验证模型转换前后正确性的方法、相关装置及程序产品制造方法及图纸

本公开提供了一种验证模型转换前后正确性的方法、相关装置及程序产品，涉及深度学习、神经网络模型、模型转换等人工智能技术领域。该方法包括：获取训练侧模型对输入的样本数据生成的第一输入输出特征图；获取部署侧模型对输入的样本数据生成的第二输入输出特征图；其中，部署侧模型由训练侧模型结合部署侧特性转换得到；将第一输入输出特征图转换为第一热力图、将第二输入输出特征图转换为第二热力图；基于第一热力图与第二热力图之间的一致性比较结果，确定训练侧模型在转换得到部署侧模型的过程中是否保持了正确性。该方法能够便捷、准确的确定出模型转换前后是否保持了正确性。准确的确定出模型转换前后是否保持了正确性。准确的确定出模型转换前后是否保持了正确性。

【技术实现步骤摘要】
验证模型转换前后正确性的方法、相关装置及程序产品


[0001]本公开涉及数据处理
，具体涉及深度学习、神经网络模型、模型转换等人工智能
，尤其涉及一种验证模型转换前后正确性的方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

技术介绍

[0002]深度学习模型的量化部署，在目前深度学习落地使用场景中非常常见，涌现了很多厂商提供各自的深度学习处理芯片。
[0003]为了适配不同用户各自使用的主流框架，这些厂商会提供一些独有工具，以对目前市面上的主流框架的模型结构进行转换处理。
[0004]但由于转换处理的方式五花八门，在向目标平台上移植前后，很难直观判断模型转换之前是否保持了正确性。

