一种AI处理器架构的绘制方法、装置、设备及介质与流程

一种ai处理器架构的绘制方法、装置、设备及介质
技术领域
1.本发明实施例涉及数据处理技术领域，尤其涉及一种ai处理器架构的绘制方法、装置、设备及介质。


背景技术：

2.随着芯片制造的工艺不断升级，ai（artificial intelligence，人工智能）处理器在单位晶圆面积上部署的算力密度（同构或者异构）越来越高，进而导致了ai处理器的单位面积上的逻辑设计密度不断增加，ai处理器的单颗芯片的硬件部件数目呈指数级上升，对ai处理器架构的设计提出了很高的要求。
3.然而动辄几十上百的硬件部件以及几十万条数据通道，使得人工手绘ai处理器架构图，越来越难，且极易出错。而且，不同团队的手绘图没有统一标准，难以拉通，常常存在执行或对接误差，导致不必要的合作迭代，使得具有统一绘制标准的ai处理器架构的自动绘制成为当今芯片制造领域中亟待解决的问题。


技术实现要素：

4.本发明实施例提供一种ai处理器架构的绘制方法、装置、设备及介质，能够自动绘制ai处理器架构图，统一ai处理器架构图的绘制标准，降低对接误差。
5.第一方面，本发明实施例提供了一种ai处理器架构的绘制方法，包括：按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素；本层绘制元素包括：范畴模型或硬件部件模型，范畴模型中包括子硬件部件模型，和/或子范畴模型；如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素；根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作；如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据；根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据；根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图。
6.第二方面，本发明实施例还提供了一种ai处理器架构的绘制装置，包括：数据获取模块，用于按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素；本层绘制元素包括：范畴模型或硬件部件模型，范畴模型中包括子硬件部件模型，和/或子范畴模型；
第一嵌套布局模块，用于如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素；第二嵌套布局模块，用于根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作；第一数据确定模块，用于如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据；第二数据确定模块，用于根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据；ai处理器架构图绘制模块，用于根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图。
7.第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的ai处理器架构的绘制方法。
8.第四方面，本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所提供的ai处理器架构的绘制方法。
9.本实施例的技术方案，通过按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素，如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素，进而根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作，如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据，进一步根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据，从而根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图。利用范畴对处理器构架进行抽象，并基于构架层对处理器构架进行逐层的组织布局，实现对处理器构架的合理抽象以及层级化的布局，还可以自动确定布局后各本层绘制元素相对于所布局父范畴模型的偏移情况，并在更大范围的构架层绘制时自动确定底层绘制元素的布局数据，达到顶层构架层带动底层构架层协同布局的效果，解决了现有技术中手动绘制ai处理器架构绘制存在的绘制难度大，标准不统一以及对接误差频繁的问题，能够自动绘制ai处理器架构图，统一ai处理器架构图的绘制标准，降低对接误差。
附图说明
10.图1是本发明实施例一提供的一种ai处理器架构的绘制方法的流程图；图2为本发明实施例二提供的一种ai处理器架构的绘制方法的流程图；图3是本发明实施例二提供的一种包含一层范畴嵌套的父范畴模型的示意图；
图4是本发明实施例二提供的一种绘图模型的数据结构；图5是本发明实施例二提供的一种ai处理器架构图算法流程的示意图；图6是本发明实施例二提供的一种ai处理器架构图绘制结果的示意图；图7是本发明实施例二提供的一种镜像翻转处理的结果示意图；图8是本发明实施例二提供的一种ai处理器架构图压缩算法流程的示意图；图9是本发明实施例二提供的一种ai处理器架构图绘制结果压缩处理后的示意图；图10是本发明实施例二提供的一种ai处理器架构图的硬件部件连线示意图；图11是本发明实施例二提供的一种ai处理器架构图渲染结果的示意图；图12是本发明实施例二提供的一种ai处理器架构图中数据流的示意图；图13是本发明实施例二提供的另一种ai处理器架构图中数据流的示意图；图14是本发明实施例三提供的一种ai处理器架构的绘制装置的示意图；图15为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
11.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。
12.另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作（或步骤）描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
13.实施例一处理器架构内部存在若干局部范畴，范畴内的硬件部件有独立的互联保证协作，而与范畴外的硬件部件互通，则通过桥接单元或者有桥接功能的硬件部件来实现，范畴内的硬件部件可以与范畴外的硬件部件互通，具备如上特征的硬件部件组（至少包括两个硬件部件），可称为一个范畴，范畴可以嵌套，也可以并列，还可以无限扩展。硬件部件是组成处理器架构的基本工作单元，按照功能角色可以分为执行单元、桥接单元以及总线单元。执行单元可以用于发起或者处理数据交换请求，作为数据交换的起点或者终点，可以跨多个范畴。桥接单元可以不发起或者不接收数据交换请求，仅作为转发者，作为不同范畴之间的桥梁。总线单元可以用于承载总线所处范畴内的所有硬件部件之间的互联部署，一个范畴只存在一个总线单元。
