网络模型的运行方法及相关产品技术

本公开提供了一种网络模型的运行方法及相关产品，所述方法包括如下步骤：接收网络模型编译器发送的权值数据组；依据该权值数据组对网络模型的n层权值数据进行更新得到更新后的网络模型；提取预设数据，将该预设数据作为输入数据输入到更新后的网络模型进行运算得到输出结果，将该输出结果展示。本申请提供的技术方案具有用户体验度高的优点。

【技术实现步骤摘要】
【国外来华专利技术】网络模型的运行方法及相关产品
本申请涉及信息处理
，具体涉及一种网络模型的运行方法及相关产品。
技术介绍
随着信息技术的不断发展和人们日益增长的需求，人们对信息及时性的要求越来越高了。网络模型例如神经网络模型随着技术的发展应用的越来越广泛，对于计算机、服务器等设备而言，其对网络模型执行训练以及运算的均能够实现，由于现有的神经网络并非所有平台均能够完成训练功能，这样就存在训练好的网络模型转平台应用的方案，这样就无法保证转用以后能够适应新的硬件结构，导致平台计算精度降低，影响用户体验度。申请内容本申请实施例提供了一种网络模型的运行方法及相关产品，可以实现网络模型的模拟运行和真实硬件环境运行，模拟运行可以提前试运行网络模型，提高计算精度以及用户体验度。真实硬件环境运行可以直接部署网络模型于目标硬件平台，执行高性能计算。第一方面，提供一种网络模型的运行方法，所述方法包括如下步骤：接收网络模型编译器发送的权值数据组；依据该权值数据组对网络模型的n层权值数据进行更新得到更新后的网络模型；提取预设数据，将该预设数据作为输入数据输入到更新后的网络模型进行运算得到输出结果，将该输出结果展示。第二方面，提供一种网络模型的运行平台，所述网络模型的运行平台包括：收发单元，用于接收网络模型编译器发送的权值数据组；更新单元，用于依据该权值数据组对网络模型的n层权值数据进行更新得到更新后的网络模型；处理单元，用于提取预设数据，将该预设数据作为输入数据输入到更新后的网络模型进行运算得到输出结果，将该输出结果展示。第三方面，提供一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第二方面所述的方法。第四方面，提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行第二方面所述的方法。本申请提供的技术方案在进行网络模型的更新以后，对该网络模型进行模拟运行得到输出结果，然后展示该输出结果，这样用户可以通过该输出结果来判断该网络模型是否适合该对应的硬件结构，这样可以提高用户体验度。真实硬件环境运行可以直接部署网络模型于目标硬件平台，执行高性能计算。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的一种网络模型的运行方法的流程示意图。图2是本申请一个实施例提供的网络模型的运行平台的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。模拟人类实际神经网络的数学方法问世以来，人们已慢慢习惯了把这种人工神经网络直接称为神经网络。神经网络在系统辨识、模式识别、智能控制等领域有着广泛而吸引人的前景，特别在智能控制中，人们对神经网络的自学习功能尤其感兴趣，并且把神经网络这一重要特点看作是解决自动控制中控制器适应能力这个难题的关键钥匙之一。神经网络(NeuralNetworks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、光计算、分子生物学等有关，是一门新兴的边缘交叉学科。神经网络的基础在于神经元。神经元是以生物神经系统的神经细胞为基础的生物模型。在人们对生物神经系统进行研究，以探讨人工智能的机制时，把神经元数学化，从而产生了神经元数学模型。大量的形式相同的神经元连结在—起就组成了神经网络。神经网络是一个高度非线性动力学系统。虽然，每个神经元的结构和功能都不复杂，但是神经网络的动态行为则是十分复杂的；因此，用神经网络可以表达实际物理世界的各种现象。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(ArtificialNeuralNetwork)是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。神经网络模型由网络拓扑.节点特点和学习规则来表示。神经网络对人们的巨大吸引力主要包括：并行分布处理、高度鲁棒性和容错能力、分布存储及学习能力、能充分逼近复杂的非线性关系。在控制领域的研究课题中，不确定性系统的控制问题长期以来都是控制理论研究的中心主题之一，但是这个问题一直没有得到有效的解决。利用神经网络的学习能力，使它在对不确定性系统的控制过程中自动学习系统的特性，从而自动适应系统随时间的特性变异，以求达到对系统的最优控制；显然这是一种十分振奋人心的意向和方法。人工神经网络的模型现在有数十种之多，应用较多的典型的神经网络模型包括BP神经网络、Hopfield网络、ART网络和Kohonen网络。参阅图1，图1为本申请提供的一种网络模型的运行方法，该方法由神经网络芯片来执行，该神经网络芯片具体可以包括：专门的神经网络芯片，例如AI芯片，当然在实际应用中，还可以包括：通用的处理芯片例如CPU或FPGA等，本申请并不限制上述神经网络芯片的具体表现形式，如图1所示，上述方法包括如下步骤：步骤S101、接收网络模型编译器发送的权值数据组；上述步骤S101的接收网络模型变压器发送的权值数据组的接收方式可以有多种，例如，在本申请一种可选的技术方案中，可以通过无线方式接收，包括但不限于：蓝牙、wifi等等方式，当然，在本申请另一种可选的技术方案中，可以通过有线方式接收，包括但不限于，总线方式、端口方式或引脚方式。步骤S102、依据该权值数据组对网络模型的n层权值数据进行更新得到更新后的网络模型；上述步骤S102的实现方法具体可以包括：提取权值数据组内每层对应的权值数据，将每层对应的权值数据替换网络模型的原始权值数据。步骤S103、提取预设数据，将该预设数据作为输入数据输入到更本文档来自技高网...

