本技术实施例涉及计算设备，尤其涉及一种设备的布局图生成方法和计算设备。
背景技术：
1、在进行待设计设备的整机设计时，需要生成待设计设备的布局图。例如，在进行服务器的整机设计时，通常需要生成服务器的布局图。
2、在相关技术中，设计人员可以基于现有设备的布局数据并结合自身经验和待设计设备的设计参数，确定待设计设备的布局图。
3、然而，基于相关技术进行待设计设备的布局图设计时，耗时较长，导致待设计设备的布局图设计效率较低。
技术实现思路
1、本技术实施例提供一种设备的布局图生成方法和计算设备，可以提高待设计设备的布局图的设计效率。
2、第一方面，本技术实施例提供一种设备的布局图生成方法，所述方法包括：
3、将待设计设备的目标配置信息输入对应的坐标预测模型中，得到所述待设计设备中各待布置元器件对应的坐标，所述坐标预测模型为基于所述待设计设备对应的目标数据集训练得到，所述目标数据集包括所述待设计设备对应的多个参照设备的配置信息和布局信息；
4、根据所述各待布置元器件对应的坐标和元器件模型库，生成所述待设计设备的目标布局图，所述元器件模型库包括多个元器件对应的多个器件模型。
5、在上述技术方案中，可以基于待设计设备对应的目标数据集训练得到该待设计设备对应的坐标预测模型，进而基于该坐标预测模型和目标配置信息快速确定各待布置元器件的坐标；还可以在元器件模型库中获取各待布置元器件对应的器件模型(例如，三维模型)，并根据各待布置元器件的坐标和对应的器件模型，生成待设计服务器的目标布局图，缩短了确定各待布置元器件的坐标的时间及生成布局图的时间，降低了对设计人员的依赖，可以避免由于人因失误而引入各种错误数据，提高了待设计设备的布局图的设计效率。
6、在一种可能的实施方式中，在将待设计设备的目标配置信息输入对应的坐标预测模型中之前，所述方法还包括：
7、根据所述目标配置信息获取所述目标数据集；
8、根据预设分配比例，将所述目标数据集拆分为训练数据集、验证数据集和测试数据集；
9、基于所述训练数据集、所述验证数据集和所述测试数据集对初始模型进行迭代训练，得到所述待设计设备对应的坐标预测模型。
10、在上述技术方案中，可以根据待设计设备的目标配置信息获取待设计设备的目标数据集，并基于预设分配比例将目标数据集拆分为训练数据集、验证数据集合测试数据集，以便于对初始模型进行更为精细的迭代训练，使得到的坐标预测模型更为精确。
11、在一种可能的实施方式中，基于所述训练数据集、所述验证数据集和所述测试数据集对初始模型进行迭代训练，得到所述待设计设备对应的坐标预测模型，包括：
12、确定所述初始模型的初始超参数；
13、基于所述初始超参数、所述训练数据集和所述验证数据集，对所述初始模型进行迭代训练，得到中间模型；
14、基于所述测试数据集对所述中间模型进行测试，得到测试结果，并根据所述测试结果确定所述坐标预测模型。
15、在上述技术方案中，在对初始模型进行迭代训练时，将初始模型的初始超参数的选择加入后续的模型训练过程中，能有效地平衡该初始模型中的参数量，缓解了基于小样本数据集对初始模型进行训练的过程中出现的欠拟合和过拟合现象，有利于提高模型的预测准确度。通过测试数据集对中间模型进行测试，可以筛除预测准确度较低的中间模型，使得基于中间模型得到的坐标预测模型在进行待设计设备的坐标预测时具有更高的准确度。
16、在一种可能的实施方式中，基于所述初始超参数、所述训练数据集和所述验证数据集，对所述初始模型进行迭代训练，得到中间模型，包括：
17、在对所述初始模型进行第i次迭代训练的过程中，根据所述训练数据集和所述初始超参数，确定第i个模型参数；
18、根据所述初始超参数、所述第i个模型参数和所述验证数据集，确定第i个超参数；
19、其中，所述i依次取1、2、3、……，直至所述i等于m，或者，所述第i个模型参数和所述第i个超参数收敛时，得到所述中间模型，其中，所述m为大于1的整数。
20、在上述技术方案中，在对初始模型进行迭代训练时，采用了双层优化方法对初始模型的模型参数和超参数进行优化，将初始模型的超参数的选择加入模型参数的训练过程中，能有效地平衡该初始模型中的参数量，缓解了基于小样本数据集对初始模型进行训练的过程中出现的欠拟合和过拟合现象，有利于提高中间模型的预测准确度。
21、在一种可能的实施方式中，根据所述初始超参数、所述第i个模型参数和所述验证数据集，确定第i个超参数，包括：
22、确定所述初始超参数对应的相邻超参数；
23、在确定所述相邻超参数的数量为多个时，基于多个相邻超参数、所述第i个模型参数和所述验证数据集对所述初始模型进行第i次迭代训练的过程中，确定每个相邻超参数对应的所述初始模型的损失函数的第一损失值；
24、在所述多个相邻超参数中，将所述第一损失值最小时对应的相邻超参数确定为所述第i个超参数。
25、在上述技术方案中，在初始模型训练过程中，可以确定初始超参数对应的相邻超参数，并在每次迭代训练中基于初始模型的损失函数的最小第一损失值来确定下一次迭代训练的超参数，以进一步提高模型预测的准确度。