14.图1是本发明实施例一提供的一种ai处理器架构的绘制方法的流程图，本实施例可适用于自动绘制ai处理器架构图的情况，该方法可以由ai处理器架构的绘制装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在电子设备中。该电子设备可以是终端设备，也可以是服务器设备等，本发明实施例并不对执行ai处理器架构的绘制方法的电子设备的类型进行限定。相应的，如图1所示，该方法包括如下操作：s110、按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制
元素。
15.其中，绘制尺度可以用于衡量绘制元素的尺寸大小。当前绘制架构层可以是当前需要进行模型布局的架构层，同一架构层的布局模型的尺寸大小相同。本层绘制元素可以是当前绘制架构层内需要绘制的模型。本层绘制元素可以包括范畴模型或硬件部件模型，范畴模型中可以包括子硬件部件模型，和/或子范畴模型。示例性的，当本层绘制元素包括范畴模型和硬件部件模型，范畴模型包括子硬件部件模型和子范畴模型时，本层绘制元素中的范畴模型与硬件部件模型的绘制尺度一致，本层绘制元素中的范畴模型下的子硬件部件模型与子范畴模型的绘制尺度一致。硬件部件模型可以是表征硬件部件的绘图模型。范畴模型可以是表征范畴的绘图模型。子硬件部件模型可以是嵌套于范畴模型下的，与子范畴模型属于同一架构层的硬件部件的绘图模型。子范畴模型可以是嵌套于范畴模型下的，范畴模型的子范畴的绘图模型。可以理解的是子范畴模型还可以嵌套孙范畴模型，以此类推，一个范畴模型可以嵌套多个下层范畴模型。
16.示例性的，硬件部件模型可以为矩形形状，范畴模型可以是至少两个矩形嵌套的组合形式。
17.在本发明实施例中，首先可以对ai处理器架构进行范畴抽象划分，得到范畴划分结果，并根据范畴划分结果确定ai处理器架构中各硬件部件所属范畴，进而根据ai处理器中各硬件部件的连接关系以及ai处理器架构中各硬件部件所属范畴，确定各硬件部件的连接清单，进一步对ai处理器架构进行分层处理，按照绘制尺度由小到大的顺序，也即按照分层结果由底层到顶层的顺序，根据ai处理器中各硬件部件的连接清单，依次获取与当前绘制架构层对应的本层绘制元素。
18.示例性的，对ai处理器架构进行范畴抽象划分之后，可以生成每个硬件部件的例化路径（从ai处理器构架顶层范畴一直到该硬件部件具体位置的所经历的范畴），例如：fc00_fc01_fc02表示从ai处理器构架顶层范畴fc00，进入子范畴fc01，再深入fc01的子范畴fc02，到达该硬件部件的位置。因此，硬件部件的位置便是由连续的“父范畴_子范畴”的不断连接来描述。
19.每一个硬件部件都不是独立存在的，都需要ai处理器内部的互联来与其他硬件部件协同工作，因此，对于每一个硬件部件的端口描述十分重要，这里硬件部件的端口定义如下：modu：硬件部件名称，在每个硬件部件在所属范畴内部命名唯一。if：硬件部件的端口编号。m：表示端口角色为请求发起者。s：表示端口角色是为请求接受者。端口互联一定是从m发起到s结束。
20.示例性的，连接清单中的一条连接示例如下：fc01：fc00_fc01_modu00-if00_m
→
fc01：fc00_fc01_modu01-if00_s该连接表示位于范畴fc01的属于硬件部件modu0的00号端口，与位于范畴fc01的属于硬件部件modu01的00号端口的连接。
21.通过上述架构建模后，从既有架构定义得到连接清单，提供给绘图引擎，即可得到处理器架构图。整个绘图引擎所需的输入，仅需要连接清单，而不需要任何其他繁杂约束。
22.可选的，对ai处理器架构进行分层处理时，处于分层结果最底层的是绘制尺度最小的硬件部件，绘制尺度最小的硬件部件所在的最小范畴属于分层结果最底层的上一层，
在分层结果最底层的上一层还可能包括硬件部件，为了对ai处理器架构中的不同分层的硬件部件进行区分，可以将分层结果最底层的上一层的最小范畴以及硬件部件配置相同的绘制尺度，并且使分层结果最底层的上一层的硬件部件的绘制尺度大于分层结果最底层的硬件部件的绘制尺度，以此类推，可以通过绘制尺度对ai处理器架构的不同架构层进行直观的区分。
23.s120、如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素。
24.其中，顶级架构层可以是ai处理器架构中绘制尺度最大的架构层，即分层结果中的顶层。父范畴模型可以是当前范畴所属的上一级范畴的绘图模型。
25.在本发明实施例中，可以将当前架构绘制层与分层结果进行匹配，如果当前绘制架构层不属于顶级架构层，则将各本层绘制元素在ai处理器架构绘制界面按照所属范畴进行组织布局，得到与各本层绘制元素对应的父范畴模型，并将与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素。
26.s130、根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作。
27.其中，相对偏移数据可以用于表征本层绘制元素相对于所布局父范畴模型的空间偏移量。相对偏移数据可以包括水平偏移量以及竖直偏移量。
28.在本发明实施例中，对各本层绘制元素进行组织布局之后，得到布局结果，进而根据布局结果中各本层绘制元素在对应父范畴模型的布局位置，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，进一步返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作。
29.s140、如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据。
30.其中，绝对布局数据可以是在当前绘制架构层属于顶级架构层时，各本层绘制元素在布局界面的布局坐标。
31.在本发明实施例中，可以将当前架构绘制层与分层结果进行匹配，如果当前绘制架构层属于顶级架构层，可以进一步确定顶级架构层包括的各本层绘制元素，进而对顶级架构层包括的各本层绘制元素在ai处理器架构绘制界面进行组织布局，得到各本层绘制元素在ai处理器架构绘制界面的绝对布局数据。
32.s150、根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据。
33.其中，底层绘制元素可以是当绘制架构层之前完成组织布局的架构层的绘制元素。底层绘制元素可以包括范畴模型和/或硬件部件模型。
34.在本发明实施例中，按照绘制尺度由大到小的顺序，也即按照分层结果由顶层到底层的顺序，确定顶级架构层至底层的各架构层的本层绘制元素，从而根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，计算顶级架构层中各底层绘制元素的绝对布局数据。