【技术保护点】
1.一种网络模型的运行方法，其特征在于，所述方法包括如下步骤：接收网络模型编译器发送的权值数据组；依据该权值数据组对网络模型的n层权值数据进行更新得到更新后的网络模型；提取预设数据，将该预设数据作为输入数据输入到更新后的网络模型进行运算得到输出结果，将该输出结果展示。

【技术特征摘要】
【国外来华专利技术】1.一种网络模型的运行方法，其特征在于，所述方法包括如下步骤：接收网络模型编译器发送的权值数据组；依据该权值数据组对网络模型的n层权值数据进行更新得到更新后的网络模型；提取预设数据，将该预设数据作为输入数据输入到更新后的网络模型进行运算得到输出结果，将该输出结果展示。2.根据权利要求1所述的方法，其特征在于，所述依据该权值数据组对网络模型的n层权值数据进行更新得到更新后的网络模型，具体包括：提取权值数据组内每层对应的权值数据，将每层对应的权值数据替换网络模型的原始权值数据以得到更新后的网络模型。3.根据权利要求1所述的方法，其特征在于，所述将该预设数据作为输入数据输入到更新后的网络模型进行运算得到输出结果，具体包括：将该预设数据作为输入数据输入到更新后的网络模型调用软件内存进行运算得到输出结果。4.根据权利要求1所述的方法，其特征在于，所述将该预设数据作为输入数据输入到更新后的网络模型进行运算得到输出结果，具体包括：遍历网络模型的所有计算节点，导入权值数据组内的参数值，在软件内存内预留存储空间，按照计算的顺序遍历全部计算节点，涉及异行计算的调度策略，根据调度策略依据调用指定节点的计算函数进行计算，并收集结果得到输出结果。5.一种网络模型的运行平台，其特征在于，所述网络模型的运行平台包括：收发单元，用于接收网络模型编译器发送的权值数...

【专利技术属性】
技术研发人员：赵睿哲，牛昕宇，熊超，
申请(专利权)人：深圳鲲云信息科技有限公司，
类型：发明
国别省市：广东,44