本发明专利技术提供一种神经网络模型的生成方法和装置。神经网络模型的生成方法包括：获取通用配置文件，所述通用配置文件包括节点信息和边信息，所述节点信息用于描述所述神经网络模型中的各神经网络单元，所述边信息用于描述所述神经网络模型中的数据传输关系；根据所述通用配置文件生成神经网络模型。这样，由于通用配置文件包括描述神经网络模型的各神经网络单元节点的边信息和描述神经网络模型中的数据传输关系节点信息，因此，根据该通用配置文件能够建立相应的神经网络模型，不需要利用程序语言进行代码的编写，提高了建立神经网络模型的便利程度，有助于降低模型的搭建成本。有助于降低模型的搭建成本。有助于降低模型的搭建成本。
【技术实现步骤摘要】
一种神经网络模型的生成方法及装置
[0001]本专利技术涉及计算机
，尤其涉及一种神经网络模型的生成方法及装置。
技术介绍
[0002]相关技术中，包括多种不同类型的神经网络模型，而各种类型的神经网络模型的搭建方式具有一定的区别，为了搭建神经网络模型，需要使用特定的模型框架搭建编程语言，如果需要更换模型框架，则又需要工作人员学习和使用新的框架内容。因此，现有的神经网络模型的搭建方式较为复杂，成本较高。
技术实现思路
[0003]本专利技术实施例提供一种神经网络模型的生成方法及装置，以解决现有的神经网络模型的搭建方式较为复杂，成本较高的问题。
[0004]第一方面，本专利技术实施例提供了一种神经网络模型的生成方法，包括以下步骤：
[0005]获取通用配置文件，所述通用配置文件包括节点信息和边信息，所述节点信息用于描述所述神经网络模型中的各神经网络单元，所述边信息用于描述所述神经网络模型中的数据传输关系；
[0006]根据所述通用配置文件生成神经网络模型。
[0007]可选的，所述获取通用配置文件的步骤，包括：
[0008]获取用户撰写的需求信息；
[0009]根据所述需求信息和模型框架的类型，生成所述通用配置文件。
[0010]可选的，所述获取通用配置文件的步骤，包括：
[0011]获取已建立的神经网络模型；
[0012]由所述已建立的神经网络模型导出预设格式的文件作为所述通用配置文件。
[0013]可选的，所述获取通用配置文件，包括：
[0014]确定神经网络单元的类型和序号；
[0015]确定神经网络单元的框架参数，所述框架参数包括张量维度和取值范围中的至少一项；
[0016]确定神经网络单元的节点数据精度；
[0017]根据神经网络单元的类型和序号、所述框架参数和所述节点数据精度生成节点信息。
[0018]可选的，所述获取通用配置文件，包括：
[0019]确定边的起始位置和终点位置；
[0020]确定边的节点流出端口和节点流入端口；
[0021]确定边的数据流动位置；
[0022]根据所述起始位置、所述终点位置、所述节点流入端口、所述节点流出端口和所述数据流动位置生成边信息。
[0023]可选的，在所述边中的目标边的起始位置的信息值小于0的情况下，所述目标边的输入数据为神经网络模型的外部数据；
[0024]在所述目标边的起始位置的信息值大于0的情况下，所述目标边的输入数据来自神经网络模型中的神经网络单元，且所述起始位置的信息值为向所述目标边输入数据的神经网络单元的序号；
[0025]在所述目标边的终点位置的信息值小于0的情况下，所述目标边的输出数据输出至神经网络模型的外部；
[0026]在所述目标边的终点位置的信息值大于0的情况下，所述目标边的输出数据输出至神经网络模型中的神经网络单元，且所述终点位置的信息值为所述目标边的输出数据输出到的神经网络单元的序号；
[0027]在所述目标边的节点流出端口的信息值小于0的情况下，所述目标边的输入数据为神经网络模型的外部数据；
[0028]在所述目标边的节点流出端口的信息值大于或等于0的情况下，所述目标边的输入数据来自神经网络模型中的神经网络单元，且所述节点流出端口的信息值为向所述目标边输入数据的神经网络单元与所述目标边进行数据传输的端口号；
[0029]在所述目标边的节点流入端口的信息值小于0的情况下，所述目标边的输出数据输出至神经网络模型的外部；
[0030]在所述目标边的节点流入端口的信息值大于或等于0的情况下，所述目标边的输出数据输出至神经网络模型中的神经网络单元，且所述节点流入端口的信息值为神经网络单元接收所述目标边的输出数据的端口号。
[0031]可选的，根据所述通用配置文件生成神经网络模型之前，所述方法还包括：
[0032]判断模型框架是否能够完全解析所述通用配置文件；
[0033]若否，则将所述通用配置文件中不能解析的部分抛弃，获得与所述模型框架完全兼容的通用配置文件。
[0034]可选的，所述通用配置文件的格式为YAML序列化格式。
[0035]可选的，模型框架为Tensorflow框架、Pytorch框架和MXNet框架中的至少一项。
