[发明专利]神经网络模型的编译方法、装置、存储介质及电子设备

权利要求书

1.一种神经网络模型的编译方法，包括：

获取待编译神经网络模型，所述待编译神经网络模型包括所对应的运算类型为第一运算的第一网络层，所述第一运算属于查表运算且使用的表为第一表；

基于指定常量范围和所述第一表，将所述第一网络层的第一输入特征图的所述第一运算变换为第二运算，得到第二网络层，所述第二运算为神经网络加速器支持的运算；

基于所述待编译神经网络模型中除所述第一网络层之外的网络层，以及所述第二网络层，通过编译处理生成第一目标神经网络模型。

2.根据权利要求1所述的方法，其中，所述基于指定常量范围和所述第一表，将所述第一网络层的第一输入特征图的所述第一运算变换为第二运算，包括：

基于所述第一输入特征图的通道数C和所述指定常量范围中的常量的数量L，确定第一卷积核集合和第二卷积核集合；

基于所述第一表、所述通道数C和所述常量的数量L，确定第三卷积核集合；

基于所述第一卷积核集合、所述第二卷积核集合、所述第三卷积核集合，以及所述指定常量范围中的L个常量，将所述第一网络层的第一输入特征图的所述第一运算变换为第二运算。

3.根据权利要求2所述的方法，其中，

所述第一卷积核集合包括L*C个宽度为1，高度为1，通道数为C的卷积核，并且，所述第一卷积核集合中的第L*(i-1)+1至第L*i个卷积核中的第i个元素为-1，所述第一卷积核集合中的其余元素均为0；

和/或，

所述第二卷积核集合包括L*C个宽度为1，高度为1，通道数为C的卷积核，并且，所述第二卷积核集合中的第L*(j-1)+1至第L*j个卷积核中的第j个元素为-2，所述第二卷积核集合中的其余元素均为0；

和/或，

所述第三卷积核集合包括C个宽度为1，高度为1，通道数为L*C的卷积核，所述第三卷积核集合中的第s个卷积核中由第L*(s-1)+1个元素开始的连续L个元素依次为所述第一表中的L个数值，所述第三卷积核集合中的其余元素均为0。

4.根据权利要求3所述的方法，其中，所述第二运算包括：

对所述第一卷积核集合与所述第一输入特征图进行卷积运算，得到第一特征图；

对所述第一特征图进行第一偏置运算，得到第二特征图；

对所述第二特征图进行修正线性单元运算，得到第三特征图；

对所述第二卷积核集合与所述第三特征图进行卷积运算，得到第四特征图，所述第四特征图与所述第二特征图具有相同宽度、相同高度和相同通道数；

对所述第四特征图中各元素与所述第二特征图中各元素进行对应相加运算，得到第五特征图；

对所述第五特征图进行第二偏置运算，得到第六特征图；

对所述第三卷积核集合与所述第六特征图进行卷积运算，得到所述第二网络层的输出特征图；

其中，在进行所述第一偏置运算时，针对所述第一特征图的、与所述第一输入特征图的任一原始通道对应的L个通道使用的L个偏置值依次为所述指定常量范围中的L个常量，所述第二偏置运算使用的偏置值为常量1。

5.根据权利要求2所述的方法，其中，所述基于所述第一输入特征图的通道数C和所述指定常量范围中的常量的数量L，确定第一卷积核集合，包括：

响应于预设对应关系中不存在所述通道数C对应的卷积核集合，基于所述通道数C和所述常量的数量L，构建第一卷积核集合，并向所述预设对应关系中添加所述通道数C与所述第一卷积核集合之间的对应关系；

响应于所述预设对应关系中存在所述通道数C对应的卷积核集合，将所述预设对应关系中所述通道数C对应的卷积核集合确定为第一卷积核集合。