35.示例性的，可以确定顶级架构层中各本层绘制元素中的各范畴模型，进而确定各
范畴模型包括的下一级子范畴模型相对于所属范畴模型的相对偏移数据，根据各本层绘制元素中的各范畴模型的绝对布局数据，以及各范畴模型包括的下一级子范畴模型相对于所属范畴模型的相对偏移数据，确定顶级架构层至底层的层级顺序中顶级架构层的前一架构层中各底层绘制元素分别对应的绝对布局数据。以此类推，可以得到顶级架构层的各底层绘制元素分别对应的绝对布局数据。
36.s160、根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图。
37.在本发明实施例中，可以根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，确定各本层绘制元素在布局界面的坐标以及各底层绘制元素相对于所布局父范畴模型的坐标，进而根据各本层绘制元素在布局界面的坐标以及各底层绘制元素相对于所布局父范畴模型的坐标，绘制ai处理器架构图。在处理器架构评估和验证的过程中，场景描述和定义往往是抽象和有限的。把这些纷繁复杂的抽象定义，变得可视化，标准化，能极大的提升工作效率，降低合作门槛，对处理器架构性能评估和验证的海量数据的针对性呈现更为重要。
38.本实施例的技术方案，通过按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素，如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素，进而根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作，如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据，进一步根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据，从而根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图。利用范畴对处理器构架进行抽象，并基于构架层对处理器构架进行逐层的组织布局，实现对处理器构架的合理抽象以及层级化的布局，还可以自动确定布局后各本层绘制元素相对于所布局父范畴模型的偏移情况，并在更大范围的构架层绘制时自动确定底层绘制元素的布局数据，达到顶层构架层带动底层构架层协同布局的效果，解决了现有技术中手动绘制ai处理器架构绘制存在的绘制难度大，标准不统一以及对接误差频繁的问题，能够自动绘制ai处理器架构图，统一ai处理器架构图的绘制标准，降低对接误差。
39.实施例二图2为本发明实施例二提供的一种ai处理器架构的绘制方法的流程图。本发明实施例以上述实施例为基础进行具体化，在本发明实施例中，给出了返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作之前的具体可选的实现方式。
40.如图2所示，本发明实施例的方法具体包括：s210、按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素。
41.s220、如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素。
42.在本发明的一个可选实施例中，对各本层绘制元素进行组织布局，可以包括：获取与各本层绘制元素匹配的父范畴模型的第一布局区域以及第二布局区域；在与各本层绘制元素匹配的父范畴模型的第一布局区域以及第二布局区域，分别对各本层绘制元素进行上下对称布局；将与各本层绘制元素匹配的父范畴模型的第一布局区域以及第二布局区域的各本层绘制元素，进行左右对称布局，得到各父范畴对称布局图。
43.其中，第一布局区域与第二布局区域均为父范畴模型中布局本层绘制元素的区域。第一布局区域与第二布局区域关于水平穿越父范畴模型重心的直线对称分布。上下对称布局可以是关于水平穿越父范畴模型重心的直线，将本层绘制元素分别在第一布局区域与第二布局区域对称布局的操作。左右对称布局可以是关于竖直穿越父范畴模型重心的直线，对第一布局区域以及第二布局区域的本层绘制元素进行对称布局的操作。父范畴对称布局图可以是父范畴模型的第一布局区域以及第二布局区域的各本层绘制元素，进行左右对称布局之后得到的布局图。
44.在本发明实施例中，可以对与各本层绘制元素匹配的父范畴模型的布局区域的左边界进行三等分，得到三个区域，父范畴模型上边界所在的布局区域为第一布局区域，父范畴模型下边界所在的布局区域为第二布局区域，进而在与各本层绘制元素匹配的父范畴模型的第一布局区域以及第二布局区域，分别对各本层绘制元素进行上下对称布局。当无法在父范畴模型的第一布局区域以及第二布局区域对父范畴模型的本层绘制元素进行等数量布局时，需要保证父范畴模型中第一布局区域与第二布局区域上下对称布局的本层绘制元素的布局个数的差值的绝对值小于或等于1。在与各本层绘制元素匹配的父范畴模型的第一布局区域以及第二布局区域完成对本层绘制元素的上下对称布局之后，可以进一步对与各本层绘制元素匹配的父范畴模型的第一布局区域以及第二布局区域的各本层绘制元素，进行左右对称布局，并将第一布局区域以及第二布局区域之间的区域布局总线模型（总线单元的绘图模型），得到各父范畴对称布局图。
45.图3是本发明实施例二提供的一种包含一层范畴嵌套的父范畴模型的示意图，如图3所示，一个范畴模型或者一个硬件部件模型，都使用矩形表征，upper区域（第一布局区域）和lower区域（第二布局区域）作为非总线类硬件部件布局区域，middle区域作为总线模型绘图区域，负责表征upper与lower区域包含的所有硬件部件的互联通道集合。范畴可以无限嵌套，例如fc00和fc01，可以向父层或者子层无限制嵌套。
46.示例性的，对于每一个表征绘图模型的矩形，建立如图4所示的数据结构，进行表征硬件部件或范畴的图形表征。其中，x表示矩形左下角横坐标，y表示矩形左下角纵坐标，w表示矩形的宽，h表示矩形的高，c-x表示矩形重心横坐标，c-y表示矩形重心纵坐标，b-x表示矩形底边（下边界）横坐标，b-y表示矩形底边（下边界）纵坐标。l-x表示矩形左侧边（左边界）中点横坐标，l-y表示矩形左侧边（左边界）中点纵坐标。r-x表示矩形右侧边（右边界）中点横坐标，l-y表示矩形右侧边（右边界）中点纵坐标。t-x表示矩形顶边（上边界）横坐标，t-y表示矩形顶边（上边界）纵坐标。
47.s230、根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作。
48.在本发明的一个可选实施例中，在根据布局结果，确定各本层绘制元素相对于所
布局父范畴模型的相对偏移数据之后，可以包括：根据各本层绘制元素相对于所布局父范畴模型的相对偏移数据，确定各父范畴对称布局图的宽度边界数据；根据各父范畴对称布局图的宽度边界数据，刷新各父范畴模型的布局宽度。
49.其中，宽度边界数据可以是表征父范畴对称布局图右边界横坐标的数据。
