包括：接收实验数据；采用边缘人工智能的神经网络模型对实验数据进行处理，得到实验结果数据；根据实验结果数据对边缘人工智能的神经网络模型进行评估，得到评估结果；输出评估结果。

可选地，实验数据包括以下至少之一：音频数据、图像数据、视频数据、位置数据和运动感应数据。

可选地，采用边缘人工智能的神经网络模型对实验数据进行处理，得到实验结果数据，包括：对边缘人工智能的神经网络模型进行训练，得到模型参数；将模型参数优化，得到优化的神经网络模型；在判断优化后的模型参数满足预定训练条件的情况下，采用优化的神经网络模型对实验数据进行处理，得到实验结果数据。

可选地，边缘人工智能的神经网络模型为人脸识别模型，实验数据为图像数据，采用边缘人工智能的神经网络模型对实验数据进行处理，得到实验结果数据，包括：采用人脸识别模型对图像数据进行识别，得到是否存在人脸的实验结果数据。

可选地，根据实验结果数据对边缘人工智能的神经网络模型进行评估，得到评估结果，包括：获取图像数据对应的真实结果，其中，真实结果表征是否存在人脸；将实验结果数据与真实结果进行比对，得到评估结果，其中，在实验结果数据与真实结果一致的情况下，评估结果为人脸识别模型通过评估，在实验结果数据与真实结果不一致的情况下，评估结果为人脸识别模型未通过评估。

可选地，输出评估结果，包括：通过指示灯的方式输出评估结果。

根据本申请另一方面，提供了一种神经网络模型的评估装置，包括：接收模块，用于接收实验数据；处理模块，用于采用边缘人工智能的神经网络模型对实验数据进行处理，得到实验结果数据；评估模块，用于根据实验结果数据对边缘人工智能的神经网络模型进行评估，得到评估结果；输出模块，用于输出评估结果。

根据本申请另一方面，还提供了一种FPGA芯片，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现如上述的神经网络模型的评估方法。

根据本申请另一方面，还提供了一种计算机可读存储介质，当计算机可读存储介质中的指令由FPGA芯片的处理器执行时，使得FPGA芯片能够执行如上述的神经网络模型的评估方法。