26、在一种可能的实施方式中，确定所述初始超参数对应的相邻超参数，包括：
27、确定所述初始模型对应的超参数集合，所述超参数集合包括所述初始超参数和多个待选超参数；
28、计算所述超参数集合中各待选超参数与所述初始超参数之间的距离；
29、将所述距离小于预设距离的待选超参数确定为所述相邻超参数。
30、在上述技术方案中，可以基于超参数集合中各待选超参数与初始超参数之间距离和预设距离，以准确地在多个待选超参数确定相邻超参数。
31、在一种可能的实施方式中，根据所述训练数据集和所述初始超参数，确定第i个模型参数，包括：
32、在基于所述训练数据集和所述初始超参数对所述初始模型进行第i次迭代训练的过程中，确定所述初始模型的损失函数的第二损失值；
33、将所述第二损失值最小时对应的模型参数确定为所述第i个模型参数。
34、在上述技术方案中，在初始模型每次迭代训练过程中，将初始模型的超参数的选择加入模型参数的训练过程中，并基于初始模型的损失函数的最小第二损失值来确定本次迭代训练的最优模型参数，以进一步提高模型预测的准确度。
35、在一种可能的实施方式中，根据所述测试结果确定所述坐标预测模型，包括：
36、若所述测试结果为测试通过，则将所述中间模型确定为所述坐标预测模型；
37、若所述测试结果为测试未通过，则重新选取所述初始模型的初始超参数，并基于重新选取的初始超参数、所述训练数据集、所述验证数据集和所述测试数据集，确定所述坐标预测模型。
38、在上述技术方案中，该方法可以基于测试数据集对中间模型的测试结果，对部分预测准确度较低的中间模型进行删除。并且，在测试结果为未通过时，可以重新选取初始超参数，并基于训练数据集、验证数据集和测试数据集对初始模型重新进行迭代训练，直至得到测试结果为测试通过的中间模型，使得基于中间模型得到的坐标预测模型在进行待设计设备的坐标预测时具有更高的准确度。
39、在一种可能的实施方式中，根据各待布置元器件对应的坐标和元器件模型库，生成所述待设计设备的目标布局图，包括：
40、在所述元器件模型库的多个器件模型中，确定各待布置元器件对应的器件模型；
41、基于所述各待布置元器件对应的坐标，将所述各待布置元器件对应的器件模型置于所述待设计设备的初始布局图中，得到所述目标布局图。
42、在上述技术方案中，可以在元器件模型库中获取各待布置元器件对应的器件模型(例如，三维模型)，并根据各待布置元器件的坐标和对应的器件模型，自动生成待设计服务器的目标布局图，缩短了确定各待布置元器件的坐标的时间，降低了对设计人员的依赖，可以避免由于人因失误而引入各种错误数据，提高了待设计设备的布局图的设计效率。
43、第二方面，本技术实施例提供一种设备的布局图生成装置，包括：
44、预测模块，用于将待设计设备的目标配置信息输入对应的坐标预测模型中，得到所述待设计设备中各待布置元器件对应的坐标，所述坐标预测模型为基于所述待设计设备对应的目标数据集训练得到，所述目标数据集包括所述待设计设备对应的多个参照设备的配置信息和布局信息；
45、生成模块，用于根据所述各待布置元器件对应的坐标和元器件模型库，生成所述待设计设备的目标布局图，所述元器件模型库包括多个元器件对应的多个器件模型。
46、在一种可能的实施方式中，所述设备的布局图生成装置还包括：获取模块、拆分模块和训练模块，其中：
47、在将待设计设备的目标配置信息输入对应的坐标预测模型中之前，所述获取模块，用于根据所述目标配置信息获取所述目标数据集；
48、所述拆分模块，用于将所述目标数据集拆分为训练数据集、验证数据集和测试数据集；
49、所述训练模块，用于基于所述训练数据集、所述验证数据集和所述测试数据集对初始模型进行迭代训练，得到所述待设计设备对应的坐标预测模型。
50、在一种可能的实施方式中，所述训练模块具体用于：
51、确定所述初始模型的初始超参数；
52、基于所述初始超参数、所述训练数据集和所述验证数据集，对所述初始模型进行迭代训练，得到中间模型；
53、基于所述测试数据集对所述中间模型进行测试，得到测试结果，并根据所述测试结果确定所述坐标预测模型。
54、在一种可能的实施方式中，所述训练模块具体还用于：
55、在对所述初始模型进行第i次迭代训练的过程中，根据所述训练数据集和所述初始超参数，确定第i个模型参数；
56、根据所述初始超参数、所述第i个模型参数和所述验证数据集，确定第i个超参数；
57、其中，所述i依次取1、2、3、……，直至所述i等于m，或者，所述第i个模型参数和所述第i个超参数收敛时，得到所述中间模型，其中，所述m为大于1的整数。
58、在一种可能的实施方式中，所述训练模块具体还用于：
59、确定所述初始超参数对应的相邻超参数；
60、在确定所述相邻超参数的数量为多个时，基于多个相邻超参数、所述第i个模型参数和所述验证数据集对所述初始模型进行第i次迭代训练的过程中，确定每个相邻超参数对应的所述初始模型的损失函数的第一损失值；