50.在本发明实施例中，可以根据各本层绘制元素相对于所布局父范畴模型的相对偏移数据，确定各父范畴模型中横坐标最大的本层绘制元素，进而根据各父范畴模型中横坐标最大的本层绘制元素的横坐标，以及预设的本层绘制元素与父范畴模型边界的间隔，确定各父范畴对称布局图的宽度边界数据，进而根据各父范畴对称布局图的左边界坐标以及宽度边界数据，刷新各父范畴模型的布局宽度。
51.在本发明的一个可选实施例中，在确定各父范畴对称布局图的宽度边界数据之前，还可以包括：获取与当前绘制架构层对应的各本层绘制元素匹配的底层绘制元素；根据各本层绘制元素相对于所布局父范畴模型的相对偏移数据，对与当前绘制架构层对应的各本层绘制元素匹配的底层绘制元素进行偏移。
52.在本发明实施例中，首先可以确定当前绘制架构层至底层架构层中各架构层对应的各本层绘制元素，从各架构层对应的各本层绘制元素中剔除当前绘制架构层的各本层绘制元素，得到与当前绘制架构层对应的各本层绘制元素匹配的底层绘制元素，进而根据各本层绘制元素相对于所布局父范畴模型的相对偏移数据，对与当前绘制架构层对应的各本层绘制元素匹配的底层绘制元素进行偏移，以实现底层绘制元素与当前绘制架构层的各本层绘制元素的同步联动，也即在当前绘制架构层的各本层绘制元素位置移动的同时，带动与当前绘制架构层对应的各本层绘制元素匹配的底层绘制元素的按照相同偏移量进行移动。
53.在本发明的一个可选实施例中，根据各父范畴对称布局图的宽度边界数据，刷新各父范畴模型的布局宽度，可以包括：根据各父范畴对称布局图中的各本层绘制元素的宽度边界数据，确定各父范畴对称布局图的宽度最大值；根据各父范畴对称布局图的宽度最大值，刷新各父范畴模型的布局宽度。
54.其中，宽度最大值可以用于表征各父范畴对称布局图中具有最大宽度的父范畴对称布局图的宽度。
55.在本发明实施例中，可以根据各父范畴对称布局图的宽度边界数据与左边界横坐标的差值，分别确定各父范畴对称布局图的宽度，进而比较各父范畴对称布局图的宽度，确定各父范畴对称布局图的宽度最大值，进而以各父范畴对称布局图的宽度最大值，对各父范畴对称布局图的宽度进行刷新，以使各父范畴模型的宽度一致。
56.s240、如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据。
57.s250、根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据。
58.s260、根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图。
59.图5是本发明实施例二提供的一种ai处理器架构图算法流程的示意图，如图5所示，首先获取ai处理器架构中各硬件部件的连接清单，进一步对ai处理器架构进行立体化
分层处理，并为各构架层设置索引号，由顶层到底层索引号逐渐增加，根据连接清单确定获取与当前绘制架构层对应的硬件部件模型或范畴模型，进一步对ai处理器构架进行解析构建绘图引擎数据框架，确定当前绘制架构层对应的硬件部件或范畴的图形参数哈希表、图形布局哈希表以及范畴所包括子范畴和硬件部件的哈希表，获取硬件部件模型的宽度初始值、高度初始值，进而将更深的架构层的绘制元素的宽度初始化为宽度初始值，并将更深的架构层的绘制元素的高度初始化为高度初始值。根据ai处理器架构的分层结果由底层向顶层逐层布局，具体过程为：获取idx=idmax-i-2的构架层作为当前绘制构架层，统一第idx层的硬件部件模型的宽和高（第idx层的硬件部件模型的宽为宽度初始值，高为高度初始值，左下角坐标为（0，0）），完成第idx层的硬件部件模型的初始化。其中，idx表示当前绘制构架层索引号，idmax表示最底层构架层的索引号，i从0到最底层构架层的索引号进行调整，i大于等于0，且i小于等于idmax。根据分层结果获取第idx层的范畴清单，获取一个范畴，并按照范畴布局三区域，在upper区域以及lower区域对子范畴模型或子硬件部件模型进行组织布局（upper区域以及lower区域部署的子范畴模型或子硬件部件模型的数目差不超过1；命名仅索引不同的处于同一范畴的同构范畴模型或硬件部件模型，在upper区域以及lower区域进行上下对称布局，再在upper自身区域以及lower自身区域进行左右对称布局（可以简单理解为从上到下，从左到右，绘制元素索引递增）；范畴内具有桥接功能的硬件部件模块仅部署于lower区域）。其中，图形布局哈希表键名为绘制元素位置（如所在范畴），键值为绘制元素左下角横坐标，左下角纵坐标，模型宽度以及模型高度。范畴所包括子范畴和硬件部件的哈希表键名为绘制元素位置，键值为子范畴和硬件部件名称。
60.在完成该范畴的不同区域的布局之后，计算每个绘制元素的布局偏移量（相对偏移数据）。建立当前范畴模型的总线模型，当前范畴模型的总线模型左下角横坐标=宽度初始值*（预设水平间隔/2）；当前范畴模型的总线模型左下角纵坐标=高度初始值*放大比例/2 高度初始值*预设竖直间隔*布局区域个数/2-高度初始值*总线放大比例/2；当前范畴模型的总线模型的高=高度初始值*总线放大比例，其中，总线放大比例为预设的总线放大比例，总线放大比例可以设置为2/3等。
61.示例性的，第idx层的upper区域的第1个的绘制元素的水平布局偏移量=宽度初始值*预设间隔；第idx层的upper区域的第2个及以后的绘制元素的水平布局偏移量=宽度初始值*预设水平间隔 前一相邻绘制元素右边界横坐标。第idx层的upper区域的绘制元素的竖直布局偏移量=高度初始值*（（布局区域个数-1）*预设竖直间隔 （放大比例-1））。放大比例可以根据需要进行设置，例如放大比例=3，布局区域个数可以是范畴进行组织布局时划分的区域个数，在本方案中布局区域个数为3。预设水平间隔可以是预先设定同层绘制元素之间的水平间隔。预设竖直间隔可以是预先设定同层绘制元素之间的竖直间隔。第idx层的lower区域的第1个的绘制元素的水平布局偏移量=宽度初始值*预设间隔；第idx层的upper区域的第2个及以后的绘制元素的水平布局偏移量=宽度初始值*预设水平间隔 前一相邻绘制元素右边界横坐标。第idx层的upper区域的绘制元素的竖直布局偏移量=高度初始值*预设竖直间隔。对于每个子范畴模型或子硬件部件模型叠加偏移量，子范畴模型或子硬件部件模型更新后的横坐标=子范畴模型或子硬件部件模型的原始横坐标 所属范畴模型的水平布局偏移量；子范畴模型或子硬件部件模型更新后的纵坐标=子范畴模型或子硬件部件模型的原始横坐标 所属范畴模型的竖直布局偏移量。将第idx层中新出现的硬件部件模
型和范畴模型加入布局哈希表，新加入布局哈希表的绘制元素的左下角横坐标=绘制元素的原始左下角横坐标 相应绘制元素的水平布局偏移量；新加入布局哈希表的绘制元素的左下角纵坐标=绘制元素的原始左下角纵坐标 相应绘制元素的竖直布局偏移量；新加入布局哈希表的绘制元素的宽等于宽度初始值；新加入布局哈希表的绘制元素的高等于高度初始值。
