[发明专利]神经网络模型的转换方法及相关装置在审
申请号: | 202010584643.0 | 申请日: | 2020-06-23 |
公开(公告)号: | CN111797969A | 公开(公告)日: | 2020-10-20 |
发明(设计)人: | 李合青;陈波扬;刘德龙;王康 | 申请(专利权)人: | 浙江大华技术股份有限公司 |
主分类号: | G06N3/02 | 分类号: | G06N3/02;G06F16/11;G06F16/174 |
代理公司: | 北京同达信恒知识产权代理有限公司 11291 | 代理人: | 王英 |
地址: | 310053 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 神经网络 模型 转换 方法 相关 装置 | ||
本申请公开了一种神经网络模型的转换方法及相关装置。用于解决相关技术中神经网络模型转换操作复杂的问题。该方法中,在实现既保证原有芯片功能正常的情况下,为算法人员以及优化人员提供一套统一的通用转换工具,尽可能的减少各芯片产商离线模型转换的差异性。通过一个通用的配置文件保证各个平台使用同一份配置文件即可完成神经网络模型的转换。此外,由于各个平台可能存在一定的差异性,无法保证所有参数能够全部统一,故此,在此基础上,制定了平台差异化参数。模型转换不再需要对每个平台再进行系统性、差异性的学习和培训。也不需要维护不同的配置文件。
技术领域
本申请涉及人工智能技术领域,特别涉及一种神经网络模型的转换方法及相关装置。
背景技术
目前各大芯片产商的AI(Artificial Intelligence,人工智能)处理器支持的神经网络模型格式均不一致,导致对应的模型转换方法大相径庭。将同一个神经网络模型移植到在不同AI芯片平台时,需要大量的AI芯片平台相关人员参与配合,才能完成神经网络模型在AI芯片上的使用。
当前各个AI芯片平台都有各自对应的模型转换工具,不同产商提供的使用方法也各不相同。导致在转换模型的过程中,存在诸多问题。比如运行环境搭建不便,转换过程大相径庭等,导致使用人员需要对各个AI芯片平台进行学习。故此,相关技术中神经网络模型的转换操作复杂。
发明内容
本申请的目的是提供一种神经网络模型的转换方法及相关装置,用于解决相关技术中对神经网络模型的转换操作复杂的问题。
第一方面,本申请实施例提供了一种神经网络模型的转换方法,包括:
接收客户端上传的转换任务,所述转换任务中包括配置文件、通用格式的网络模型文件以及目标平台标识;
从所述配置文件中查找统一格式化的转换参数;
将查询到的转换参数转换为适用于所述目标平台标识对应的目标平台的平台参数;
调用所述目标平台标识对应的转换工具,以使所述转换工具根据所述平台参数将所述通用格式的网络模型文件转换为适用于所述目标平台的模型文件。
在一些实施例中,从所述通用格式的网络模型文件转换到所述目标平台的模型文件的过程包括多个执行阶段;
所述配置文件中包括多个节点,每个节点对应一个执行阶段,每个执行阶段中包括对应的统一格式化的转换参数,所述转换参数包括:输入数据参数、输出数据参数、各平台通用的参数;其中,针对各执行阶段,所述输入数据参数表示执行所述执行阶段时的数据来源,所述输出数据参数表示所述执行阶段执行结束时输出的数据格式;
所述从所述配置文件中查找统一格式化的转换参数,包括:
从所述配置文件中获取各执行阶段的统一格式化的转换参数。
在一些实施例中,所述方法还包括:
获取所述目标平台的模型文件后,将所述配置文件以及所述模型文件打包成指定格式的目标文件。
在一些实施例中,所述目标文件中包含所述目标平台的接口标识,所述方法还包括:
接收到模型运行指令后,从所述目标文件中解析出所述接口标识以及所述目标平台的模型文件;
调用所述接口标识对应的接口,在所述目标平台上根据所述配置文件中记录的节点的运行顺序以及运行参数运行所述目标平台的模型文件。
在一些实施例中,所述目标文件中还包括运行所述目标平台的模型文件所需的预处理操作以及后处理操作;
所述预处理操作用于对输入神经网络模型的数据进行预处理;所述后处理操作用于对所述神经网络模型输出的数据进行处理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010584643.0/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种塑形专用形状记忆纺织物及制备方法、使用方法
- 下一篇:一种燃料电池空压机