61、在所述多个相邻超参数中，将所述第一损失值最小时对应的相邻超参数确定为所述第i个超参数。
62、在一种可能的实施方式中，所述训练模块具体还用于：
63、确定所述初始模型对应的超参数集合，所述超参数集合包括所述初始超参数和多个待选超参数；
64、计算所述超参数集合中各待选超参数与所述初始超参数之间的距离；
65、将所述距离小于预设距离的待选超参数确定为所述相邻超参数。
66、在一种可能的实施方式中，所述训练模块具体还用于：
67、在基于所述训练数据集和所述初始超参数对所述初始模型进行第i次迭代训练的过程中，确定所述初始模型的损失函数的第二损失值；
68、将所述第二损失值最小时对应的模型参数确定为所述第i个模型参数。
69、在一种可能的实施方式中，所述训练模块具体还用于：
70、若所述测试结果为测试通过，则将所述中间模型确定为所述坐标预测模型；
71、若所述测试结果为测试未通过，则重新选取所述初始模型的初始超参数，并基于重新选取的初始超参数、所述训练数据集、所述验证数据集和所述测试数据集，确定所述坐标预测模型。
72、在一种可能的实施方式中，所述生成模块具体用于：
73、在所述元器件模型库的多个器件模型中，确定各待布置元器件对应的器件模型；
74、基于所述各待布置元器件对应的坐标，将所述各待布置元器件对应的器件模型置于所述待设计设备的初始布局图中，得到所述目标布局图。
75、本技术实施例提供的设备的布局图生成装置，可以执行如第一方面任一项所述的技术方案，其有益效果类似，此处不再进行赘述。
76、第三方面，本技术实施例提供一种计算设备，包括：处理器和存储器；所述处理器和所述存储器耦合；
77、所述存储器用于，存储计算机指令；
78、所述处理器用于，执行所述存储器存储的计算机指令，以执行如第一方面中任一项所述的方法。
79、本技术实施例提供的计算设备，可以执行如第一方面任一项所述的技术方案，其有益效果类似，此处不再进行赘述。
80、第四方面，本技术实施例提供一种芯片，所述芯片用于实现如第一方面中任一项所述的方法。
81、本技术实施例提供的芯片，可以执行如第一方面任一项所述的技术方案，其有益效果类似，此处不再进行赘述。
82、第五方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被计算机执行时实现如第一方面中任一项所述的方法。
83、本技术实施例提供的计算机可读存储介质，可以执行如第一方面任一项所述的技术方案，其有益效果类似，此处不再进行赘述。
84、第六方面，本技术实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如第一方面任一项所述的方法。
85、本技术实施例提供的计算机程序产品，可以执行如第一方面任一项所述的技术方案，其有益效果类似，此处不再进行赘述。
86、本技术实施例提供的设备的布局图生成方法和计算设备，该方法可以基于待设计设备对应的目标数据集训练得到待设计设备对应的坐标预测模型，并基于该坐标预测模型和目标配置信息快速确定各待布置元器件的坐标，以及基于各待布置元器件对应的坐标和元数据模型库，自动生成待设计设备对应的目标布局图，缩短了确定各待布置元器件的坐标的时间，降低了对设计人员的依赖，有利于减少人力和时间成本，且可以避免由于人因失误而引入各种错误数据，有利于提高待设计设备的布局图的设计效率。
1.一种设备的布局图生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在将待设计设备的目标配置信息输入对应的坐标预测模型中之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，基于所述训练数据集、所述验证数据集和所述测试数据集对初始模型进行迭代训练，得到所述待设计设备对应的坐标预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，基于所述初始超参数、所述训练数据集和所述验证数据集，对所述初始模型进行迭代训练，得到中间模型，包括：
5.根据权利要求4所述的方法，其特征在于，根据所述初始超参数、所述第i个模型参数和所述验证数据集，确定第i个超参数，包括：
6.根据权利要求5所述的方法，其特征在于，确定所述初始超参数对应的相邻超参数，包括：
7.根据权利要求4-6任一项所述的方法，其特征在于，根据所述训练数据集和所述初始超参数，确定第i个模型参数，包括：
8.根据权利要求3-7任一项所述的方法，其特征在于，根据所述测试结果确定所述坐标预测模型，包括：
9.根据权利要求1-8任一项所述的方法，其特征在于，根据各待布置元器件对应的坐标和元器件模型库，生成所述待设计设备的目标布局图，包括：
10.一种计算设备，其特征在于，包括：处理器和存储器；所述处理器和所述存储器耦合；
