[发明专利]数据处理方法及装置、图像处理方法及装置、电子设备

说明书

本公开涉及一种数据处理方法及装置、图像处理方法及装置、电子设备，其中所述数据处理方法包括：获取神经网络代码；对所述神经网络代码进行代码翻译处理，得到中间表示代码，所述中间表示代码抽象了不同硬件设备对于同一操作的实现；通过执行引擎执行所述中间表示代码。本公开能够提高神经网络代码的可扩展行。

技术领域

本公开涉及数据处理领域，特别涉及一种数据处理方法及装置、图像处理方法及装置、电子设备。

背景技术

在机器学习领域，神经网络(如深度学习网络)的实现过程是对一个复杂数学模型求解的过程。对复杂数学模型的结构化表示是实现机器学习任务的前提。

目前，典型的深度学习框架使用Python等语言作为编程接口，上层描述语言与后端实现直接对应，难以转换到不同的后端。

发明内容

本公开实施例提供了一种数据处理方法及装置、图像处理方法及装置、电子设备，其能够提高神经网络代码可扩展性。

根据本公开的一方面，提供了一种数据处理方法，其包括：

获取神经网络代码；

对所述神经网络代码进行代码翻译处理，得到中间表示代码，所述中间表示代码抽象了不同硬件设备对于同一操作的实现；

通过执行引擎执行所述中间表示代码。

在一些可能的实施方式中，所述对所述神经网络代码进行代码翻译处理，得到中间表示代码，包括：

运行所述神经网络代码；

响应于所述神经网络代码中的函数对象被运行，调用生成器接口，以生成与所述函数对象对应的中间表示代码。

在一些可能的实施方式中，所述响应于所述神经网络代码中的函数对象被运行，调用生成器接口，包括：

响应于所述神经网络代码中的函数对象被运行，基于所述函数对象的类型，调用与所述函数对象对应的生成器接口，以生成与所述函数对象对应的中间表示代码。

在一些可能的实施方式中，所述通过所述生成器接口生成与所述函数对象对应的中间表示代码，包括：

响应于相同的所述函数对象被重复运行的情况，每次该相同的函数对象被运行时，均调用所述生成器接口生成与该相同的函数对象对应的中间表示代码。

在一些可能的实施方式中，所述通过所述生成器接口生成与所述函数对象对应的中间表示代码，包括：

在函数对象被重复调用时，运行所保存的与该函数对象对应的中间表示代码，

其中，保存的与函数对象对应的中间表示代码为所述函数对象第一次被调用时通过调用所述生成器接口生成的中间表示代码，或者为在所述函数对象被实际调用前通过调用所述生成器接口生成的中间表示代码。

在一些可能的实施方式中，所述运行所述神经网络代码包括：通过解释器解释执行所述神经网络代码，和/或通过编译器编译执行所述神经网络代码。

在一些可能的实施方式中，所述神经网络中的函数对象对应的中间表示代码包括：所述函数对象对应的操作名称、操作附加属性、操作输入和操作输出。

在一些可能的实施方式中，所述中间表示代码用于以抽象化符号的方式表示所述神经网络代码中包含的函数对象，并且所述函数对象对应的中间表示代码与所述函数对象的上下文无关。

在一些可能的实施方式中，所述通过执行引擎执行所述中间表示代码包括：

通过所述执行引擎调用计算模块和/或通信模块执行所述中间表示代码。

在一些可能的实施方式中，所述方法还包括：