[发明专利]一种静态子图切分方法及系统

说明书

本发明提供一种静态子图切分方法及系统，该方法包括：输入统一计算图集合以及第一算子，并判断所述第一算子是否被执行，所述第一算子用于触发同步事件操作；若所述第一算子未被执行，则将所述第一算子添加进先进先出队列中；基于广度优先算法，遍历所述统一计算图集合，获取由未被执行的第二算子构成的目标集合，并将所述目标集合中的第二算子添加进所述先进先出队列中，得到切分后的子图，所述第二算子为所述第一算子的前驱结点算子。本发明可较好地运用在实际模型运算中，在线性复杂度内，将完整的统一计算图，切分成静态子图点集，保证了易用性和高效性。

技术领域

本发明涉及子图切分技术领域，尤其涉及一种静态子图切分方法及系统。

背景技术

根据执行方法的不同，深度学习框架的计算图执行方式可分为：静态执行，又被称之为定义后执行(defined-and-run)，经典的静态图深度学习框架有TensorFLow和Theano等等；动态执行，又被称之为定义时执行(define-and-run)和立刻执行。

在静态执行方式中，静态图框架先定义整个模型，然后在每个迭代中完成对计算图的执行，首先通过placeholder占位符方法来代表整个计算图的数据入口，多数静态图框架都是采用此方法，如TensorFlow中的tf.placeholder()。在完成对数据入口的定义后，就可以开始组建计算图。当构建完成计算图后，用户就可以遍历整个数据集，并且对神经网络进行推理或者训练。静态计算图的优点为原理十分简单，并且易于优化和部署。

尽管静态计算图有易于优化部署等优点，但缺点是调试困难，动态交互性差。因为整个计算图是一次性构建好再运行，所以如果用户需要在计算图构建的过程中打印中间结果，就会十分困难的。因此，现在亟需一种静态子图切分方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明提供一种静态子图切分方法及系统。

本发明提供一种静态子图切分方法，包括：

输入统一计算图集合以及第一算子，并判断所述第一算子是否被执行，所述第一算子用于触发同步事件操作；

若所述第一算子未被执行，则将所述第一算子添加进先进先出队列中；

基于广度优先算法，遍历所述统一计算图集合，获取由未被执行的第二算子构成的目标集合，并将所述目标集合中的第二算子添加进所述先进先出队列中，得到切分后的子图，所述第二算子为所述第一算子的前驱结点算子。

根据本发明提供的一种静态子图切分方法，所述统一计算图集合是由静态图和动态图结合得到的。

根据本发明提供的一种静态子图切分方法，所述方法还包括：

若所述第一算子已被执行，则返回空集。

根据本发明提供的一种静态子图切分方法，在所述若所述第一算子未被执行，则将所述第一算子添加进先进先出队列中之后，所述方法还包括：

基于所述先进先出队列，将静态子图切分问题转换为使用广度优先算法的搜索问题。

根据本发明提供的一种静态子图切分方法，所述方法还包括：

将所述统一计算图集合中的计算图作为有向无环图G＝(V，E)，其中，所述有向无环图每一个节点v代表一个算子，每一条边代表一个变量e。

根据本发明提供的一种静态子图切分方法，所述方法还包括：

通过邻接表，获取所述统一计算图集合中计算图的复杂度：

O(|V|+|E|)；

其中，O为复杂度因子表示形式。

本发明还提供一种静态子图切分系统，包括：