[发明专利]目标模型加载更新方法及装置、可读介质和电子设备

说明书

本公开提供一种目标模型加载更新方法及装置、计算机可读介质和电子设备，涉及计算机技术领域。该方法包括：获取目标模型对应的可执行文件；若检测到嵌入式实时操作系统请求运行目标模型，则将可执行文件解析生成待加载结构体，并以共享内存的方式传递给嵌入式实时操作系统的第二内存，以使嵌入式实时操作系统将待加载结构体作为待运行任务进行启动运行，实现目标模型的加载更新。本公开能够在SensorHub环境下实现人工智能模型的动态加载或者更新，不需要每次将人工智能模型与OS内核一起编译成完整镜像到SensorHub运行，有效提高SensorHub环境中人工智能模型的更新效率，节省内存空间。

技术领域

本公开涉及计算机技术领域，具体涉及一种目标模型加载更新方法、目标模型加载更新装置、计算机可读介质和电子设备。

背景技术

随着人工智能技术(Artificial Intelligence，AI)的研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等。

AI算法在相关移动终端的低功耗平台SensorHub上有着越来越多的应用，如一些在智能手机上需要常开的AI算法，实现步行者位置感知，情景感知等等，基于此，AI模型如何在SensorHub上部署成为一个需要考虑的热点。

目前，在SensorHub上加载或者更新训练好的AI模型时，需要将AI模型对应的代码和OS内核一起编译，生成一个完整的镜像，然后传递到SensorHub的嵌入式实时操作系统运行。这样，一旦AI模型需要更新，就必须重新编译所有代码并重新烧写镜像，降低了SensorHub中AI模型的加载更新效率，同时，镜像文件占用的内存空间较多，对SensorHub造成较大的内存压力。

发明内容

本公开的目的在于提供一种目标模型加载更新方法、目标模型加载更新装置、计算机可读介质和电子设备，进而至少在一定程度上提高在SensorHub平台中AI模型的加载更新效率，节省内存空间。

根据本公开的第一方面，提供一种目标模型加载更新方法，包括：

获取目标模型对应的可执行文件；

若检测到所述嵌入式实时操作系统请求运行所述目标模型，则将所述可执行文件解析到第一内存中生成待加载结构体；

将所述待加载结构体以共享内存的方式传递给所述嵌入式实时操作系统的第二内存，以使所述嵌入式实时操作系统将所述第二内存中的所述待加载结构体作为待运行任务进行启动运行，实现所述目标模型的动态加载更新。

根据本公开的第二方面，提供一种目标模型加载更新装置，包括：

可执行文件获取模块，用于获取目标模型对应的可执行文件；

结构体生成模块，用于若检测到所述嵌入式实时操作系统请求运行所述目标模型，则将所述可执行文件解析到第一内存中生成待加载结构体；

模型加载更新模块，用于将所述待加载结构体以共享内存的方式传递给所述嵌入式实时操作系统的第二内存，以使所述嵌入式实时操作系统将所述第二内存中的所述待加载结构体作为待运行任务进行启动运行，实现所述目标模型的动态加载更新。

根据本公开的第三方面，提供一种计算机可读介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的方法。

根据本公开的第四方面，提供一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述的方法。