62.按照upper以及lower区域内完成布局后，最右侧的最大横坐标确定当前范畴的宽度边界数据，并刷新当前范畴参数，并返回执行根据分层结果获取第idx层的范畴清单，获取一个范畴的操作，直至遍历第idx层的范畴清单中的全部范畴，确定idx层中所有范畴模型的宽度最大值，按照宽度最大值对idx层的最大级别范畴进行刷新，返回获取idx=idmax-i-2的构架层作为当前绘制构架层的操作，此时i=i 1，完成对所有架构层的绘制元素的布局、偏移量计算以及布局宽度刷新处理，最终得到的ai处理器架构图如图6所示。
63.在本发明的一个可选实施例中，在根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图之后，还可以包括：按照初始待压缩架构层向顶级架构层的扩展顺序，获取ai处理器架构图中当前待压缩架构层中各待压缩父范畴模型的子范畴模型的第一压缩宽度数据，以及各待压缩父范畴模型的子范畴模型的总线模型的第二待压缩宽度数据；根据第一压缩宽度数据以及第二待压缩宽度数据，压缩相应各待压缩父范畴模型的子范畴模型；根据当前待压缩架构层中各待压缩父范畴模型的子范畴模型的最小宽度数据，压缩与待压缩父范畴匹配的子硬件部件模型；压缩当前待压缩架构层中各待压缩父范畴的子范畴模型之间、子硬件部件模型之间，以及子范畴模型与子硬件部件模型之间的模型间隙，得到各待压缩父范畴初始压缩图；将各待压缩父范畴初始压缩图中包括桥接功能硬件部件的各待压缩父范畴模型进行镜像翻转处理，得到各翻转待压缩父范畴压缩图；根据各翻转待压缩父范畴压缩图的目标右边界数据，对各翻转待压缩父范畴压缩图进行压缩；在确定当前待压缩架构层不是顶级架构层时，返回执行获取ai处理器架构图中当前待压缩架构层中各待压缩父范畴模型的子范畴模型的第一压缩宽度数据，以及各待压缩父范畴模型的子范畴模型的总线模型的第二待压缩宽度数据的操作，直至完成对与顶层架构层匹配的翻转待压缩父范畴压缩图的压缩。
64.其中，初始待压缩架构层可以是ai处理器架构图中绘制尺度最小的范畴模型所在的架构层。当前待压缩架构层可以是当前需要进行尺寸压缩的架构层。待压缩父范畴模型可以是当前待压缩架构层中绘制尺度最大的范畴模型。第一压缩宽度数据可以表征待压缩父范畴的子范畴模型需要水平压缩的距离。第二待压缩宽度数据可以表征待压缩父范畴的总线模型需要水平压缩的距离。最小宽度数据可以表征待压缩父范畴模型中宽度最小的子范畴模型的宽度。待压缩父范畴初始压缩图可以是待压缩父范畴模型中的绘制元素压缩后的结果图。镜像翻转处理可以用于使桥接功能硬件部件接近总线模型。目标右边界数据可以是翻转待压缩父范畴压缩图中最右侧的子范畴模型或者子硬件部件模型的横坐标。翻转待压缩父范畴压缩图可以是待压缩父范畴初始压缩图进行镜像翻转处理后的结果图。
65.在本发明实施例中，可以按照ai处理器架构的分层结果确定初始待压缩架构层，进而按照初始待压缩架构层向所述顶级架构层的扩展顺序，获取ai处理器架构图中当前待压缩架构层中各待压缩父范畴模型的子范畴模型，进而根据当前待压缩架构层中各待压缩父范畴模型的子范畴模型的绘制元素的右边界坐标以及相应子范畴模型的右边界坐标，确
定第一压缩宽度数据。在得到第一压缩宽度数据之后，根据当前待压缩架构层中各待压缩父范畴模型的子范畴模型的右边界坐标以及第一压缩宽度数据确定第二待压缩宽度数据，进而根据第一压缩宽度数据压缩相应各待压缩父范畴模型的子范畴模型的右边界，根据第二压缩宽度数据压缩相应各待压缩父范畴模型的子范畴模型的总线模型的右边界。
66.在当前待压缩架构层中各待压缩父范畴模型的子范畴模型完成压缩之后，获取各待压缩父范畴模型的子范畴模型的最小宽度数据，进而根据最小宽度数据，压缩与待压缩父范畴匹配的子硬件部件模型，并进一步压缩当前待压缩架构层中各待压缩父范畴的子范畴模型之间、子硬件部件模型，以及子范畴模型与子硬件部件模型之间的模型间隙，得到各待压缩父范畴初始压缩图。当待压缩父范畴初始压缩图中包括桥接功能硬件部件，且桥接功能硬件部件布局远离总信模块时，对当前待压缩架构层中各待压缩父范畴模型布局远离总信模块的桥接功能硬件部件进行镜像翻转处理，得到各翻转待压缩父范畴压缩图。在得到各翻转待压缩父范畴压缩图之后，进一步确定各翻转待压缩父范畴压缩图的目标右边界数据，并根据各翻转待压缩父范畴压缩图的目标右边界数据分别对相应翻转待压缩父范畴压缩图进行压缩，并进一步将完成上述压缩处理的当前待压缩架构层与顶级架构层进行匹配，如果当前待压缩架构层不是顶级架构层，则返回执行获取ai处理器架构图中当前待压缩架构层中各待压缩父范畴模型的子范畴模型的第一压缩宽度数据，以及各待压缩父范畴模型的子范畴模型的总线模型的第二待压缩宽度数据的操作，直至完成对与顶层架构层匹配的翻转待压缩父范畴压缩图的压缩，也即完成对与顶层架构层中的本层绘制元素的压缩，对顶层架构层的本层绘制元素中布局远离总信模块的桥接功能硬件部件的镜像翻转处理，以及对顶层架构层包络本层绘制元素的外边框的压缩。
67.图7是本发明实施例二提供的一种镜像翻转处理的结果示意图，假设原始绘制的ai处理器架构图如图6所示，对原始绘制的ai处理器架构图进行镜像翻转处理，得到的翻转结果可以参见图7。
68.图8是本发明实施例二提供的一种ai处理器架构图压缩算法流程的示意图，如图8所示，可以首先获取ai处理器的图形布局哈希表，并根据图形布局哈希表按照范畴获取所有范畴包括的子范畴以及子硬件部件，进而从初始待压缩构架层向顶级构架层的顺序，逐级获取当前构架层的范畴模型，并对当前范畴模型包括的子范畴进行压缩，再对子范畴的总线模型进行压缩，进一步根据当前范畴模型下的最小宽度的子范畴模型，压缩当前范畴模型下与子范畴模型同层的子硬件部件模型，进而压缩子范畴模型与子硬件部件模型之间、子范畴模型与子范畴模型之间、以及子硬件部件模型与子硬件部件模型之间的间隙，进而以当前范畴模型的总线模型的y坐标为横轴，镜像对调远离总线模型的桥接功能硬件部件所属的子范畴模型或子硬件部件模型，最后对当前范畴模型进行压缩，判断当前构架层的范畴模型是否均完成压缩处理，若否，则返回执行逐级获取当前构架层的范畴模型的操作，直至当前构架层的范畴模型均完成压缩处理，进一步对下一架构层进行压缩处理，直至完成所有架构层压缩，最终得到的压缩后的ai处理器架构图如图9所示。
69.示例性的，可以先确定当前范畴模型中各子范畴模型的宽度（简记为wlst）、各子范畴模型左下角的横坐标（简记为xlst），以及各子范畴模型左下角的横坐标与相应子范畴模型的宽度的和值（简记为wxl），进一步将计算当前范畴模型中最左侧子范畴模型左下角的横坐标与当前范畴模型左下角的横坐标的差值（简记为sonmargin），压缩后当前子范畴
模型的宽=max（wxl） sonmargin-当前范畴模型左下角的横坐标，压缩后当前子范畴模型的总线模型的宽=当前范畴模型的宽-2*（当前范畴模型中总线模型的宽-当前范畴模型左下角的横坐标）。在压缩当前范畴模型内绘制元素间隙时，可以分别在upper区域和lower区域按照绘制元素左下角横坐标的大小，进行升序排序并从左至右逐个处理，将各自区域的前一个子范畴模型的压缩距离，作为相邻的下一子范畴模型或子硬件部件模型向左偏移的距离，以此类推实现，两个布局区域的子范畴模型的压缩随动。