技术实现思路

[0005]本公开实施例提出了一种验证模型转换前后正确性的方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
[0006]第一方面，本公开实施例提出了一种验证模型转换前后正确性的方法，包括：获取训练侧模型对输入的样本数据生成的第一输入输出特征图；获取部署侧模型对输入的样本数据生成的第二输入输出特征图；其中，部署侧模型由训练侧模型结合部署侧特性转换得到；将第一输入输出特征图转换为第一热力图、将第二输入输出特征图转换为第二热力图；基于第一热力图与第二热力图之间的一致性比较结果，确定训练侧模型在转换得到部署侧模型的过程中是否保持了正确性。
[0007]第二方面，本公开实施例提出了一种验证模型转换前后正确性的装置，包括：第一特征图生成单元，被配置成获取训练侧模型对输入的样本数据生成的第一输入输出特征图；第二特征图生成单元，被配置成获取部署侧模型对输入的样本数据生成的第二输入输出特征图；其中，部署侧模型由训练侧模型结合部署侧特性转换得到；第一及第二特征图转换单元，被配置成将第一输入输出特征图转换为第一热力图、将第二输入输出特征图转换为第二热力图；正确性保持判定单元，被配置成基于第一热力图与第二热力图之间的一致性比较结果，确定训练侧模型在转换得到部署侧模型的过程中是否保持了正确性。
[0008]第三方面，本公开实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的验证模型转换前后正确性的方法。
[0009]第四方面，本公开实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的验证模型转换前后正确性的方法。
[0010]第五方面，本公开实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的验证模型转换前后正确性的方法。
[0011]本公开所提供的验证模型转换前后正确性的方案，分别获取转换前的训练侧模型与转换后的部署侧模型对输入的相同样本数据生成的第一输入输出特征和第二输入输出特征图，然后通过将输入输出特征图转换为可视化程度更佳的热力图，进而基于第一热力图和第二热力图进行一致性比较，进而能够便捷、准确的得到一致性比较结果，从而确定出模型转换前后是否保持了正确性。
[0012]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0013]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
[0014]图1是本公开可以应用于其中的示例性系统架构；
[0015]图2为本公开实施例提供的一种验证模型转换前后正确性的方法的流程图；
[0016]图3为本公开实施例提供的另一种验证模型转换前后正确性的方法的流程图；
[0017]图4为本公开实施例提供的又一种验证模型转换前后正确性的方法的流程图；
[0018]图5为本公开实施例提供的再一种验证模型转换前后正确性的方法的流程图；
[0019]图6为本公开实施例提供的一种验证模型转换前后正确性的装置的结构框图；
[0020]图7为本公开实施例提供的一种适用于执行验证模型转换前后正确性的方法的电子设备的结构示意图。
具体实施方式
[0021]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0022]本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0023]图1示出了可以应用本公开的验证模型转换前后正确性的方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。
[0024]如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0025]用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用，例如模型转换类应用、数据传输类应用、即时通讯类应用等。
[0026]终端设备101、102、103和服务器105可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等；当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中，其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器；服务器为软件时，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
[0027]服务器105通过内置的各种应用可以提供各种服务，以可以提供模型转换服务的模型转换类应用为例，服务器105在运行该模型转换类应用时，可对训练侧模型和分别将要部署在不同平台的终端设备101、102、103上的不同部署侧模型，就是否在转换前后保持了正确性进行验证，从而确保模型转换操作的效果。
[0028]本公开后续各实施例所提供的验证模型转换前后正确性的方法一般由拥有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种验证模型转换前后正确性的方法，包括：获取训练侧模型对输入的样本数据生成的第一输入输出特征图；获取部署侧模型对输入的所述样本数据生成的第二输入输出特征图；其中，所述部署侧模型由所述训练侧模型结合部署侧特性转换得到；将所述第一输入输出特征图转换为第一热力图、将所述第二输入输出特征图转换为第二热力图；基于所述第一热力图与所述第二热力图之间的一致性比较结果，确定所述训练侧模型在转换得到所述部署侧模型的过程中是否保持了正确性。2.根据权利要求1所述的方法，其中，所述基于所述第一热力图与所述第二热力图之间的一致性比较结果，确定所述训练侧模型在转换得到所述部署侧模型的过程中是否保持了正确性，包括：响应于所述第一热力图与所述第二热力图具有一致性，确定所述训练侧模型在转换得到所述部署侧模型的过程中保持了正确性；响应于所述第一热力图与所述第二热力图不具有一致性，确定所述训练侧模型在转换得到所述部署侧模型的过程中未保持正确性。3.根据权利要求1所述的方法，其中，所述第一输入输出特征图、所述第二输入输出特征图按相同的数据存储格式进行保存。4.根据权利要求1
‑
3任一项所述的方法，还包括：获取所述训练侧模型对输入的随机数据生成的第三输入输出特征图；其中，所述随机数据为不同于所述样本数据的数据；将所述第三输入输出特征图转换为第三热力图；对应的，所述基于所述第一热力图与所述第二热力图之间的一致性比较结果，确定所述训练侧模型在转换得到所述部署侧模型的过程中是否保持了正确性，包括：比较所述第一热力图与所述第三热力图之间的一致性，得到第一结果；比较所述第一热力图与所述第二热力图之间的一致性，得到第二结果；根据所述第一结果和所述第二结果，确定所述训练侧模型在转换得到所述部署侧模型的过程中是否保持了正确性。5.根据权利要求4所述的方法，其中，所述根据所述第一结果和所述第二结果，确定所述训练侧模型在转换得到所述部署侧模型的过程中是否保持了正确性，包括：响应于所述第一热力图与所述第二热力图和所述第三热力图均不具有一致性，确定所述训练侧模型在转换得到所述部署侧模型的过程中未保持正确性；响应于所述第一热力图与所述第三热力图不具有一致性、所述第一热力图与所述第二热力图具有一致性，确定所述训练侧模型在转换得到所述部署侧模型的过程中保持了正确性。6.根据权利要求4所述的方法，还包括：响应于所述第一热力图与所述第三热力图具有一致性，重新选择所述随机数据。7.根据权利要求4所述的方法，其中，所述第一输入输出特征图、所述第二输入输出特征图、所述第三输入输出特征图按相同的数据存储格式进行保存。8.一种验证模型转换前后正确性的装置，包括：
第一特征图生成单元，被配置成获取训练侧模型对输入的样本数据生成的第一输入输出特征图；第二特征图生成单元，被配置成获取部署侧模型对输入的所述样本数据生成的第二输入输出特征图；其中，所述部署侧模型由所述训练侧模型结合部署侧特性转换得到；第一及第二特征图转换单元，被配置成将所述第一输入输出特征图转...

【专利技术属性】
技术研发人员：赵复阳，
申请(专利权)人：阿波罗智能技术北京有限公司，
类型：发明
国别省市：