[发明专利]一种数据处理方法及相关产品

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取第一神经网络模型；

根据第一张量的维度信息和第二张量的维度信息对所述第一神经网络模型进行修整，得到第二神经网络模型；其中，所述第二张量为对所述第一张量执行reshape函数得到的张量。

2.根据权利要求1所述的方法，其特征在于，还包括：

在接收到机器学习处理任务请求时，调用所述第二神经网络模型执行所述机器学习处理任务。

3.根据权利要求1或2所述的方法，其特征在于，所述根据第一张量的维度信息和第二张量的维度信息对所述第一神经网络模型进行修整，包括：

当所述第一张量对应的数据块与所述第二张量对应的数据块为同一数据块时，将所述第二神经网络模型中所述第二张量对应的数据块的值赋值给为所述第一张量。

4.根据权利要求1或2所述的方法，其特征在于，所述根据第一张量和第二张量的形状对所述第一神经网络模型进行修整，得到第二神经网络模型之后，还包括：

根据所述第二神经网络模型中函数的位置关系对所述第二神经网络模型进行修整，得到第三神经网络模型；其中，所述函数的位置关系包括reshape函数和/或transpose函数的位置关系。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第二神经网络模型中函数的位置关系对所述第二神经网络模型进行修整，包括：

当所述第二神经网络模型中包含连续N个reshape函数时，将所述连续N个reshape函数合并为一个reshape函数；其中，N为大于等于2的正整数；

或者，

当所述第二神经网络模型中包含连续M个transpose函数时，将所述连续M个transpose函数合并为一个transpose函数；

或者，

当所述第二神经网络模型中的reshape函数与transpose函数等价，并且所述第二神经网络模型中的reshape函数与transpose函数相邻时，将所述transpose函数替换为所述reshape函数，或者，将所述reshape函数替换为所述transpose函数。

6.根据权利要求5所述的方法，其特征在于，所述连续M个transpose函数包括第一transpose函数和第二transpose函数；所述将所述连续M个transpose函数合并为一个transpose函数，包括：

确定所述第一transpose函数以及所述第二transpose函数各自对应的perm参数；

根据所述第一transpose函数以及所述第二transpose函数各自对应的perm参数确定第一参数，其中，所述第一参数为合并后的transpose函数对应的perm参数。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第一transpose函数以及所述第二transpose函数各自对应的perm参数确定第一参数，包括：

在确定所述第一参数时，根据以下公式来计算：

perm3[i]＝perm1[perm2[i]]

其中，perm3表示所述第一参数，perm1表示所述第一transpose函数对应的perm参数，perm2表示所述第二transpose函数对应的perm参数。

8.根据权利要求5所述的方法，其特征在于，在确定所述第二神经网络模型中的reshape函数与transpose函数等价时，包括：

根据所述transpose函数对应的perm参数以及自然数列确定至少一个公共子序列；

根据张量的维度信息以及第一公共子序列确定差集序列；其中，所述第一公共子序列为所述至少一个公共子序列中的其中一个公共子序列；

若所述差集序列中的每个元素X[i]满足A[X[i]]＝1，则确定所述第一神经网络模型中的reshape函数与transpose函数等价。