[0036]第二方面，本专利技术实施例提供了一种神经网络模型的生成装置，包括：
[0037]获取模块，用于获取通用配置文件，所述通用配置文件包括节点信息和边信息，所述节点信息用于描述所述神经网络模型中的各神经网络单元，所述边信息用于描述所述神经网络模型中的数据传输关系；
[0038]生成模块，用于根据所述通用配置文件生成神经网络模型。
[0039]第三方面，本专利技术实施例提供了一种计算机程序产品，所述计算机程序产品存储于计算机可读存储介质上，所述计算机程序产品在被运行时，实现第一方面中任一项所述的神经网络模型的生成方法的步骤。
[0040]本专利技术实施例通过获取通用配置文件，通用配置文件包括节点信息和边信息，节点信息用于描述神经网络模型中的各神经网络单元，边信息用于描述神经网络模型中的数据传输关系；根据所述通用配置文件生成神经网络模型。这样，由于通用配置文件包括描述神经网络模型的各神经网络单元节点的边信息和描述神经网络模型中的数据传输关系节点信息，因此，根据该通用配置文件能够建立相应的神经网络模型，不需要利用程序语言进
行代码的编写，提高了建立神经网络模型的便利程度，有助于降低模型的搭建成本。
附图说明
[0041]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术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，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获取其他的附图。
[0042]图1是本专利技术一实施例提供的神经网络模型的生成方法的流程图；
[0043]图2是本专利技术一实施例中的神经网络连接图；
[0044]图3是本专利技术一实施例中神经网络模型的生成方法的场景示意图；
[0045]图4是本专利技术一实施例提供的神经网络模型的生成装置的结构图。
具体实施方式
[0046]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本专利技术保护的范围。
[0047]本专利技术提供了一种神经网络模型的生成方法。
[0048]在一个实施例中，该神经网络模型的生成方法包括以下步骤：
[0049]步骤101：获取通用配置文件。
[0050]本实施例中，模型框架指的是搭建神经网络模型的框架，模型框架的类型可能存在差异，但是神经网本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种神经网络模型的生成方法，其特征在于，包括以下步骤：获取通用配置文件，所述通用配置文件包括节点信息和边信息，所述节点信息用于描述所述神经网络模型中的各神经网络单元，所述边信息用于描述所述神经网络模型中的数据传输关系；根据所述通用配置文件生成神经网络模型。2.根据权利要求1所述的方法，其特征在于，所述获取通用配置文件的步骤，包括：获取用户撰写的需求信息；根据所述需求信息和模型框架的类型，生成所述通用配置文件。3.根据权利要求1所述的方法，其特征在于，所述获取通用配置文件的步骤，包括：获取已建立的神经网络模型；由所述已建立的神经网络模型导出预设格式的文件作为所述通用配置文件。4.根据权利要求2或3所述的方法，其特征在于，所述获取通用配置文件，包括：确定神经网络单元的类型和序号；确定神经网络单元的框架参数，所述框架参数包括张量维度和取值范围中的至少一项；确定神经网络单元的节点数据精度；根据神经网络单元的类型和序号、所述框架参数和所述节点数据精度生成节点信息。5.根据权利要求4所述的方法，其特征在于，所述获取通用配置文件，包括：确定边的起始位置和终点位置；确定边的节点流出端口和节点流入端口；确定边的数据流动位置；根据所述起始位置、所述终点位置、所述节点流入端口、所述节点流出端口和所述数据流动位置生成边信息。6.根据权利要求5所述的方法，其特征在于，在所述边中的目标边的起始位置的信息值小于0的情况下，所述目标边的输入数据为神经网络模型的外部数据；在所述目标边的起始位置的信息值大于0的情况下，所述目标边的输入数据来自神经网络模型中的神经网络单元，且所述起始位置的信息值为向所述目标边输入数据的神经网络单元的序号；在所述目标边的终点位置的信息值小于0的情况下，所述目标边的输出数据输出至神经网络模型的外部；在所述目标边的终点位置的信息值大于0的情况下，所述目标边的输出数据输出至神经网络模型中的神经网络单...
【专利技术属性】
技术研发人员：郭杨，崔蒙晓，陈懂理，金罗军，
申请(专利权)人：北京灵汐科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。