[发明专利]神经网络模型的转换方法、模型精度定位方法及装置

权利要求书

1.一种神经网络模型的转换方法，其特征在于，所述方法包括：

模型转换装置获取源框架下的第一神经网络模型、模型输入数据以及目标框架的信息；

所述模型转换装置对所述源框架下的第一神经网络模型进行模型转换处理，得到所述目标框架下的第二神经网络模型；

所述模型转换装置基于所述第一神经网络模型和所述第二神经网络模型分别对所述模型输入数据进行处理得到的第一推理结果和第二推理结果，得到所述第二神经网络模型的精度验证结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述源框架下的第一神经网络模型进行模型转换处理，得到所述目标框架下的第二神经网络模型，包括：

通过第一进程对所述源框架下的第一神经网络模型进行模型转换处理，得到所述目标框架下的第二神经网络模型；

所述方法还包括：

通过所述第一进程创建第二进程；

通过所述第一进程调用所述第二进程，以在所述第二进程中通过所述第二神经网络模型对所述模型输入数据进行处理，得到第二推理结果。

3.根据权利要求1或2所述的方法，其特征在于，所述模型转换装置基于所述第一神经网络模型和所述第二神经网络模型分别对所述模型输入数据进行处理得到的第一推理结果和第二推理结果，得到所述第二神经网络模型的精度验证结果，包括：

若所述第一推理结果与所述第二推理结果之间的差别处于预设误差范围内，确定所述第二神经网络模型的精度验证结果为精度对齐；和/或

若所述第一推理结果与所述第二推理结果之间的差别超出所述预设误差范围，确定所述第二神经网络模型的精度验证结果为精度未对齐。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：

响应于确定所述第二神经网络模型的精度验证结果为精度未对齐，所述模型转换装置定位所述第二神经网络模型中精度未对齐的目标网络层；

所述模型转换装置输出所述目标网络层的信息。

5.根据权利要求4所述的方法，其特征在于，所述定位所述第二神经网络模型中精度未对齐的目标网络层，包括：

所述模型转换装置建立所述第一神经网络模型和所述第二神经网络模型中的网络层之间的映射关系；

所述模型转换装置基于所述第一神经网络模型和所述第二神经网络模型分别处理所述模型输入数据的过程中每个网络层的输出数据以及所述映射关系，确定所述第二神经网络模型中精度未对齐的目标网络层。

6.根据权利要求5所述的方法，其特征在于，其中，所述模型转换装置对所述第一神经网络模型再次进行模型转换处理，其中，在所述再次进行模型转换处理的过程中，获取所述第一神经网络模型中的每个网络层的输出数据，和/或建立所述第一神经网络模型和所述第二神经网络模型中的网络层之间的映射关系。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述模型转换装置对所述源框架下的第一神经网络模型进行模型转换处理，得到所述目标框架下的第二神经网络模型，包括：

所述模型转换装置通过所述第一神经网络模型对所述模型输入数据的处理，建立网络拓扑图，其中，所述网络拓扑图包括所述第一神经网络模型中的网络层的信息以及网络层的连接关系；

所述模型转换装置基于所述网络拓扑图以及所述目标框架的信息，得到所述第二神经网络模型。

8.一种模型精度定位方法，其特征在于，包括：

模型精度定位装置获取源框架下的第一神经网络模型、模型输入数据以及目标框架的信息；

所述模型精度定位装置对所述第一神经网络模型进行模型转换处理，得到所述目标框架下的第二神经网络模型；

所述模型精度定位装置基于所述第一神经网络模型和所述第二神经网络模型分别处理所述模型输入数据的每个网络层的输出数据，定位所述第二神经网络模型中精度未对齐的目标网络层；

所述模型精度定位装置输出所述目标网络层的信息。