基于Transformer的芯片全片温度分布预测方法、系统及介质

    公开(公告)号:CN115794584A

    公开(公告)日:2023-03-14

    申请号:CN202211487635.X

    申请日:2022-11-24

    Abstract: 本发明属于芯片温度预测领域,公开了一种基于Transformer的芯片全片温度分布预测方法、系统及介质,包括时序信息编码模块、Transformer神经网络训练模块、模型准确性验证模块;时序信息编码模块用于获取所述性能计数和温度传感器温度数据,并对其时序数据和位置信息进行编码;Transformer神经网络训练模块用于根据输入序列对未来芯片温度进行预测;模型准确性验证模块用于对预测结果和温度仿真器的仿真结果进行比较,符合预期则输出温度分布预测模型,反之则调整训练参数重新训练。本发明既能对芯片全片温度进行预测,并给出芯片未来指定时刻对温度分布,又能辅助动态温度管理在芯片未达到温度阈值时主动进行温度控制,减少因超温而被迫降低工作频率的性能损失。

    一种应用于自动驾驶的NUCA架构硬件性能优化方法、系统及介质

    公开(公告)号:CN115757204A

    公开(公告)日:2023-03-07

    申请号:CN202211533458.4

    申请日:2022-11-30

    Abstract: 本发明属于自动驾驶领域,公开了一种应用于自动驾驶的NUCA架构硬件性能优化方法、系统及介质,当本地cache无空闲空间时,利用广度优先算法先查找最近的,然后次近的,依次向外访问外围的共享cache,当访问到空闲地址则直接存入数据,否则继续利用队列的先进先出特征,按照前面访问的顺序回顾一遍相邻点,访问下一层的空闲地址;当访问外围的cache到一定层数阈值时便停止继续访问,直接替换本地cache中未经常访问的数据。本发明基于广度优先遍历算法,以及根据相关限制约束当访问外围的cache到一定层数时便停止继续访问直接替换本地cache中数据,以此加速数据存储与处理降低访问的延迟同时提高吞吐率使硬件的性能得到优化。

    一种独立于无关信息的加速强化学习的端到端自动驾驶方法

    公开(公告)号:CN115719478A

    公开(公告)日:2023-02-28

    申请号:CN202211479381.7

    申请日:2022-11-24

    Abstract: 本发明公开一种独立于无关信息的加速强化学习的端到端自动驾驶方法,包括以下步骤:1)在包含动态场景和静态场景的情况下,利用前置摄像头收集的图像信息,将原始图像作为自动编码器的输入;2)在自动编码器中将原始数据分类为相关特征数据集和无关特征数据集,对自动编码器进行训练;3)自动编码器输出作为强化学习网络的输入;4)强化学习网络在基于FPGA的加速平台下进行推理和训练,进而得到控制命令。本发明通过训练自动编码器使其能够在所有的输入图像中忽略无关的特征,并将其作为深度强化学习网络的输入,对神经网络进行训练获得沿着道路安全行驶的策略,本发明能够克服强化学习效率低、学习慢的问题,最终的输出命令以控制车辆。

Patent Agency Ranking