[发明专利]模型转换系统和模型转换方法

权利要求书

1.一种基于TensorFlow和Rosetta的模型转换系统，其特征在于，包括：

Loader模块：用于加载TensorFlow明文模型，依次把TensorFlow明文模型中每个变量数据分别保存为独立的文件，以及将TensorFlow明文模型的变量元数据信息保存为另外一个独立的文件；

Generator模块：用于根据TensorFlow明文模型加载前的网络拓扑结构生成新的网络拓扑结构代码，并生成目标明文模型，其中，生成新的网络拓扑结构代码所使用的TensorFlow APIs都是由Rosetta可适配的APIs组成；

Saver模块：用于加载目标明文模型，并根据变量元数据信息把Loader模块中保存的变量数据分别赋值给目标明文模型，然后保存目标明文模型为新的明文模型文件，这个新的明文模型文件可在Rosetta中加载并使用。

2.根据权利要求1所述的模型转换系统，其特征在于：所述变量元数据信息包含：变量名称、变量Shape Info、变量Tensor value对应的文件名。

3.一种基于TensorFlow和Rosetta的模型转换方法，其特征在于：包括如下步骤：

步骤S1：使用Loader模块加载TensorFlow明文模型，依次把TensorFlow明文模型中每个变量数据保存为独立的文件，以及将TensorFlow明文模型的变量元数据信息保存为另外一个独立的文件；

步骤S2：Generator模块根据TensorFlow明文模型加载前的网络拓扑结构生成新的网络拓扑结构代码，并生成目标明文模型，其中，生成新的网络拓扑结构代码所使用的TensorFlow APIs都是由Rosetta可适配的APIs组成；

步骤S3：Saver模块加载目标明文模型，并根据变量元数据信息把Loader模块中保存的变量数据分别赋值给目标明文模型，然后保存目标明文模型为新的明文模型文件，这个新的明文模型文件可在Rosetta中加载并使用。

4.根据权利要求3所述的模型转换方法，其特征在于：步骤S1之前，先将需要加载的.h5模型文件转换为TensorFlow checkpoint文件，并且，步骤S1中，是加载转换为TensorFlowcheckpoint文件的TensorFlow明文模型。

5.根据权利要求4所述的模型转换方法，其特征在于：步骤S1中，是依次对每个变量的权重数据都分别保存为一个独立的文件。

6.根据权利要求5所述的模型转换方法，其特征在于：步骤S1中，使用TensorFlow APItf.train.Saver().restore函数加载TensorFlow明文模型，加载完后，把TensorFlow明文模型中的变量元数据信息枚举出来并保存；其中，变量元数据信息包含：变量名称、变量Shape Info、变量Tensor value对应的文件名。

7.根据权利要求6所述的模型转换方法，其特征在于：步骤S2中，Generator模块是根据.h5模型文件中的网络拓扑结构，使用Rosetta可适配的APIs生成跟原来.h5模型一致的新的网络拓扑结构代码，并根据新的网络拓扑结构代码生成目标明文模型。

8.根据权利要求7所述的模型转换方法，其特征在于：步骤S3中，在加载目标明文模型后，先初始化目标明文模型的变量为0并保存，并获取步骤S1中保存的变量元数据信息，根据变量元数据信息从之前保存的文件中查找该变量的变量数据，并分别赋值给目标明文模型，然后保存目标明文模型为新的明文模型文件。

9.根据权利要求8所述的模型转换方法，其特征在于：根据变量元数据信息从之前保存的文件中查找该变量的变量数据，并分别赋值给目标明文模型时，是按照每一层的变量名称、相同变量的维度、网络层次是否一致进行匹配赋值。

10.根据权利要求8所述的模型转换方法，其特征在于：在分别赋值变量数据给目标明文模型时，是加载变量数据文件来更新目标明文模型对应的变量值，其具体是根据该变量的元数据信息找到保存此变量的Tensor value数据文件，然后加载该数据文件内容到numpy array中，再使用tf.assign把numpy array中的数据assign给新的变量，完成模型变量数据的更新。