[发明专利]一种基于ONNX面向Caffe2训练的深度学习模型自动转换方法

说明书

本发明公开一种基于ONNX面向Caffe2训练的深度学习模型自动转换方法，包括以下步骤：S1、ONNX文件向Caffe2文件的映射，得到Caffe2格式的前向传播网络，S2、根据S1中获得的前向传播网络的信息，自动生成求梯度算子，得到反向传播网络，S3、根据满足生成完整反向传播网络的需要，设计用户配置信息格式，将配置信息融入上步骤的模型定义文件中。本发明可以自动产生包括正向传播神经网络、反向传播神经网络、运行控制块和辅助算子的模型文件，从而进行训练任务。

技术领域

本发明涉及一种基于ONNX面向Caffe2训练的深度学习模型自动转换方法，属于深度学习技术领域。

背景技术

近年来，随着深度学习技术的发展，各种深度学习框架不断涌现，这些框架各有特点，并没有哪一家成为事实上的标准。在每个框架中，各自有其使用的模型定义格式，彼此之间并不兼容，若想从一个框架移植到另一个框架，常常需要重新编程，这就需要了解目标框架的编程模式，移植门槛较高。

多家深度学习框架厂商联合推出了ONNX，成为事实上的标准。目前，主流框架大多支持将深度学习模型导出为ONNX格式，这为模型移植打下了一个基础。但ONNX模型仅支持推理，不支持训练，从训练的角度看，ONNX模型缺失的信息很多，需要进行扩展和补充。

ONNX是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移，它由三部分组成：可扩展计算图模型的定义、标准数据类型的定义、内置运算符的定义；

基本格式是Model、Graph、Node三级定义，简略描述如下：

Model

Graph

Node

Caffe2是2017年发布的一款轻量级和模块化的深度学习框架，它除了提供python的编程接口之外，还提供了直接运行模型定义文件的方式进行训练，它的基本格式为Plan、Net和Operator三级定义，简略描述如下：

Plan

Net

Operator

ONNX与Caffe2的格式定义中，既有等价的部分，也有互相多出的部分。其中，ONNX作为输入，多出的部分信息可以舍去，Caffe2多出的部分，除了可以通过上下文推断出来的部分外，其余需要通过配置文件的方式进行填写。

目前，Caffe2提供了Caffe向Caffe2进行模型转换的工具。这是两个框架各自模型格式之间的转换，不涉及ONNX，因此是专有工具，缺乏通用性，不适用于第三方深度学习框架向Caffe2的转换。

发明内容

本发明的目的是提供一种基于ONNX面向Caffe2训练的深度学习模型自动转换方法，其。

为达到上述目的，本发明采用的技术方案是：提供一种基于ONNX面向Caffe2训练的深度学习模型自动转换方法，包括以下步骤：

S1、ONNX文件向Caffe2文件的映射，得到Caffe2格式的前向传播网络，具体包括：

计算图模型映射：Model到Plan的映射、Graph到Net的映射以及Node到Operator的映射；