70.按照ai处理器架构图连接清单，从请求发起者到请求接收者，连接硬件部件接口，完成ai处理器构架绘制，得到图10，还可以用箭头指示请求发起者到请求接收者，作为独立端口标识。
71.s270、获取目标时间窗口内的处理器运行数据。
72.其中，目标时间窗口可以是预先设置的用于分析处理器运行情况的时段。处理器运行数据可以是处理器运行时的性能指标数据，用于表征处理器各硬件部件的运行情况。示例性的，处理器运行数据可以包括但不限于功耗数据、碰撞概率数据、算力密度数据以及负载平衡数据等。
73.在本发明实施例中，可以根据对处理器运行情况的分析需要，确定目标时间窗口，进而采集目标时间窗口内的处理器运行数据。
74.s280、根据目标时间窗口内的处理器运行数据，渲染目标播放数量的ai处理器架构图，得到多个负载切片。
75.其中，目标播放数量可以是预先设置的整数，用于表征需要渲染并播放的ai处理器架构图的数量。负载切片可以是根据处理器运行数据渲染后的ai处理器架构图。
76.在本发明实施例中，可以根据获取的目标时间窗口内的处理器运行数据，确定各硬件部件的运行情况，进一步根据预先配置的时间间隔对目标时间窗口进行划分确定目标播放数量，进而获取在目标时间窗口内相同时间间隔下的目标播放数量的ai处理器架构图，从而根据各硬件部件的运行情况对目标播放数量的ai处理器架构图进行渲染，得到目标播放数量的负载切片。
77.需要说明的是，在处理器设计和验证阶段，利用架构级别表征复杂场景，单靠简单图形和文字，已经十分低效甚至无法实现，基于标准化、自动化的处理器架构特性的表征。绘制元素和绘制元素表征量的解耦，为架构特性分析和呈现带来了极致效率，也即可以将硬件部件模型与渲染颜色进行解耦，以不同颜色代表不同的硬件部件模型的功耗、性能以及温度等，从而提升架构图的分析和呈现效果。
78.s290、按照负载切片的生成次序，播放负载切片。
79.在本发明实施例中，先获取的ai处理器架构图先渲染，因此获取ai处理器架构图的顺序为负载切片的生成次序。按照负载切片的生成次序，也即目标播放数量ai处理器架构图的获取顺序，播放负载切片，以动态展示ai处理器的运行情况，方便工作人员根据ai处理器的运行情况及时进行设备维护。
80.图11是本发明实施例二提供的一种ai处理器架构图渲染结果的示意图，如图11所示，对ai处理器架构的范畴模型或硬件部件模型，进行独立着色，从不同方面直观展示处理器架构的特征。
81.示例性的，同构或异构硬件部件，在整个处理器内部的分布排列。ai处理器架构的
互联分层，职能部件的比例分配等，都可以通过着色，直观排列出来。通过每个硬件部件的功耗、算力、数据吞吐等性能指标数据映射到处理器架构的各个范畴和硬件部件，同时，建立归一化色彩权重来直观显示复杂场景下，各种性能指标的优劣，定性定量提供进一步性能优化或平衡的方向和方法。数据流分类为load，store两个类别，如图12所示，ai处理器核心从一个硬件部件装载数据，处理完成后，再存储到其他硬件部件。两条数据流从m和s的属性标识加上色彩标识或用不同线形进行区分，可以清晰的标明数据流的关系和属性。复杂场景下，数据流相互关系复杂。多条数据流并行的时候，存在三种数据通道关系，全部重叠，部分重叠，没有重叠，其中，部分重叠发生的概率最大，三条数据流数据通道部分重叠的数据流向示意图可参见图13。根据理论权重分配或者实际仿真获取的数据流性能参数映射到每条数据流的颜色及其深度，再综合多条数据通道并行的颜色叠加，可直观得到某种场景下，处理器架构互联性能结果。对于处理器架构探索阶段的互联方案判别，以及处理器架构性能目标落地程度，给与直观的性能染色呈现。
82.现阶段，ai处理器架构内部点对点互联通道已经在几十万条数量级，如果考察并行场景，场景数量在数据通道的基础上，呈指数级增长。人力的无限投放是不科学的，工作效率和重点缺乏科学的方法学支撑也是难以提升的。所以，本发明提出的处理器架构绘图引擎及其染色方法，填补了处理器架构场景分析，自动化关联处理器架构的空白，解决了日益复杂的处理器架构及其使用场景和手工作图手工标注的低效分析手段之间的尖锐矛盾。规避了任何处理器特性对绘图的干扰，仅按照处理器物理架构垂直分层，提供了一种处理器架构容器。该容器可装载任何精细或粗略描述处理器架构相应特性的数据指标，并实现数据指标的装载和静、动态呈现。某时刻t0处理器内部负载数据装载入处理器架构容器，可以看到t0时刻的处理器内部的各硬件部件的负载状态，如果，收集到t0，t1，
…
tn个时刻的负载切片，连续播放n个切片，便可以得到tn-t0这部分时间窗口的动态负载播放图，进而辅助抓取关键点位存在的时间窗口，进行细节放大，快速分析。
83.本实施例的技术方案，通过按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素，如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素，从而根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作，如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据，从而根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据，进一步根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图，进一步获取目标时间窗口内的处理器运行数据，并根据目标时间窗口内的处理器运行数据，渲染目标播放数量的ai处理器架构图，得到多个负载切片，从而按照负载切片的生成次序，播放负载切片。利用范畴对处理器构架进行抽象，并基于构架层对处理器构架进行逐层的组织布局，实现对处理器构架的合理抽象以及层级化的布局，还可以自动确定布局后各本层绘制元素相对于所布局父范畴模型的偏移情况，并在更大范围的构架层绘制时自动确定底层绘制元素的布局数据，达到顶层构架层带动底层构架层协同布局的效果。对目标时间窗口内的处理器运行数据渲染出负载切片，并按照生成顺序播放负载切片，可以
生动形象的为工作人员展示处理器的运行情况，解决了现有技术中手动绘制ai处理器架构绘制存在的绘制难度大，标准不统一以及对接误差频繁的问题，能够自动绘制ai处理器架构图，统一ai处理器架构图的绘制标准，降低对接误差，丰富ai处理器架构图的应用，提升处理器架构特性分析效率。
84.需要说明的是，以上各实施例中各技术特征之间的任意排列组合也属于本发明的保护范围。
