面向人工智能的基于计算图模型的代码生成方法及装置制造方法及图纸

本发明专利技术公开了一种面向人工智能的基于计算图模型的代码生成方法及装置。所述方法包括：获取计算图和输出节点；从输出节点开始，根据计算图中的有向边进行向前查找，直至找到所有的输入节点；以查找路径上的所有节点为集合，构建计算逻辑树；根据所有节点的节点类型，对所有节点进行预处理；从计算逻辑树中的层数最大的叶节点之一N1进行向上生成，N1和其兄弟节点、父节点生成为新的叶节点；重复执行从计算逻辑树中的层数最大的叶节点之一N1进行向上生成，N1和其兄弟节点、父节点生成为新的叶节点，直至根节点作为父节点。本发明专利技术可以解决在星载计算机上存储空间有限，无法容纳相应的依赖库和运行时占用的内存的问题。依赖库和运行时占用的内存的问题。依赖库和运行时占用的内存的问题。

【技术实现步骤摘要】
面向人工智能的基于计算图模型的代码生成方法及装置


[0001]本专利技术涉及深度学习
，特别是一种面向人工智能的基于计算图模型的代码生成方法及装置。

技术介绍

[0002]一个机器学习任务的核心是模型的定义以及模型的参数求解方式，对这两者进行抽象之后，可以确定一个唯一的计算逻辑，将这个逻辑用图表示，称之为计算图。
[0003]计算图表现为有向无环图，定义了数据的流转方式，数据的计算方式，以及各种计算之间的相互依赖关系等。计算图由节点(node)和有向边(edge)组成。节点表示操作，有向边表示操作间的依赖和数据流向。
[0004]相关技术中，计算图表示推理逻辑的算法，将计算图转换为硬件设备可识别的代码，即完成了对计算图的代码生成。
[0005]基于上述情况，当推理逻辑较为复杂时，该推理逻辑对应复杂度较高的计算图，需要对计算图进行大量的计算和预处理。
[0006]桌面Linux系统下完成训练的深度学习模型在嵌入式中运行时存在问题。遇到的困难是在星载计算机上存储空间有限，无法容纳相应的依赖库和运行时占用的内存。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向人工智能的基于计算图模型的代码生成方法，其特征在于，包括：获取计算图和输出节点；所述计算图为采用预设代码生成的代码图；从所述输出节点开始，根据所述计算图中的有向边进行向前查找，直至找到所有的输入节点；以查找路径上的所有节点为集合，构建以所述输出节点为根节点、以所述输入节点为叶节点的计算逻辑树；根据所述计算逻辑树上所有节点的节点类型，对所述所有节点进行预处理；从所述计算逻辑树中的层数最大的叶节点之一N1进行向上生成，N1和其兄弟节点、父节点生成为新的叶节点；重复执行所述从所述计算逻辑树中的层数最大的叶节点之一N1进行向上生成，N1和其兄弟节点、父节点生成为新的叶节点，直至根节点作为父节点。2.根据权利要求1所述的方法，其特征在于，所述从所述输出节点开始，根据所述计算图中的有向边进行向前查找，直至找到所有的输入节点，包括：获取所述计算图中指向所述输出节点的所有有向边；使用深度遍历，根据所述有向边，获取所述有向边的起始节点；根据所述起始节点，查找其作为末端节点的有向边；重复执行所述获取所述计算图中指向所述输出节点的所有有向边，至所述根据所述起始节点，查找其作为末端节点的有向边的步骤，直至得到没有作为末端节点的有向边。3.根据权利要求1所述的方法，其特征在于，所述以查找路径上的所有节点为集合，构建以所述输出节点为根节点、以所述输入节点为叶节点的计算逻辑树，包括：根据所述查找路径上的所有节点，生成节点集合；将所述节点集合中所有节点按照有向边的关系，组成所述计算逻辑树。4.根据权利要求1所述的方法，其特征在于，所述根据所述计算逻辑树上所有节点的节点类型，对所述所有节点进行预处理，包括：收集所述计算逻辑树上每个节点的层数；进行预处理，收集所述计算逻辑树上的所有节点：针对不同的节点制定不同的转换规则，变量节点转换为具体数据类型的数据值；计算操作节点根据其计算操作逻辑转换为计算方法，以完成预处理流程。5.根据权利要求1所述的方法，其特征在于，在所述重复执行所述从所述计算逻辑树中的层数最大的叶节点之一N1进行向上生成，N1和其兄弟节点、父节点生成为新的叶节点，直至根节点作为父节点之后，还包括：获取输入和输出的节点；根据输入和输出的节点，解析所述计算图，得到网络结构和执行顺序；按照所述网络结构和所述执行顺序，生成代码逻辑。6.一种面向人工智能的基于计算图模...

【专利技术属性】
技术研发人员：王彦芳，王政，黄丽桃，张小龙，李婕，江云松，曾霞，王辉，
申请(专利权)人：北京轩宇信息技术有限公司，
类型：发明
国别省市：