minstbe的博客

前面我们已经通过两篇文章，一起熟悉了WM-811K Wafermap 数据集，并对其中的一些数据进行了调用，生成了一些统计信息和图片。今天我们接着继续往前走。当我们在处理大规模的数据集的时候，很多人都会有一种束手无策的感觉，尤其是面对海量的数据和复杂的结构时，可能会感到无从下手。我的经验就是抽丝剥茧，一步步来。实际上，通过系统化的步骤和合理的策略，我们可以有效地应对这些挑战。搞过数据分析的都知道，缺失值的检查是数据处理过程中不可忽视的一环。当我们浏览数据集时，可能会发现相当一部分数据由于缺失值而变得无用。

数据量：WM-811K 数据集包含约 811,457 张晶圆图。缺陷类型：数据集中标注了多种常见的缺陷模式，如中心缺陷、边缘缺陷、局部缺陷、环形缺陷等。应用场景：该数据集常用于机器学习、深度学习和模式识别任务，特别是在半导体制造中的缺陷检测和分类。find_dimfind_dim是一个函数，用来计算输入对象x的维度。这个函数接受一个二维对象（如矩阵或数组）并返回其两个维度：获取x的第一个维度（行数）。获取x的第二个维度（列数）。

WM-811K Wafermap 数据集是一个用于缺陷检测和分类的公开数据集，主要用于研究半导体制造过程中的晶圆缺陷分析。这一数据集由许多晶圆的缺陷模式组成，其中每个晶圆被标记为正常或存在某种类型的缺陷模式。研究人员和从业者可以利用该数据集来开发和评估机器学习和深度学习算法，以自动化地检测和识别晶圆上的缺陷模式。通常情况下，一片8英寸wafer上往往可以放置数百到上千颗芯片（die - 晶粒），具体视芯片的面积大小。

在上一篇文章中，我们一起学习了STDF格式的文件，知道了这是半导体测试数据的标准格式文件。也解释了为什么码农掌握了STDF文件之后，好比掌握了切入半导体行业的金钥匙。从今天开始，我们一起来一步步地学习如何解构、熟悉、掌握、玩弄这个STDF。并最终尝试写一个完整的 STDF解析器，最后发布到网上成为一个公共库。了解这个文件，首先需要了解STDF的标准。我们知道，了解标准是一件很繁琐的事情，所以我们现在要做的是一步步开始，从创建和读取最简单的stdf格式的文件作为起始点，逐步探索STDF的核心。

STDF（Standard Test Data Format）是一种广泛使用的标准数据格式，用于存储半导体测试中的各种信息。该格式最初由电子设备制造商联合制定，目的是为了使半导体测试数据能够在不同的设备、工具和平台之间共享。STDF文件通常在芯片测试过程中生成，尤其是在生产测试阶段，记录了芯片的功能、性能和故障等各种测试结果。在半导体行业中，芯片生产测试是确保产品质量和性能的重要环节。测试数据的记录和管理至关重要，STDF文件正是用来存储这些数据的标准格式。