85.实施例三图14是本发明实施例三提供的一种ai处理器架构的绘制装置的示意图，如图14所示，所述装置包括：数据获取模块310、第一嵌套布局模块320、第二嵌套布局模块330、第一数据确定模块340、第二数据确定模块350以及ai处理器架构图绘制模块360，其中：数据获取模块310，用于按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素；本层绘制元素包括：范畴模型或硬件部件模型，范畴模型中包括子硬件部件模型，和/或子范畴模型；第一嵌套布局模块320，用于如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素；第二嵌套布局模块330，用于根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作；第一数据确定模块340，用于如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据；第二数据确定模块350，用于根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据；ai处理器架构图绘制模块360，用于根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图。
86.本实施例的技术方案，通过按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素，如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素，进而根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作，如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据，进一步根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据，从而根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图。利用范畴对处理器构架进行抽象，并基于构架层对处理器构架进行逐层的组织布局，实现对处理器构架的合理抽象以及层级化的布局，还可以自动确定布局后各本层绘制元素相对于所布局父范畴模型的偏移情况，并在更大范围的构架层绘制时自动确定底层绘制元素的布局数据，达到顶层构架层带动底层构架层协同布局的效果，解决了现有技术中手动绘制ai处理器架构绘制存在的绘制难度大，标准不统一以及对接误差频繁的问题，能
够自动绘制ai处理器架构图，统一ai处理器架构图的绘制标准，降低对接误差。
87.可选的，第一嵌套布局模块320，具体用于获取与各所述本层绘制元素匹配的父范畴模型的第一布局区域以及第二布局区域；在与各所述本层绘制元素匹配的父范畴模型的第一布局区域以及第二布局区域，分别对各本层绘制元素进行上下对称布局；将与各所述本层绘制元素匹配的父范畴模型的第一布局区域以及第二布局区域的各本层绘制元素，进行左右对称布局，得到各父范畴对称布局图。
88.可选的，ai处理器架构的绘制装置还包括宽度刷新模块，用于根据各所述本层绘制元素相对于所布局父范畴模型的相对偏移数据，确定各所述父范畴对称布局图的宽度边界数据；根据各所述父范畴对称布局图的宽度边界数据，刷新各所述父范畴模型的布局宽度。
89.可选的，宽度刷新模块，具体用于根据各所述父范畴对称布局图中的各本层绘制元素的宽度边界数据，确定各所述父范畴对称布局图的宽度最大值；根据各所述父范畴对称布局图的宽度最大值，刷新各所述父范畴模型的布局宽度。
90.可选的，宽度刷新模块，具体用于获取与当前绘制架构层对应的各本层绘制元素匹配的底层绘制元素；根据各本层绘制元素相对于所布局父范畴模型的相对偏移数据，对与当前绘制架构层对应的各本层绘制元素匹配的底层绘制元素进行偏移。
91.可选的，ai处理器架构的绘制还包括绘图压缩模块，用于按照初始待压缩架构层向所述顶级架构层的扩展顺序，获取ai处理器架构图中当前待压缩架构层中各待压缩父范畴模型的子范畴模型的第一压缩宽度数据，以及各待压缩父范畴模型的子范畴模型的总线模型的第二待压缩宽度数据；根据所述第一压缩宽度数据以及所述第二待压缩宽度数据，压缩相应各待压缩父范畴模型的子范畴模型；根据所述当前待压缩架构层中各待压缩父范畴模型的子范畴模型的最小宽度数据，压缩与待压缩父范畴匹配的子硬件部件模型；压缩当前待压缩架构层中各待压缩父范畴的子范畴模型之间、子硬件部件模型之间，以及子范畴模型与子硬件部件模型之间的模型间隙，得到各待压缩父范畴初始压缩图；将各所述待压缩父范畴初始压缩图中包括桥接功能硬件部件的各待压缩父范畴模型进行镜像翻转处理，得到各翻转待压缩父范畴压缩图；根据各所述翻转待压缩父范畴压缩图的目标右边界数据，对各所述翻转待压缩父范畴压缩图进行压缩；在确定所述当前待压缩架构层不是所述顶级架构层时，返回执行获取ai处理器架构图中当前待压缩架构层中各待压缩父范畴模型的子范畴模型的第一压缩宽度数据，以及各待压缩父范畴模型的子范畴模型的总线模型的第二待压缩宽度数据的操作，直至完成对与顶层架构层匹配的翻转待压缩父范畴压缩图的压缩。
92.可选的，ai处理器架构的绘制还包括负载切片模块，用于获取目标时间窗口内的处理器运行数据；根据所述目标时间窗口内的处理器运行数据，渲染目标播放数量的ai处理器架构图，得到多个负载切片；按照所述负载切片的生成次序，播放所述负载切片。
93.上述ai处理器架构的绘制装置可执行本发明任意实施例所提供的ai处理器架构的绘制方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的ai处理器架构的绘制方法。
94.由于上述所介绍的ai处理器架构的绘制装置为可以执行本发明实施例中的ai处理器架构的绘制方法的装置，故而基于本发明实施例中所介绍的ai处理器架构的绘制方
法，本领域所属技术人员能够了解本实施例的ai处理器架构的绘制装置的具体实施方式以及其各种变化形式，所以在此对于该ai处理器架构的绘制装置如何实现本发明实施例中的ai处理器架构的绘制方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中ai处理器架构的绘制方法所采用的装置，都属于本技术所欲保护的范围。
95.实施例四图15为本发明实施例四提供的一种电子设备的结构示意图。图15示出了适于用来实现本发明实施方式的电子设备412的框图。图15显示的电子设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
96.如图15所示，电子设备412以通用计算设备的形式表现。电子设备412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件（包括存储装置428和处理器416）的总线418。
97.总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（industry standard architecture，isa）总线，微通道体系结构（micro channel architecture，mca）总线，增强型isa总线、视频电子标准协会（video electronics standards association，vesa）局域总线以及外围组件互连（peripheral component interconnect，pci）总线。
98.电子设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
99.存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如ram（random access memory，随机存取存储器）430和/或高速缓存存储器432。电子设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质（图15未显示，通常称为“硬盘驱动器”）。尽管图15中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如只读光盘（compact disc-read only memory，cd-rom）、数字视盘（digital video disc-read only memory，dvd-rom）或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本发明各实施例的功能。
100.具有一组（至少一个）程序模块426的程序436，可以存储在例如存储装置428中，这样的程序模块426包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块426通常执行本发明所描述的实施例中的功能和/或方法。
101.电子设备412也可以与一个或多个外部设备414（例如键盘、指向设备、摄像头、显示器424等）通信，还可与一个或者多个使得用户能与该电子设备412交互的设备通信，和/或与使得该电子设备412能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过i/o接口422进行。并且，电子设备412还可以通过网络适配器420与一个或者多个网络（例如局域网（local area network，lan），广域网wide area network，wan）和/或公共网络，例如因特网）通信。如图所示，网络适配器420通过总线
418与电子设备412的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列（redundant arrays of independent disks，raid）系统、磁带驱动器以及数据备份存储系统等。
102.处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的ai处理器架构的绘制方法，包括：按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素；本层绘制元素包括：范畴模型或硬件部件模型，范畴模型中包括子硬件部件模型，和/或子范畴模型；如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素；根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作；如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据；根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据；根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图。
103.本实施例的技术方案，通过按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素，如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素，进而根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作，如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据，进一步根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据，从而根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图。利用范畴对处理器构架进行抽象，并基于构架层对处理器构架进行逐层的组织布局，实现对处理器构架的合理抽象以及层级化的布局，还可以自动确定布局后各本层绘制元素相对于所布局父范畴模型的偏移情况，并在更大范围的构架层绘制时自动确定底层绘制元素的布局数据，达到顶层构架层带动底层构架层协同布局的效果，解决了现有技术中手动绘制ai处理器架构绘制存在的绘制难度大，标准不统一以及对接误差频繁的问题，能够自动绘制ai处理器架构图，统一ai处理器架构图的绘制标准，降低对接误差。
104.实施例五本发明实施例五还提供一种存储计算机程序的计算机存储介质，所述计算机程序在由计算机处理器执行时用于执行本发明上述实施例任一所述的ai处理器架构的绘制方法，包括：按照绘制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素；本层绘制元素包括：范畴模型或硬件部件模型，范畴模型中包括子硬件部件模型，和/或子范畴模型；如果确定当前绘制架构层不属于顶级架构层，则对各本层绘制元素进行组织布局，得到与各本层绘制元素对应的父范畴模型作为下一绘制架构层的绘制元素；根据布局结果，确定各本层绘制元素相对于所布局父范畴模型的相对偏移数据，并返回执行按照绘
制尺度由小到大的顺序，依次获取当前绘制架构层对应的本层绘制元素的操作；如果确定当前绘制架构层属于顶级架构层，则对各本层绘制元素进行组织布局，确定各本层绘制元素的绝对布局数据；根据各本层绘制元素的绝对布局数据以及预先确定的各相对偏移数据，逐级确定与各底层绘制元素分别对应的绝对布局数据；根据各本层绘制元素的绝对布局数据以及各底层绘制元素的绝对布局数据，绘制得到ai处理器架构图。
105.本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（ram）、只读存储器（read only memory，rom）、可擦式可编程只读存储器（（erasable programmable read only memory，eprom）或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
106.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
107.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、射频（radio frequency，rf）等等，或者上述的任意合适的组合。
108.可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网（lan）或广域网（wan）连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
109.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。